AlphaGenome : DeepMind fait parler l'ADN « poubelle » en langage humain

Quand AlphaFold a prédit la structure des protéines en 2020, le monde est resté bouche bée, et ses créateurs ont ensuite reçu le prix Nobel. Mais les protéines ne sont que la partie émergée de l'iceberg. L'équipe de Google DeepMind a maintenant décidé de sonder la « matière noire » de notre organisme. AlphaGenome est un nouveau couteau suisse pour travailler sur la partie de l'ADN que l'on a paresseusement qualifiée de poubelle pendant des décennies.

Il s'agit des 98 % du génome qui ne codent pas directement de protéines, mais fonctionnent comme un tableau de commande extrêmement complexe. Il décide quand un gène s'active, où il se tait et où il tourne à plein régime. Jusqu'ici, les chercheurs devaient jongler avec une dizaine de logiciels différents pour comprendre comment une minuscule mutation dans ce vide influence le développement d'un cancer ou d'une maladie rare. AlphaGenome remplace ce zoo logiciel par un système unique, qui voit l'ensemble du tableau.

Le modèle a été entraîné sur des données d'ADN « brutes » et sait désormais prédire 11 types de signaux biologiques. On y trouve l'épissage (le découpage des messages génétiques), la densité de compaction de l'ADN et les interactions entre régions éloignées du génome. Le plus impressionnant reste la résolution. AlphaGenome peut analyser une séquence d'un million de lettres sans perdre le contexte, tout en détectant des changements à l'échelle d'un seul nucléotide. C'est comme étudier la carte d'une ville entière tout en voyant la fissure dans une brique précise.

Il y a bien sûr des nuances. Des critiques du Memorial Sloan Kettering relèvent que le modèle gère encore mal les types de cellules rares, car il s'est entraîné sur des données de tissus courants. Il a aussi tendance à produire des faux négatifs : il préfère manquer une mutation importante plutôt que déclencher une fausse alerte. Mais quand AlphaGenome signale un problème, les chercheurs peuvent en être presque certains. Cela économise des mois, parfois des années, de travail « humide » en laboratoire.

Pourquoi Google fait-il cela ? La logique commerciale est claire. DeepMind bâtit une plateforme verticalement intégrée pour la biologie moléculaire. L'entreprise dispose d'outils pour prédire la structure des protéines (AlphaFold), leurs mutations (AlphaMissense), concevoir de nouvelles molécules (AlphaProteo) et, désormais, piloter les gènes. Ce n'est plus de la simple recherche scientifique, mais le socle d'une nouvelle industrie de médicaments conçus entièrement « en numérique ».

Le succès d'AlphaGenome a déjà été confirmé par des chercheurs indépendants au Japon, qui ont utilisé le modèle pour vérifier le lien entre privation de sommeil et activité neuronale. L'IA a confirmé leurs intuitions et leur a fait gagner énormément de temps de validation des données. L'outil passe ainsi du jouet théorique à un véritable accélérateur de la science.

L'essentiel : DeepMind cesse définitivement d'être un laboratoire qui joue au go pour devenir le principal architecte de la biologie moderne. Claude et GPT écrivent des textes, tandis que les modèles de Hassabis écrivent le code de la vie elle-même. Reste à savoir quand la quantité de ces modèles numériques se transformera en la qualité de vrais médicaments dans les pharmacies.