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

Quand AlphaFold a prédit la structure des protéines en 2020, le monde a été stupéfait, et ses créateurs ont ensuite reçu le prix Nobel. Mais les protéines ne sont que la pointe de l'iceberg. Maintenant, l'équipe de Google DeepMind a décidé d'explorer la "matière noire" de notre organisme. AlphaGenome est un nouveau couteau suisse pour travailler avec cette partie de l'ADN que pendant des décennies on a paresseusement appelée poubelle.

Il s'agit des 98% du génome qui ne codent pas directement les protéines, mais fonctionnent comme un panneau de contrôle extrêmement complexe. Il décide quand un gène doit s'activer, où il doit rester silencieux et où il doit fonctionner à plein régime. Auparavant, les scientifiques devaient jongler avec des dizaines de programmes différents pour comprendre comment une seule minuscule mutation dans ce vide affecte le développement du cancer ou d'une maladie rare. AlphaGenome remplace ce zoo de logiciels par un seul système qui voit le tableau complet.

Le modèle a été entraîné sur des données d'ADN brutes, et il peut maintenant prédire 11 types de signaux biologiques. Cela inclut l'épissage (découpe des messages génétiques), la densité d'empaquetage de l'ADN et les interactions entre des régions éloignées du génome. Ce qui est plus impressionnant, c'est la résolution. AlphaGenome peut analyser des séquences d'un million de lettres sans perdre le contexte, tout en voyant les changements au niveau d'un seul nucléotide. C'est comme examiner une carte d'une ville entière tout en voyant une fissure sur une brique spécifique.

Bien sûr, il y a des nuances. Les critiques du Memorial Sloan Kettering notent que le modèle a encore du mal avec les types de cellules rares, car il a été entraîné sur des données de tissus communs. De plus, il tend aux faux négatifs — il est plus probable qu'il manque une mutation importante qu'il ne déclenche une fausse alerte. Mais si AlphaGenome dit qu'il y a un problème ici, les scientifiques peuvent en être presque certains. Cela économise des mois, et parfois des années de travail "humide" en laboratoire.

Pourquoi Google en a-t-il besoin? Ici, nous voyons une logique commerciale claire. DeepMind construit une plateforme intégrée verticalement pour la biologie moléculaire. Ils ont des outils pour prédire la structure des protéines (AlphaFold), leurs mutations (AlphaMissense), concevoir de nouvelles molécules (AlphaProteo), et maintenant gérer les gènes. Ce n'est plus simplement de la recherche scientifique, mais le fondement d'une nouvelle industrie de médicaments créés entièrement "en numérique."

Des chercheurs indépendants du Japon ont déjà confirmé le succès d'AlphaGenome, utilisant le modèle pour vérifier le lien entre la privation de sommeil et l'activité neuronale. L'IA a confirmé leur hypothèse, économisant beaucoup de temps sur la validation des données. Cela transforme l'outil d'un jouet théorique en un véritable accélérateur de science.

L'essentiel: DeepMind se transforme finalement d'un laboratoire de jeu de Go en 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. Il reste à voir quand le nombre de ces modèles numériques se traduira par la qualité des vrais médicaments dans les pharmacies.