AlphaGenome Atlas prédit l’effet de neuf milliards de changements dans l’ADN

Le génome humain contient environ trois milliards de paires de bases. À presque chaque position, une lettre de l’ADN peut théoriquement être remplacée par l’une des trois autres, ce qui représente quelque neuf milliards de substitutions possibles.

Les tester individuellement en laboratoire serait irréaliste. Google DeepMind a donc utilisé son modèle AlphaGenome pour prédire leurs effets moléculaires, puis a regroupé les résultats dans AlphaGenome Atlas, lancé le 8 septembre 2026.

Cette carte pourrait accélérer la recherche sur les maladies rares et le fonctionnement des gènes. Elle ne constitue toutefois ni un test diagnostique ni une preuve que chaque prédiction est exacte.

Une carte de prédictions, pas neuf milliards d’expériences

AlphaGenome compare une séquence d’ADN normale à une version modifiée. Il tente ensuite de prévoir comment cette différence pourrait influencer l’expression d’un gène, l’épissage de l’ARN, l’accessibilité de la chromatine ou la fixation de certaines protéines.

Le modèle peut examiner jusqu’à un million de paires de bases autour d’une variante et produire des milliers de prédictions couvrant différents tissus et types de cellules. Son architecture et ses évaluations ont été publiées dans une étude évaluée par les pairs dans Nature.

Auparavant, un chercheur devait choisir une variante, préparer ses données et exécuter le modèle. AlphaGenome Atlas contient plutôt les résultats précalculés pour toutes les substitutions d’une seule lettre dans le génome humain de référence.

Selon la présentation officielle de Google DeepMind, l’ensemble complet occupe environ un pétaoctet, soit un million de gigaoctets. L’utilisateur n’a cependant pas besoin de tout télécharger : un portail permet de consulter une variante précise.

Un score pour classer les variantes

L’Atlas ajoute un indicateur nommé AlphaGenome Variant Impact, ou AVI. Il combine les prédictions d’AlphaGenome avec celles d’AlphaMissense, un autre modèle spécialisé dans les variantes qui modifient les protéines.

Le résultat est un nombre destiné à aider les scientifiques à classer rapidement des milliers de possibilités. L’Atlas indique également quels mécanismes — comme l’épissage ou l’expression d’un gène — ont le plus influencé le score.

Cette simplification comporte un risque. Carl de Boer, chercheur en génomique à l’Université de la Colombie-Britannique, prévient dans IEEE Spectrum qu’un seul nombre pourrait être facilement mal interprété devant un système biologique aussi complexe.

Un score élevé signifie qu’un effet moléculaire paraît plus probable selon les modèles. Il ne signifie pas automatiquement que la personne porteuse développera une maladie.

Des premiers résultats à confirmer

Google présente plusieurs utilisations réalisées avec des partenaires universitaires.

Une équipe étudiant des maladies rares a employé AVI pour repérer une variante du gène DNM1, auparavant négligée. Des expériences ont ensuite confirmé que cette variante créait un mauvais site d’épissage et produisait une protéine anormale.

Dans une autre analyse portant sur plus de 54 000 participants de la UK Biobank, une équipe de l’Université d’Exeter aurait découvert 22 % plus d’associations impliquant des variantes non codantes. En se concentrant sur le 1 % jugé le plus susceptible d’avoir un effet, elle aurait aussi repéré 19 régions associées à l’indice de masse corporelle.

Ces résultats sont décrits par Google DeepMind. Ils ne démontrent pas une amélioration universelle de 22 % et devront être reproduits par des équipes indépendantes.

Pourquoi les régions non codantes comptent

Environ 2 % du génome code directement des protéines. Une partie des 98 % restants participe plutôt au contrôle de l’endroit, du moment et de l’intensité avec lesquels les gènes sont activés.

Une variante située loin d’un gène peut donc modifier son fonctionnement. Ces relations sont difficiles à étudier puisqu’elles varient entre les cellules, les tissus et les étapes du développement.

L’Atlas pourrait aider les chercheurs à réduire une longue liste de variantes avant d’entreprendre des expériences coûteuses. Comme le souligne IEEE Spectrum, son utilité principale consiste à prioriser les hypothèses à vérifier, et non à remplacer le laboratoire.

Prix et disponibilité au Canada

Le portail et l’API sont accessibles gratuitement pour la recherche non commerciale. Aucune exclusion visant le Canada n’est affichée.

Google prévoit offrir l’Atlas aux entreprises dans Google Cloud, mais ce service commercial n’est pas encore disponible et aucun tarif n’a été communiqué.

Les coûts réels pourront varier selon l’utilisation de ressources infonuagiques, le stockage, le séquençage, les expériences de validation, le personnel et les conditions institutionnelles.

AlphaGenome n’est ni validé ni approuvé pour un usage clinique. Un patient ou un professionnel de la santé ne devrait pas utiliser ses prédictions comme diagnostic ou recommandation médicale.

Limites ou points à considérer

L’Atlas couvre des substitutions d’une seule lettre. Il ne cartographie pas de la même manière les grandes délétions, duplications, inversions ou autres modifications structurelles du génome.

Sa fenêtre d’un million de bases est vaste, mais certains éléments régulateurs agissent sur des distances encore plus grandes. Le modèle peut donc manquer des interactions importantes.

Les maladies courantes dépendent souvent de nombreuses variantes, de l’environnement, de l’âge et du mode de vie. Une prédiction isolée ne résume pas ces interactions.

Enfin, la qualité des résultats dépend des tissus, des populations et des données représentés pendant l’entraînement. Une performance moyenne élevée ne garantit pas la même fiabilité pour toutes les ascendances génétiques ou toutes les maladies.

Conclusion

AlphaGenome Atlas transforme des calculs auparavant exigeants en une ressource consultable couvrant quelque neuf milliards de substitutions génétiques.

Son intérêt n’est pas de prédire le destin médical d’une personne. Il est de montrer aux scientifiques quelles variantes semblent susceptibles de modifier un mécanisme biologique et lesquelles méritent une expérience.

Les validations indépendantes détermineront maintenant si cette immense carte permet réellement de résoudre davantage de maladies rares et de mieux comprendre les régions encore mal connues du génome.