AlphaGenome 2 : prédire l’effet des variants génétiques
Découvrez comment AlphaGenome 2 relie variants génétiques et types cellulaires, ses cas d’usage en recherche et les limites à connaître avant de l’utiliser.

AlphaGenome 2 : quand l'IA relie une mutation à la cellule concernée
Une même mutation génétique ne produit pas forcément le même effet dans toutes les cellules. Un variant peut changer l'activité d'un gène dans une cellule immunitaire, sans rien modifier de façon visible dans un autre tissu. C'est l'un des points qui compliquent l'interprétation des résultats génétiques : repérer une variation associée à une maladie ne suffit pas à comprendre où, ni comment, elle agit.
AlphaGenome 2, le modèle de Google DeepMind présenté comme une nouvelle génération d'outil de prédiction de l'ADN, cherche justement à combler ce décalage. En combinant des séquences génétiques et des données de biologie unicellulaire, il vise à estimer l'effet des variants dans des types et des états cellulaires précis. L'idée est simple : mieux relier les signaux issus de la génétique humaine aux mécanismes biologiques qui peuvent les expliquer.
Ce changement de focale peut aider les équipes à prioriser des variants, à formuler des hypothèses sur les cellules impliquées et à choisir les prochaines étapes expérimentales. Mais il ne transforme pas une prédiction informatique en preuve clinique. Voici ce que fait le modèle, ce qu'il permet d'envisager et les précautions à garder.
Pourquoi les effets de l'ADN dépendent-ils du type cellulaire ?
Presque toutes les cellules d'un organisme contiennent le même ADN. Pourtant, une cellule du muscle cardiaque ne travaille pas comme un macrophage, une cellule du foie ou un neurone. Elles n'activent pas les mêmes gènes, au même moment. La régulation dépend notamment de la façon dont la cellule « lit » les séquences génétiques, et de l'accès (ou non) de certaines régions de l'ADN à l'activité cellulaire.
Résultat : l'effet d'un variant peut être très ciblé. Le variant peut se trouver dans un élément régulateur situé loin d'un gène, mais quand cet élément est modifié, le gène change uniquement dans une cellule donnée. Si on ne regarde qu'une moyenne calculée à l'échelle d'un tissu, le signal peut être dilué par les autres cellules. On risque alors de passer à côté du mécanisme pertinent, même quand le variant est associé à une maladie.
Du signal génétique au mécanisme cellulaire
Les études d'association pangénomique (GWAS) repèrent des régions du génome associées statistiquement à des maladies ou à des caractéristiques. Le problème, c'est qu'une région associée peut contenir plusieurs variants possibles. Ensuite, il faut déterminer quel variant est vraiment causal, quel gène est affecté et dans quel type cellulaire l'effet apparaît. Chaque étape demande des données et souvent des expériences supplémentaires.
La biologie unicellulaire apporte une partie de cette information. Au lieu de mesurer une moyenne sur un ensemble de cellules, elle permet de regarder des profils cellule par cellule. Des initiatives comme l'Atlas des cellules humaines documentent cette diversité. Mais une carte n'est pas un plan d'action : elle décrit ce qui a été observé, sans garantir ce qui se produirait si une séquence d'ADN changeait.
Pourquoi les modèles à moyenne tissulaire ont leurs limites
Un modèle entraîné sur des mesures regroupées par tissu peut aider à repérer des tendances. En revanche, il distingue moins bien les cellules très proches entre elles ou les états transitoires : par exemple, une cellule immunitaire au repos et la même cellule activée après une infection. Or ce genre de différence peut compter dans l'apparition (ou l'aggravation) d'une maladie.
C'est précisément le type de réponse qu'AlphaGenome 2 vise : passer d'une prédiction « moyenne » à une estimation conditionnée par le type ou l'état cellulaire. L'objectif n'est pas de remplacer les expériences, mais de mieux orienter les hypothèses à tester. Et, surtout, une prédiction plus précise n'est pas, à elle seule, un lien causal démontré chez un patient.
Quels usages concrets pour la recherche biomédicale ?
L'usage le plus direct, c'est la priorisation. Les équipes ont souvent plus de variants candidats et de pistes biologiques qu'elles ne peuvent en tester expérimentalement. Un modèle peut classer les candidats selon leur effet probable, le gène concerné et le type cellulaire le plus pertinent. Cela réduit l'espace de recherche, sans supprimer l'étape de validation au laboratoire.
DeepMind rapporte un gain sur le jeu de données TenK10K, qui couvre 28 types de cellules immunitaires primaires. Sur cette évaluation, AlphaGenome 2 identifie près de deux fois plus de variants causaux que le modèle précédent ajusté sur des données unicellulaires : 30 % contre 16 %. Pour les effets directionnels sur les gènes (augmenter ou diminuer l'activité), les résultats cités sont de 43 % contre 23 %.
Ces chiffres concernent un benchmark précis, pas une promesse de performance valable pour toutes les maladies ou toutes les populations. Ils servent surtout à mesurer l'avancée dans le cadre testé, à condition de ne pas les extrapoler sans validation ailleurs.
Relier un variant à son gène cible
Beaucoup de variants associés à une maladie se trouvent dans des régions régulatrices, parfois éloignées du gène qu'elles influencent. Relier un variant à sa cible est difficile. Les expériences CRISPR, par exemple, sont souvent réalisées sur des lignées cellulaires cultivées en laboratoire, qui ne reproduisent pas toujours les cellules primaires du corps humain.
L'objectif du modèle est d'aider à étendre la cartographie des relations entre éléments régulateurs et gènes, à des cellules humaines plus spécifiques comme les astrocytes du cerveau. Pour les chercheurs, l'intérêt est d'obtenir une hypothèse sur le « câblage » régulateur dans la cellule où la maladie pourrait se jouer, puis de concevoir une expérience pour vérifier.
Étudier des maladies et des états cellulaires précis
Un exemple mentionné concerne des maladies inflammatoires de l'intestin. Un variant situé dans un élément régulateur éloigné activerait excessivement le gène ETS2 dans des macrophages intestinaux. Selon DeepMind, les prédictions d'AlphaGenome 2 retrouvaient ce résultat : l'effet apparaît de façon sélective dans les macrophages du tissu concerné, plutôt que dans l'ensemble des types cellulaires testés.
Ce type de résultat peut guider des décisions expérimentales : quel variant, quel gène, quelle cellule. Cela peut éviter des tests trop larges. En découverte de médicaments, ce chaînage aide à clarifier des pistes biologiques plus en amont, mais il ne prouve pas à lui seul qu'une cible est réellement thérapeutiquement pertinente, sûre ou exploitable.
Pour des études GWAS sur des traits complexes (du diabète de type 2 à la taille), des prédictions pré-calculées peuvent aussi aider à examiner les variants et les cellules les plus plausibles. Là aussi, la valeur dépend de la qualité des données génétiques, des populations étudiées et de la cohérence avec des résultats expérimentaux obtenus ailleurs.
Quelles sont les limites et les conditions d'usage ?
AlphaGenome 2 est un outil de recherche, pas un dispositif de diagnostic. DeepMind indique que le modèle n'a pas été validé ni approuvé pour un usage clinique ou diagnostique. Il ne doit donc pas servir à annoncer à une personne un risque de maladie, à orienter seul un traitement, ni à remplacer l'analyse d'une équipe médicale.
Cette limite ne veut pas dire que le modèle n'est pas utile. Elle fixe simplement le niveau de preuve disponible. Même si une prédiction colle à une hypothèse biologique, elle peut aussi être incomplète, fausse, ou ne pas se reproduire dans une autre population. Et, comme toujours avec les modèles, tout dépend des données d'entraînement : elles peuvent représenter de façon inégale certains tissus, états cellulaires et origines génétiques.
Interpréter les performances sans les généraliser
Les résultats de benchmark doivent être lus en regard du protocole : jeu de données, types cellulaires, métrique, modèle de comparaison. Le 30 % contre 16 % sur TenK10K ne veut pas dire que le modèle identifie 30 % de tous les variants causaux dans n'importe quelle étude. Cela décrit une performance mesurée sur une tâche précise, dans un cadre précis.
De la même manière, le fait de pouvoir traiter un état cellulaire inédit ne garantit pas que chaque nouvelle expérience donnera des prédictions fiables. La taille de l'échantillon, le bruit de mesure, la préparation des cellules et la qualité des annotations jouent un rôle. Une bonne pratique, côté équipe, consiste à garder les scores comme des éléments de classement, à documenter les incertitudes et à réserver la validation expérimentale aux hypothèses qui changent vraiment les décisions.
Données humaines, accès et gouvernance
Les données unicellulaires peuvent être sensibles, surtout quand elles sont liées à des informations cliniques ou génétiques. En Europe, les équipes doivent vérifier les règles de consentement, de sécurité, de transfert et de traitement des données, notamment au regard du RGPD et des politiques de leur établissement. Le fait que le modèle soit destiné à la recherche ne dispense pas d'une gouvernance sérieuse.
Au moment de l'annonce, AlphaGenome 2 est proposé pour la recherche non commerciale via une API, tandis que l'accès à la recherche commerciale est en prévisualisation privée. Les conditions d'accès et les modalités peuvent évoluer : avant de l'intégrer, il faut les vérifier. Il faut aussi tenir compte du coût de calcul, de la reproductibilité des analyses et de la traçabilité des versions utilisées.
Conclusion
AlphaGenome 2 s'attaque à une question concrète de la génétique : dans quelle cellule un variant agit, et par quel mécanisme. Son approche conditionnelle, son entraînement sur un grand ensemble de profils unicellulaires et sa capacité à traiter de nouveaux états peuvent aider les chercheurs à mieux hiérarchiser les variants et à concevoir des expériences plus ciblées.
L'intégration, elle, reste pragmatique : utiliser le modèle pour réduire l'espace des hypothèses, documenter ses limites et valider expérimentalement ce qui compte vraiment. En recherche biomédicale, le progrès est réel si ces prédictions améliorent les décisions scientifiques - pas si elles sont prises pour des réponses définitives.
Comment AlphaGenome 2 améliore-t-il la prédiction génétique ?
Le changement majeur tient à l'architecture du modèle. La première version d'AlphaGenome recevait une séquence d'environ un million de lettres d'ADN et produisait, en parallèle, des prédictions pour différents tissus et expériences. L'avantage : couvrir beaucoup de contextes. La limite : la capacité du modèle était répartie entre ces cas.
AlphaGenome 2 adopte une approche conditionnelle. En plus de la séquence, le modèle reçoit le contexte biologique à analyser : tissu, type cellulaire ou état cellulaire. Il peut alors estimer comment la même séquence est interprétée dans une condition précise, au lieu de générer toutes les prédictions en une seule fois. D'après Google DeepMind, le modèle a été entraîné sur plus de 107 millions de profils cellulaires individuels provenant de 68 tissus, à partir de données humaines et murines.
Des données cellulaires aux prédictions de variants
Le modèle prédit plusieurs types de mesures liées à l'activité génomique : expression des gènes, accessibilité de la chromatine et certaines modifications des histones. Il inclut aussi la méthylation de l'ADN, une mesure demandée par des chercheurs. En bref, l'objectif est de relier une variation de séquence à des changements observables dans l'activité des gènes et dans leur environnement régulateur.
AlphaGenome 2 annonce aussi une capacité d'imputation entre types de mesures. Concrètement : si une équipe dispose d'une mesure d'expression génique pour un état cellulaire, le modèle peut estimer certaines propriétés non mesurées, comme l'accessibilité de la chromatine. Cela peut servir à choisir les expériences les plus utiles à mener ensuite. Mais une estimation reste une estimation : quand il faut valider expérimentalement, il faudra quand même mesurer.
Adapter le modèle à des cellules nouvelles
Le modèle peut aussi être conditionné à partir de données issues d'une nouvelle expérience unicellulaire, sans réentraînement complet. La représentation de l'état cellulaire est construite à partir d'un profil d'expression, y compris quand l'échantillon utilisé est relativement petit. Le modèle se sert ensuite de ce contexte pour prédire l'effet des variants dans cet état.
Cette possibilité intéresse particulièrement les états difficiles à cataloguer à l'avance : une réponse immunitaire après vaccination, par exemple, ou certains états associés à une maladie. Dans l'exemple décrit par DeepMind, des données issues d'une étude sur un vaccin à ARN messager contre la Covid-19 ont permis de distinguer des lymphocytes T activés de cellules au repos. Le modèle a aussi estimé qu'un variant associé aux formes graves de Covid-19 perturbe davantage l'activité génique dans l'état activé.
Le point important : il ne s'agit pas de dire que le modèle « comprend » une cellule comme un biologiste. Il exploite des profils observés pour produire des prédictions conditionnelles. La qualité dépend alors des données d'entrée, de leur représentativité et de la capacité du modèle à généraliser à des états qu'il n'a pas vus directement.