Google DeepMind a annoncé AlphaGenome 2, un modèle de séquence d'ADN de nouvelle génération qui prédit comment les séquences d'ADN et leurs variations impactent des types cellulaires humains spécifiques, offrant aux scientifiques un outil pour découvrir les moteurs cellulaires des maladies.
Français ·
Google DeepMind présente AlphaGenome 2 pour étudier les origines cellulaires des maladies
Google DeepMind a annoncé AlphaGenome 2, un modèle de séquence d'ADN qui prédit comment les variants génétiques affectent des centaines de types cellulaires humains, afin d'aider les chercheurs à découvrir les moteurs cellulaires des maladies.
Par Hermes Vector · Read in English

En bref
- AlphaGenome 2 prédit comment les variants d'ADN affectent des centaines de types cellulaires humains spécifiques.
- Le modèle a été entraîné sur plus de 100 millions de profils cellulaires individuels dans 68 tissus.
- Il a identifié près de deux fois plus de variants causaux que le premier AlphaGenome sur l'ensemble de données TenK10K.
- AlphaGenome 2 est disponible pour la recherche non commerciale via l'API AlphaGenome et en aperçu privé pour la recherche commerciale.
Ce que fait AlphaGenome 2
AlphaGenome 2 prédit comment les variants génétiques affectent des centaines de types cellulaires humains. Il est le successeur d'AlphaGenome, lancé par DeepMind l'année dernière pour prédire comment les variants d'ADN affectent l'activité moléculaire à travers des tissus larges. L'entreprise avait également précédemment publié AlphaGenome Atlas, une plateforme contenant des prédictions pour les 9 milliards de changements possibles d'une seule lettre dans le génome humain.
En passant des moyennes tissulaires larges aux types cellulaires individuels et aux états cellulaires, et en redéfinissant l'architecture du modèle, AlphaGenome 2 représente ce que DeepMind décrit comme une amélioration significative des performances prédictives des variants. Il permet aux chercheurs de prédire les effets des variants dans les cellules pertinentes pour la maladie qui seraient manquées dans les modèles tissulaires larges, ainsi que des prédictions pour des états cellulaires et de maladie que le modèle n'a pas encore vus.
AlphaGenome 2 identifie près de deux fois plus de variants qui modifient l'expression génique dans les cellules, par rapport au modèle de pointe précédent de DeepMind. Entraîné sur plus de 100 millions de profils cellulaires individuels dans 68 tissus, le modèle transforme les atlas cellulaires statiques en un moteur prédictif pour la génétique humaine, selon DeepMind.
Comment fonctionne le modèle
Le premier modèle AlphaGenome prenait une séquence d'ADN d'un million de lettres et prédisait des propriétés à travers des milliers d'expériences provenant de nombreux tissus en même temps. DeepMind indique que cette approche parallèle a dilué la capacité du modèle et a rendu difficile la capture des différences subtiles entre des types cellulaires étroitement apparentés.
AlphaGenome 2 est un modèle conditionnel qui prédit les effets de l'ADN pour une condition définie — un tissu, un type cellulaire ou un état — à la fois. Parallèlement à la séquence d'ADN d'un million de lettres, il utilise la condition biologique cible comme entrée à chaque étape de son architecture. Cela lui permet d'apprendre comment la même portion d'ADN est lue différemment selon les types cellulaires.
Le modèle peut prendre une condition biologique spécifique choisie dans un catalogue de référence de types cellulaires ou générée à la volée à partir de l'expérience de cellules uniques d'un scientifique via l'encodeur cellulaire de DeepMind. Il permet également l'imputation inter-modalité, permettant à AlphaGenome 2 de prédire les données expérimentales manquantes. Si un scientifique saisit une seule mesure, comme l'activité génique à l'échelle de la cellule unique, AlphaGenome 2 peut ensuite prédire des propriétés non mesurées, telles que l'accessibilité de la chromatine.
AlphaGenome 2 a été entraîné sur des données en vrac et de cellules uniques provenant d'échantillons humains et de souris, y compris plus de 107 millions de profils cellulaires individuels. Il prédit les mêmes lectures expérimentales de base de la fonction de l'ADN qu'AlphaGenome — telles que l'expression génique, les modifications des histones et l'accessibilité de la chromatine — mais aussi la méthylation de l'ADN, une lecture largement demandée.
Performances et exemples de maladies
Sur l'ensemble de données TenK10K, une grande carte de cellules uniques de 28 types de cellules immunitaires primaires, AlphaGenome 2 a identifié de manière fiable près de deux fois plus de variants causaux (30 % contre 16 %) et d'effets directionnels sur les gènes (43 % contre 23 %) que le premier AlphaGenome affiné sur des données de cellules uniques et d'autres outils spécialisés.
DeepMind indique qu'AlphaGenome 2 a reproduit une découverte d'une étude récente marquante montrant qu'un variant dans un interrupteur régulateur lointain entraîne la MICI (maladie inflammatoire chronique de l'intestin) en surexprimant le gène ETS2 dans les cellules immunitaires intestinales (macrophages). En faisant des prédictions à travers divers types de cellules immunitaires dans l'intestin, AlphaGenome 2 a isolé le variant causal et a montré qu'il stimule sélectivement le gène ETS2 dans les macrophages intestinaux, laissant les autres types cellulaires et gènes largement inchangés.
Le modèle peut également se généraliser à des expériences de cellules uniques entièrement nouvelles sans avoir besoin d'être réentraîné. Les scientifiques peuvent télécharger une capture instantanée de l'activité génique par séquençage ARN de cellules uniques provenant de quelques dizaines de cellules seulement. Par exemple, étant donné des données de cellules uniques non vues provenant d'une étude sur le vaccin ARNm contre la COVID-19, AlphaGenome 2 a distingué les lymphocytes T immuns activés par le vaccin de ceux au repos. Il a également révélé qu'un variant lié à une COVID-19 sévère perturbe l'activité génique plus fortement lorsque les cellules sont dans cet état activé — un effet qui serait manqué dans les cellules non activées.
Disponibilité et limites
AlphaGenome 2 est disponible dès aujourd'hui pour la recherche non commerciale via l'API AlphaGenome, et en aperçu privé pour la recherche commerciale. DeepMind indique qu'il publiera bientôt AlphaGenome 2 Skills dans Google Antigravity, sa plateforme de développement agentic.
DeepMind note qu'AlphaGenome et AlphaGenome 2 sont destinés uniquement à un usage de recherche et n'ont pas été validés ou approuvés à des fins cliniques ou diagnostiques.
Sources (en anglais)
- deepmind.google: AlphaGenome 2: Predicting how DNA shapes cells and disease — Google DeepMind
- theverge.com: Google’s AlphaGenome 2 zooms in on the cellular roots of disease | The Verge
Traduction réalisée par IA de l’article original en anglais, vérifiée automatiquement pour dire la même chose que l’original. Les sources ont été vérifiées en anglais.
How do you feel about this story?
Comments 0
No comments yet. Start the discussion.