AlphaGenome 2 Prédit les Effets de l'ADN sur des Types de Cellules Humaines Spécifiques

DeepMind a dévoilé AlphaGenome 2 , un modèle de séquence ADN de nouvelle génération conçu pour prédire comment les variantes génétiques impactent des types et états cellulaires humains spécifiques. Annoncé le 2026-11-11 , le modèle représente une avancée significative pour établir un lien entre la biologie des cellules uniques et la génétique humaine, offrant aux chercheurs un outil puissant pour découvrir les mécanismes cellulaires à l'origine des maladies.

Précision Améliorée dans la Prédiction des Variantes Génétiques

AlphaGenome 2 s'appuie sur les bases de son prédécesseur en allant au-delà des moyennes de tissus larges pour se concentrer sur des types et états cellulaires individuels. Cette refonte permet au modèle de prédire les effets des variantes dans les cellules pertinentes pour les maladies que les modèles à large tissu pourraient négliger. Selon DeepMind, AlphaGenome 2 identifie presque deux fois plus de variants qui modifient l'expression génique dans les cellules par rapport au modèle AlphaGenome original.

Le modèle a été entraîné sur plus de 100 millions de profils de cellules individuelles répartis sur 68 tissus, tirant parti des données à la fois en masse et à cellule unique provenant d'échantillons humains et murins. Cet entraînement approfondi permet à AlphaGenome 2 de transformer les atlas cellulaires statiques en un moteur prédictif pour la génétique humaine, offrant des aperçus sur des cellules spécialisées comme les cellules musculaires cardiaques et les cellules immunitaires.

Architecture de Modèle Conditionnelle

Une innovation clé dans AlphaGenome 2 est son architecture de modèle conditionnel. Contrairement au modèle original, qui prédisait des propriétés à travers des milliers d'expériences simultanément, AlphaGenome 2 se concentre sur une condition biologique à la fois. Cette approche permet au modèle d'apprendre comment la même séquence ADN est interprétée différemment selon les types et états cellulaires variés.

De plus, le modèle soutient l'imputation cross-modalité, ce qui lui permet de prédire des propriétés non mesurées telles que l'accessibilité de la chromatine à partir des données d'activité génique à cellule unique. Cette fonctionnalité aide les chercheurs à prioriser les efforts expérimentaux et à explorer de nouveaux types et états cellulaires sans avoir à réentraîner le modèle.

Identification Améliorée des Variantes Liées aux Maladies

AlphaGenome 2 a montré des performances supérieures dans l'identification des variantes génétiques pertinentes pour les maladies. Par exemple, dans le jeu de données TenK10K , qui cartographie les 28 types de cellules immunitaires primaires, le modèle a identifié 30% variantes causales et 43% effets directionnels géniques—presque le double des taux atteints par le modèle AlphaGenome original affiné sur des données de cellule unique. Cette précision aide à découvrir des variants candidats négligés pour des recherches supplémentaires.

Dans une étude récente, AlphaGenome 2 a reproduit de manière computationnelle des résultats selon lesquels une variante génétique spécifique dans un interrupteur régulateur déclenche une maladie inflammatoire de l'intestin (MII) en suractivant le gène ETS2 dans les macrophages intestinaux. Le modèle a identifié la variante causale et a démontré son impact sélectif sur l'expression génique dans ces cellules immunitaires.

Disponibilité et Applications de Recherche

AlphaGenome 2 est désormais disponible pour la recherche non commerciale via l'API AlphaGenome et est en aperçu privé pour la recherche commerciale. En fournissant une vue plus détaillée des effets des variantes génétiques, le modèle devrait accélérer les découvertes dans les maladies rares, les traits complexes et la biologie fondamentale, offrant un outil transformateur pour la communauté scientifique.