Google DeepMind a annoncé le lancement d’AlphaGenome Atlas, une base de données destinée à aider les chercheurs à comprendre comment les variations génétiques peuvent influencer les processus moléculaires. La base couvre chaque variation mononucléotidique possible dans le génome humain, soit environ 9 milliards de variations portant sur une seule lettre de la séquence d’ADN.
Atlas repose sur le modèle d’intelligence artificielle AlphaGenome, que Google DeepMind a utilisé pour calculer à l’avance l’effet régulateur attendu de ces variations. Il en résulte un dépôt de données d’un pétaoctet. Au lieu de devoir analyser séparément ces résultats, les chercheurs peuvent effectuer des recherches rapides dans ces informations au moyen d’un portail web qui ne nécessite pas de compétences en programmation.
Un indice unifié pour classer les variants
La plateforme propose le score AlphaGenome Variant Impact (AVI), une valeur unique qui regroupe les prédictions d’impact dans les régions codantes des protéines et les régions non codantes. Google DeepMind affirme que cet indice aide les chercheurs à identifier les variants et les pistes de recherche les plus prometteurs, plutôt qu’à examiner séparément des milliers de points de données.
L’importance de l’outil tient au fait que les scientifiques comprennent relativement mieux environ 2 % du génome, qui code les protéines, tandis que les connaissances sur les 98 % restants demeurent limitées. Le modèle AlphaGenome avait précédemment montré qu’une seule variation dans les régions non codantes pouvait perturber des processus tels que la production de protéines, mais Atlas cherche à étendre cette analyse afin de couvrir un panorama plus complet des variations possibles.
Exemples d’utilisation dans la recherche
Google DeepMind indique qu’une équipe du Broad Institute a utilisé le score AVI pour classer des variants associés à des recherches sur des maladies génétiques rares dont les causes n’avaient pas été déterminées. L’outil a mis en évidence un variant critique dans le gène DNM1, en prédisant qu’il créerait un site incorrect pour l’épissage, fournissant ainsi un élément de preuve supplémentaire qui a contribué à résoudre le cas.
Dans un autre exemple, Gareth Hawkes a appliqué l’outil aux données de plus de 54 000 participants de UK Biobank afin d’étudier des caractères complexes. En regroupant les variants selon leurs effets moléculaires prévus, une augmentation de 22 % des associations génétiques non codantes identifiées a été rapportée. La concentration sur les 1 % de variants ayant le plus fort impact a également permis d’identifier 19 régions génétiques associées à l’indice de masse corporelle, afin d’orienter une étape ultérieure de recherche ciblée.
Qu’est-ce qui change concrètement ?
AlphaGenome Atlas transfère une partie du travail de l’étape consistant à calculer les effets potentiels de chaque variant vers celle de l’interrogation, du classement et de la comparaison. Cela pourrait réduire le temps nécessaire à la sélection de candidats dans les recherches sur les maladies rares et les caractères complexes, mais ne transforme pas en soi les prédictions en preuve causale ni en diagnostic clinique. L’annonce ne précise pas non plus les performances du modèle, la méthodologie de validation indépendante ou les conditions de téléchargement des données et d’accès programmatique à celles-ci ; ces points devront être examinés avant d’évaluer l’utilisabilité de la plateforme dans différents projets de recherche.