DeepMind lance AlphaGenome pour prédire les impacts des mutations génétiques.

Google DeepMind a récemment dévoilé AlphaGenome, un nouveau modèle d'intelligence artificielle (IA) conçu pour prédire les conséquences régulatoires des variations de séquences d'ADN dans une gamme étendue de modalités biologiques. Ce modèle est une avancée majeure car il permet de traiter des séquences d'ADN longues, jusqu'à 1 million de paires de bases, tout en fournissant des prédictions à haute résolution au niveau individuel de chaque lettre. Cette capacité unique offre une perspective plus complète et précise sur la régulation des gènes et les effets des mutations génétiques. Principales caractéristiques d'AlphaGenome Analyse de longues séquences avec une haute résolution : AlphaGenome analyse des séquences d'ADN de jusqu'à 1 million de paires de bases, ce qui lui permet de couvrir des régions régulant des gènes à distance. Les prédictions sont faites avec une précision au niveau de la base, capturant ainsi des détails biologiques fins. Jusqu'à présent, les modèles existants devaient faire un compromis entre la longueur des séquences et la résolution, limitant leur capacité à prédire de manière conjointe et précise une variété de modalités. Prédiction multimagée : AlphaGenome peut prédire un éventail diversifié de modalités, y compris l'emplacement et l'expression des jonctions d'épissage de l'ARN, l'accessibilité du chromosome, la production d'ARN, et la liaison de protéines spécifiques. Cette approche multimagée offre aux scientifiques plus d'informations sur les étapes complexes de la régulation génique. Évaluation efficace des variants génétiques : Le modèle est capable de scorer rapidement l'impact d'un variant génétique sur toutes ces modalités en comparant les prédictions des séquences mutées avec celles non mutées. Cette fonctionnalité permet une évaluation rapide et précise des effets des mutations, ce qui est particulièrement utile pour comprendre les variants rares à fort impact, tels que ceux responsables des troubles méndéliens rares. Modélisation des jonctions d'épissage : Pour la première fois, AlphaGenome peut modéliser explicitement l'emplacement et le niveau d'expression des jonctions d'épissage directement à partir de la séquence. Cela offre des insights plus profonds sur les conséquences des variants génétiques sur l'épissage de l'ARN, un processus crucial dans de nombreuses maladies génétiques rares. Performance et applications Benchmarking : AlphaGenome a été testé rigoureusement contre des modèles spécialisés et multimagés sur 24 tâches de prédiction de pistes génomiques et 26 tâches de prédiction d'effets de variants. Il a surpassé ou égalé les modèles de pointe dans 22 des 24 tâches de prédiction de pistes génomiques et 24 des 26 tâches de prédiction d'effets de variants. Dans des tâches spécifiques comme l'épissage, l'expression génique et l'accessibilité chromosomique, il a constamment surpassé des modèles spécialisés comme SpliceAI, Borzoi et ChromBPNet. Interprétation des signaux GWAS : AlphaGenome aide à interpréter les signaux des associations génome-large (GWAS) en attribuant une directionnalité aux effets des variants sur l'expression génique. Par rapport aux méthodes de colocalisation comme COLOC, AlphaGenome a fourni une couverture complémentaire et plus large, résolvant 4 fois plus de loci dans le quintile le plus bas de la fréquence allélique mineure (MAF). Cancérologie : Le modèle a également démontré son utilité en cancérologie. Lors de l'analyse de mutations non codantes en amont de l'oncogène TAL1 (lié au lymphome à cellules T aiguë, T-ALL), les prédictions d'AlphaGenome ont correspondu aux changements épigénétiques connus et aux mécanismes de surexpression, confirmant sa capacité à évaluer les mutations gain-de-fonction dans les éléments régulateurs. Limitations actuelles Bien que AlphaGenome représente une avancée significative, il présente encore quelques limitations. Comme pour d'autres modèles basés sur la séquence, capturer précisément l'influence des éléments régulateurs très distants, comme ceux situés à plus de 100 000 paires de bases, reste un défi. Une autre priorité est d'améliorer davantage la capacité du modèle à capturer les motifs spécifiques aux cellules et aux tissus. De plus, AlphaGenome n'a pas été conçu ni validé pour la prédiction de génomes personnels, une tâche connue pour être difficile pour les modèles d'IA. Bien qu'il puisse prédire des résultats moléculaires, il ne donne pas le tableau complet des processus biologiques plus larges, comme les facteurs de développement et environnementaux, qui sont souvent impliqués dans les traits complexes et les maladies. Potentiel de recherche AlphaGenome est maintenant disponible en version préliminaire via l'API AlphaGenome pour des utilisations non commerciales. Les chercheurs du monde entier sont invités à entrer en contact pour discuter des cas d'utilisation potentiels, poser des questions ou partager des commentaires via le forum de la communauté. On espère que AlphaGenome sera un outil important pour mieux comprendre le génome et contribuera à de nouvelles découvertes en génomique et en santé. Contexte et implications Selon Dr. Caleb Lareau du Memorial Sloan Kettering Cancer Center, "C'est un jalon pour le domaine. Pour la première fois, nous avons un seul modèle qui unifie le contexte de longue portée, la précision au niveau de la base et des performances de pointe sur une gamme entière de tâches génomiques." Professeur Marc Mansour de l'University College London ajoute, "AlphaGenome sera un outil puissant pour le domaine. Déterminer la pertinence des différents variants non codants peut être extrêmement difficile, particulièrement à grande échelle. cet outil fournira une pièce cruciale du puzzle, nous permettant de faire de meilleures connexions pour comprendre des maladies comme le cancer." Google DeepMind continue d'améliorer ses modèles et recueille des retours pour combler ces lacunes. L'objectif est de travailler en collaboration avec des experts externes issus de l'académie, de l'industrie et des organisations gouvernementales pour garantir que AlphaGenome bénéficie au plus grand nombre possible de personnes. Avec les efforts collectifs de la communauté scientifique plus large, on espère que AlphaGenome aidera à approfondir notre compréhension des processus cellulaires complexes encodés dans la séquence d'ADN et des effets des variants, conduisant à de nouvelles découvertes passionnantes en génomique et en soins de santé.