DeepMind lance AlphaGenome 2, prédit les cellules affectées

Google DeepMind a présenté AlphaGenome 2, un modèle d'intelligence artificielle conçu pour prédire l'effet des variations de l'ADN non seulement sur l'expression des gènes, mais aussi sur le type de cellule où elles agissent. Le 11 novembre, l'entreprise a expliqué que cette nouvelle génération répond à une limite importante des outils précédents: dans un même tissu, les cellules ne réagissent pas toutes de la même manière à une mutation. AlphaGenome 2 prolonge AlphaGenome, capable d'analyser de longs segments d'ADN, et AlphaGenome Atlas, une carte des effets prévisibles de quelque 9 milliards de changements ponctuels du génome. La nouveauté tient à l'utilisation de données issues de cellules individuelles. Le modèle a été entraîné à partir de plus de 107 millions de cellules et de 68 tissus, chez l'humain et la souris. Il peut désormais accepter en entrée une séquence d'ADN, mais aussi un contexte biologique précis: tissu, type cellulaire ou état de la cellule. Cette approche permet de distinguer des effets qui disparaîtraient dans une analyse globale d'un tissu. Pour un cœur, par exemple, AlphaGenome 2 peut concentrer la prédiction sur une catégorie spécifique de cellules, comme les cellules régulant le rythme cardiaque, plutôt que sur l'ensemble du tissu. Le modèle produit des estimations concernant l'expression des gènes, l'accessibilité de la chromatine, des modifications d'histones et, nouveauté par rapport à la version précédente, la méthylation de l'ADN. Ces signaux aident les chercheurs à comprendre comment une séquence est activée ou inhibée selon la cellule. Lors d'un test sur des cellules immunitaires primaires, prélevées directement chez l'organisme plutôt que cultivées en laboratoire pendant longtemps, AlphaGenome 2 a identifié environ 30% des variantes causales liées à l'expression des gènes, contre 16% pour la première version du modèle après adaptation aux données de cellules individuelles. Pour prévoir si une variation augmente ou diminue cette expression, le taux de réussite est passé de 23% à 43%. DeepMind a aussi testé le modèle en analyse rétrospective sur une étude portant sur les maladies inflammatoires de l'intestin. Des chercheurs du Francis Crick Institute avaient montré qu'une variation située dans une région non codante augmentait l'activité du gène ETS2 dans les macrophages intestinaux, des cellules du système immunitaire impliquées dans l'inflammation. En réexaminant les données, AlphaGenome 2 a désigné le même variant, le même gène et le même type cellulaire comme principale cible. Le chercheur James Lee a déclaré à Nature que l'équipe de DeepMind avait obtenu un résultat partiellement concordant en une trentaine de minutes, tandis que son groupe avait consacré un an et demi d'expériences pour établir le mécanisme; les deux travaux n'étaient toutefois pas comparables sur tous les plans. Le modèle peut en outre recevoir de nouvelles données de cellules individuelles pour prédire des états cellulaires jamais vus auparavant, sans être réentraîné. Dans un exemple lié à une étude sur un vaccin à ARNm contre le coronavirus, il a suggéré qu'une variante associée aux formes graves aurait un effet plus marqué dans des lymphocytes T activés par le vaccin que dans ces mêmes cellules au repos. Sarah Teichmann a salué cette capacité d'adaptation, y compris avec peu d'échantillons. AlphaGenome 2 est accessible aux recherches non commerciales via l'API AlphaGenome, avec une prévisualisation pour les usages commerciaux. Il peut aussi être associé à AlphaGenome Atlas et AlphaFold pour élargir l'analyse. DeepMind précise que l'outil reste réservé à la recherche et qu'il n'est ni validé ni approuvé pour un usage clinique ou diagnostique; il sert à réduire les pistes à explorer, mais l'effet réel d'une variation doit encore être vérifié par des expériences.