Une variante génétique liée à une maladie agit rarement partout dans le corps à la fois ; elle compte généralement dans un type de cellule. AlphaGenome 2, de Google DeepMind, est construit autour de ce constat. Là où le premier AlphaGenome prédisait l'effet des modifications de l'ADN sur l'activité des gènes à l'échelle de grands tissus, la nouvelle version fait des prédictions pour un type ou un état cellulaire précis, ce qui se rapproche de la question à laquelle les généticiens doivent vraiment répondre.
Le changement de conception est l'essentiel. Le modèle d'origine lisait environ un million de lettres d'ADN et produisait des sorties pour des milliers d'expériences à la fois, ce qui, selon DeepMind, dispersait trop sa capacité. AlphaGenome 2 est conditionnel : il prédit pour une condition à la fois, et cette condition, un tissu, un type ou un état cellulaire, est injectée à chaque étape du réseau. Elle peut provenir d'un catalogue de référence ou être construite à partir des données unicellulaires d'un chercheur, et DeepMind affirme qu'un instantané de quelques dizaines de cellules suffit pour décrire un nouvel état cellulaire sans réentraînement. L'entraînement s'est appuyé sur plus de 100 millions de profils de cellules individuelles issus de 68 tissus, et le modèle ajoute la méthylation de l'ADN à ce qu'il prédit.
Les gains annoncés sont importants. Sur le banc d'essai TenK10K, qui couvre 28 types de cellules immunitaires primaires, AlphaGenome 2 a identifié 30% des variantes causales contre 16% pour la meilleure comparaison, et trouvé le bon sens de l'effet sur le gène dans 43% des cas contre 23%. Parmi les exemples de DeepMind figurent la reproduction d'un résultat publié selon lequel une variante liée à la maladie inflammatoire chronique de l'intestin augmente l'activité d'ETS2 dans les macrophages intestinaux en épargnant largement les autres cellules, et la démonstration qu'une variante associée aux formes graves de COVID-19 agit plus fortement dans les lymphocytes T activés par la vaccination que dans les cellules au repos.
Pour les chercheurs, l'accès est le point pratique. Les utilisateurs non commerciaux peuvent l'appeler dès maintenant via l'AlphaGenome API, avec des tutoriels Colab ; la recherche commerciale est en préversion privée, et DeepMind prévoit des skills AlphaGenome 2 dans Google Antigravity aux côtés de Gemini 4. Genomics Limited compte l'intégrer à sa plateforme Mystra, et le Wellcome Sanger Institute collabore pour profiler davantage de types cellulaires.
Les limites sont clairement énoncées. Le modèle est réservé à la recherche et n'a pas été validé pour un usage clinique ou diagnostique. Les prédictions du sens de l'effet ne sont décrites comme fiables que lorsque le modèle est confiant, et l'amélioration de la spécificité par type cellulaire est donnée sans chiffre. Les poids, la licence et les tarifs ne sont pas évoqués, et les résultats viennent de l'annonce de DeepMind, non d'une évaluation indépendante.