AlphaGenome Atlas met la cartographie des variants ADN à portée des chercheurs

Google DeepMind a mis en ligne, le 8 septembre, l’AlphaGenome Atlas, une base de prédictions précomputées sur environ 9 milliards de substitutions d’une seule lettre dans le génome humain de référence. L’outil s’appuie sur AlphaGenome, modèle présenté en 2025, et permet de consulter l’effet probable d’une variation sur l’expression des gènes et d’autres mécanismes de régulation. Pour les chercheurs, l’enjeu est simple : gagner du temps sur une tâche que le laboratoire ne peut pas tester variant par variant, surtout dans les régions non codantes, qui concentrent l’essentiel des signaux de maladie.

Un atlas pour éviter de recoder les mêmes tests à la main

AlphaGenome Atlas reprend le travail que les scientifiques devaient jusque-là lancer eux-mêmes : choisir une variante, écrire du code, exécuter un modèle coûteux en calcul, puis recommencer. La nouvelle base propose une interface web, une API et, selon The Decoder, une disponibilité via Google Antigravity. DeepMind la décrit comme libre d’accès pour la recherche non commerciale, avec une licence commerciale possible ensuite.

Le modèle analyse un segment d’ADN d’un million de paires de bases autour de la variante, puis produit des sorties détaillées sur plusieurs processus biologiques. The Decoder indique qu’une variante reçoit en moyenne environ 27 000 valeurs de prédiction individuelles. Le tout est ensuite résumé par l’AlphaGenome Variant Impact Score, ou AVI, un score unique censé dire d’un coup d’œil si un changement mérite l’attention. Pratique. Et, comme souvent avec un résumé à un chiffre, un peu réducteur aussi.

Pourquoi les régions non codantes comptent autant

Les gènes ne représentent qu’une petite partie de l’ADN. Le reste, souvent qualifié de non codant, ne fabrique pas directement de protéines mais sert aussi à régler quand, où et à quel niveau un gène s’active. Ces éléments régulateurs peuvent agir à distance, dans différents tissus, avec des effets complexes à décrire. C’est précisément là que se concentrent beaucoup de variants associés aux maladies, d’où l’intérêt d’un outil capable de filtrer le bruit.

DeepMind insiste sur la limite centrale de son approche : certains effets échappent encore au champ de vision du modèle, notamment quand des enhancers contrôlent des gènes sur de très longues distances. Le modèle n’est pas conçu pour remplacer une expertise clinique ni un test fonctionnel, mais pour aider à prioriser les hypothèses. Selon Google DeepMind, l’objectif est d’accélérer la biologie fondamentale, la recherche sur les maladies et le développement de traitements.

Un score unique, utile mais facile à surinterpréter

Le point le plus visible de l’Atlas est aussi le plus délicat : le score AVI condense une masse d’informations biologiques en une seule valeur. Carl de Boer, génomicien à l’Université de Colombie-Britannique, estime que l’outil est utile, mais rappelle qu’il peut être “easy to misinterpreted” car le système biologique reste très complexe. La prudence est d’autant plus nécessaire que beaucoup de maladies reposent sur plusieurs variants, et pas sur une seule mutation providentielle.

DeepMind a néanmoins mis en avant un gain concret dans un cas d’épilepsie rare. Selon The Decoder, l’Atlas a aidé à faire remonter une variante du gène DNM1, jusque-là jugée incertaine, vers le haut de la liste des suspects. Un test en laboratoire a ensuite confirmé le mécanisme proposé : une erreur d’épissage qui allonge la protéine. Dans les cas déjà résolus par le consortium GREGoR, AVI a classé le variant causal parmi les 50 premiers dans 29,5 % des cas, contre 12,5 % pour CADD, selon The Decoder.

Au fond, AlphaGenome Atlas vise moins à donner un verdict qu’à réduire la pile. Et dans la génétique moderne, c’est déjà beaucoup.

Ce que cela change pour la recherche

La base pourrait aussi servir les études de population. The Decoder cite le travail de Gareth Hawkes, de l’Université d’Exeter, qui a utilisé l’atlas pour regrouper des variants ayant des effets similaires sur plus de 54 000 participants de la UK Biobank. Résultat : 22 % de liens supplémentaires entre variants non codants et niveaux de protéines sanguines par rapport à des filtres classiques. DeepMind dit également avoir extrait 2 601 motifs courts récurrents, sortes de “mots” de l’ADN où se fixent des protéines régulatrices.

Reste la limite habituelle des grands modèles biologiques : tous les types cellulaires ne sont pas couverts, et certains effets passent par des interactions indirectes que la prédiction ne saisit pas encore. L’Atlas et AVI restent donc des outils de recherche, pas des diagnostics. Pour les cliniciens et les biologistes, c’est une aide sérieuse. Pour les variantes, en revanche, le dernier mot n’a pas encore été écrit.