Mardi, Google DeepMind a lancé AlphaGenome Atlas, une base de données interrogeable qui prédit les effets moléculaires de chaque modification possible d’une seule lettre de l’ADN humain : environ 9 milliards de variants. L’argument central de l’entreprise est l’échelle. Plutôt que de demander aux chercheurs d’exécuter des analyses mutation par mutation — ou de les tester individuellement en laboratoire — l’Atlas précalcule les conséquences probables sur la régulation des gènes, les protéines, les tissus et les types cellulaires.¹

DeepMind affirme que le portail académique gratuit, parallèlement à une API et à la plateforme Antigravity de Google, est conçu pour rendre cet ensemble de données tentaculaire exploitable. Son nouveau score AlphaGenome Variant Impact, ou AVI, combine les prédictions d’AlphaGenome et d’AlphaMissense afin d’aider les scientifiques à classer les modifications les plus susceptibles d’avoir de l’importance, y compris dans les 98 % non codants du génome, encore mal compris. L’entreprise décrit le résultat comme « le catalogue le plus complet de la manière dont les mutations génétiques affectent la biologie moléculaire ».¹

Sundar Pichai a souligné l’argument de l’accessibilité au moment du lancement, affirmant que l’outil fonctionne « dans un navigateur web ordinaire, sans nécessiter de programmation », et qu’il est gratuit pour les chercheurs universitaires.Sundar Pichai (sundarpichai)² Cela compte, car le problème ne consiste pas seulement à trouver des différences dans l’ADN, mais à déterminer lesquelles, parmi d’innombrables différences, méritent le temps expérimental limité disponible.

Les premiers collaborateurs offrent des raisons d’être optimiste. Dans le cadre de travaux sur les maladies rares, Atlas a aidé à orienter les chercheurs vers un variant de DNM1 chez un patient atteint d’encéphalopathie épileptique ; des expériences en laboratoire ont ensuite confirmé l’effet d’épissage prédit. Dans un autre test, l’analyse de plus de 54 000 génomes de la UK Biobank a relevé 22 % d’associations supplémentaires après que les chercheurs ont filtré les variants selon leur impact moléculaire prédit. Gareth Hawkes a décrit sans détour l’avantage pratique : « Nous pouvons l’utiliser pour réduire la taille de la botte de foin. »³

Pour autant, le propre cadrage de DeepMind fixe une limite à l’emballement. Les prédictions peuvent orienter les scientifiques vers des candidats prometteurs, notamment pour l’épissage et les promoteurs, mais elles peuvent manquer d’autres effets et ne constituent pas des preuves expérimentales. Atlas peut rendre les indices les plus difficiles de l’ADN consultables ; il ne permet pas, à lui seul, d’établir un diagnostic ou un traitement.