Histoire
12 nov. 2026
AlphaGenome 2 promet des réponses plus précises sur les maladies — au prix d’un coût de calcul plus élevé
DeepMind présente AlphaGenome 2 comme une avancée majeure vers l’identification des cellules précises où les modifications de l’ADN liées aux maladies ont un effet. Les couvertures externes s’accordent à dire que le niveau de détail biologique supplémentaire pourrait être précieux pour la recherche sur les traitements, tout en soulignant que le gain de précision s’accompagne d’un coût pratique en puissance de calcul.
Le premier modèle AlphaGenome de DeepMind, lancé l’an dernier, examinait comment les variants de l’ADN affectaient l’activité moléculaire dans de grands ensembles de tissus. Son successeur, annoncé mercredi, resserre la focale : AlphaGenome 2 est conçu pour prédire ce qu’une même modification génétique peut produire dans un type cellulaire ou un état cellulaire particulier, plutôt que d’en moyenner les effets à l’échelle d’un tissu.1
Cette distinction est importante, car les cellules cardiaques, immunitaires et d’autres types cellulaires portent le même ADN mais l’utilisent différemment. En annonçant le modèle, le directeur général de DeepMind, Demis Hassabis, a déclaré qu’il prédit les effets des variants dans « différents types cellulaires spécifiques », une capacité qu’il a présentée comme cruciale pour comprendre les maladies complexes.
2
L’entreprise indique que le système a été entraîné sur plus de 100 millions de profils de cellules individuelles couvrant 68 tissus. Elle rapporte qu’AlphaGenome 2 identifie près de deux fois plus de variants qui modifient l’expression génique dans les cellules que son précédent modèle de référence, et qu’il peut effectuer des prédictions pour des états cellulaires nouvellement caractérisés sans réentraînement.1
L’analyse indépendante est plus nuancée, mais globalement concordante. The Verge a rapporté que le modèle pourrait relier les variants découverts dans des études génétiques à l’échelle de populations à leurs effets au niveau cellulaire, révélant potentiellement des mécanismes pathologiques que les modèles plus larges ne détectent pas. Žiga Avsec, responsable de la génomique chez DeepMind, a déclaré qu’une telle résolution est importante parce que le développement de médicaments cible « des protéines spécifiques et des types cellulaires spécifiques ».3
Le compromis est apparu tout aussi clairement. Avsec a indiqué que les résultats plus détaillés d’AlphaGenome 2 sont « plus coûteux » à générer, ce qui le rend peu pratique pour l’Atlas à l’échelle du génome que DeepMind avait auparavant produit pour chaque modification possible d’une seule lettre dans l’ADN humain.3
Pour l’instant, Google a ouvert le modèle via l’API AlphaGenome à la recherche non commerciale, tandis que l’accès commercial demeure en aperçu privé.
4 La promesse est une cartographie plus précise reliant mutation et maladie ; la contrainte est de savoir si les chercheurs peuvent se permettre d’utiliser cette carte à grande échelle.