Ordelvio News

Science · Publié

Google DeepMind dévoile AlphaGenome 2 pour prédire les effets des variants de l’ADN dans des cellules spécifiques

L’entreprise affirme que son nouveau modèle détecte près de deux fois plus de variants modifiant l’expression des gènes dans les cellules que son modèle précédent.

Illustration au style d'impression artisanale à l'encre corail sur blanc papier.Illustration IA
Illustration IA · pas une photographie de l'événement · Comment l'IA est utilisée

Google DeepMind a annoncé AlphaGenome 2, un modèle qui prédit comment les séquences d’ADN et leurs variants influencent l’activité des gènes dans des types de cellules humaines spécifiques. Selon l’entreprise, le modèle identifie près de deux fois plus de variants modifiant l’expression des gènes dans les cellules que son modèle précédent.

Le premier AlphaGenome, lancé l’an dernier, prédisait l’effet des variants de l’ADN sur l’activité moléculaire dans de grands ensembles de tissus. D’après Google DeepMind, il prédisait des propriétés pour des milliers d’expériences à la fois, ce qui dispersait ses capacités et rendait difficile la détection de différences subtiles entre des types de cellules étroitement apparentés.

AlphaGenome 2 fonctionne au contraire comme un modèle conditionnel. Il prend en entrée une séquence d’ADN d’un million de lettres accompagnée d’une seule condition cible, comme un tissu, un type cellulaire ou un état cellulaire, et produit des prédictions pour cette seule condition. Selon l’entreprise, cela permet au modèle d’apprendre comment un même fragment d’ADN est lu différemment selon les cellules. Il a été entraîné sur plus de 100 millions de profils de cellules individuelles issus de 68 tissus, à partir de données humaines et murines. Outre l’expression des gènes, les modifications des histones et l’accessibilité de la chromatine, il prédit désormais aussi la méthylation de l’ADN.

Sur le jeu de données TenK10K, qui couvre 28 types de cellules immunitaires primaires, le modèle a identifié 30 % des variants causaux, contre 16 % pour l’AlphaGenome d’origine affiné sur des données unicellulaires et d’autres outils spécialisés, et 43 % des effets directionnels sur les gènes, contre 23 %, selon l’entreprise. Il a également reproduit par calcul la conclusion d’une étude antérieure selon laquelle un variant provoque les MICI en suractivant le gène ETS2 dans les macrophages intestinaux.

Google DeepMind indique que le modèle peut être appliqué à de nouvelles expériences unicellulaires sans réentraînement, à partir des données de seulement quelques dizaines de cellules. Sur des données issues d’une étude sur un vaccin à ARNm contre la COVID-19 qu’il n’avait jamais vues, le modèle a distingué les lymphocytes T activés par le vaccin des lymphocytes au repos et a montré qu’un variant associé aux formes graves de COVID-19 perturbe davantage l’activité des gènes à l’état activé.

L’entreprise a également précalculé des prédictions pour des variants associés à des traits dans des centaines de conditions cellulaires et tissulaires humaines. AlphaGenome 2 est disponible pour la recherche non commerciale via l’API AlphaGenome et en préversion privée pour la recherche commerciale. Google DeepMind précise que les modèles sont réservés à un usage de recherche et n’ont pas été validés ni approuvés à des fins cliniques ou diagnostiques.

  • Génomique
  • ADN
  • Modèles d’IA
  • Biologie unicellulaire
  • Google DeepMind