Google DeepMind a ouvert le 8 septembre 2026 AlphaGenome Atlas, un catalogue de prédictions moléculaires couvrant environ neuf milliards de substitutions possibles d’une lettre du génome humain. L’ensemble représente un pétaoctet de données. Son intérêt pour les équipes de recherche tient à l’usage de ce calcul déjà effectué : repérer les variants les plus susceptibles d’avoir un effet et formuler des hypothèses que des expériences pourront départager.
Les neuf milliards correspondent à des changements possibles sur une séquence de référence. Ils ne représentent ni autant de mutations observées chez des patients ni toutes les combinaisons génétiques imaginables. Cette précision donne la mesure de l’outil : Atlas propose une exploration systématique d’un espace de variations, dont les résultats restent des prédictions.
Passer du classement à un mécanisme biologique
La documentation d’AlphaGenome décrit le calcul des effets par comparaison. Le modèle produit des prédictions pour la séquence de référence, puis pour la séquence modifiée ; les différences sont résumées selon le processus étudié. Elles peuvent concerner l’abondance des transcrits, l’accessibilité de la chromatine ou l’épissage, c’est-à-dire l’assemblage des fragments d’ARN. Une même modification peut ainsi être examinée sous plusieurs angles biologiques et dans différents contextes tissulaires.
Cette diversité de sorties est utile à la conception d’une expérience. Un score d’impact élevé donne une priorité d’examen, tandis qu’un effet prédit sur l’épissage suggère un mécanisme précis à tester. Le passage du classement à l’explication évite de traiter tous les variants prometteurs comme une catégorie uniforme. Il permet de choisir une mesure expérimentale en rapport avec l’hypothèse formulée par le modèle.
Le rapport scientifique accompagnant Atlas, diffusé en prépublication, présente le score AlphaGenome Variant Impact, ou AVI. Il combine notamment des sorties d’AlphaGenome, d’AlphaMissense, des informations de conservation évolutive et des annotations sur les régions codantes. Les contributions peuvent être décomposées pour examiner les éléments qui ont pesé sur le classement. Cette possibilité importe lorsque deux variants obtiennent des scores proches pour des raisons biologiques différentes.
Un variant de DNM1 confronté à l’expérience
Le rapport décrit le cas d’une personne atteinte d’encéphalopathie épileptique chez laquelle un variant intronique du gène DNM1 arrive en tête du classement. Le modèle prédit un épissage anormal susceptible d’ajouter 13 acides aminés à la protéine. Les chercheurs testent ensuite cette hypothèse au moyen d’expériences de minigène, qui reproduisent une portion du gène, dans cinq lignées cellulaires. Les résultats étayent l’anomalie prédite.
Les auteurs recommandent, au vu de l’ensemble des éléments réunis, de classer le variant comme probablement pathogène. Le cas illustre une chaîne de travail : sélectionner une piste, identifier une modification attendue, puis chercher une confirmation biologique. L’expérience apporte une pièce que le classement informatique ne pouvait fournir seul. Elle ne vaut pas validation clinique générale d’Atlas.
Une ressource pour orienter les expériences
Le Stowers Institute, partenaire de l’étude, souligne aussi le travail sur les motifs régulateurs, ces courtes séquences associées au contrôle de l’activité des gènes. Ses chercheurs ont contribué à distinguer des facteurs agissant sur l’accessibilité de l’ADN de ceux qui interviennent également dans l’activation ou la répression des gènes. La carte peut ainsi aider à choisir les séquences à modifier en laboratoire pour étudier leur fonction.
L’échelle du catalogue facilite une première exploration, mais son utilité dépend de l’adéquation entre la question biologique et ce que les modèles représentent. Le rapport signale notamment des types cellulaires absents des données et des mécanismes qui ne sont pas directement modélisés. Ces limites comptent pour décider quelles prédictions utiliser et quelles observations supplémentaires réunir.
L’accès constitue l’autre changement pratique. Le dépôt officiel de l’API indique que les résultats précalculés d’Atlas bénéficient généralement d’un débit supérieur à celui des inférences réalisées à la demande. Le portail permet également une consultation sans écrire de code. Des équipes peuvent donc explorer les sorties avant de consacrer du calcul à une analyse spécifique.
Au lancement, l’accès est proposé pour les usages non commerciaux. DeepMind annonce une offre commerciale Atlas ultérieure sur Google Cloud, à distinguer de celle du modèle AlphaGenome de base, déjà disponible. L’entreprise précise enfin que l’outil n’est ni validé ni approuvé pour un usage clinique. Son usage documenté aujourd’hui consiste à orienter la recherche et les expériences qui suivront.