Après AlphaFold et AlphaMissens, Google DeepMind poursuit son développement en santé avec AlphaGenome, un modèle d’intelligence artificielle capable de prédire l’effet fonctionnel de diverses mutations dans les régions non-codantes de l’ADN. Le modèle d’IA, qui a été entraîné sur des génomes murins et humains, a montré des capacités « égalant ou surpassant les modèles de pointe du marché dans 25 sur 26 évaluations de prédiction d’effet de variant », d’après l’équipe de recherche.
Le modèle et ses performances ont été décrits en détail dans une publication de Nature. L’un des auteurs, Demis Hassabis, avait d’ailleurs reçu le prix Nobel de chimie en 2024 pour ses travaux sur AlphaFold, un modèle qui prédit la structure de protéines à partir de séquences d’acides aminés. AlphaGenome s’attaque à un autre défi titanesque : interpréter des schémas à partir de données expérimentales pour lier des variations de séquences génomiques à leur impact à l’échelle fonctionnelle.
« La principale avancée réside dans le fait que cette nouvelle IA peut effectuer simultanément de nombreuses prédictions génétiques, alors que la plupart des outils actuels n'en traitent qu'une seule. Le regroupement de ces capacités dans un seul système constitue une avancée utile », a commenté Xianghua Li, généticienne au King’s College de Londres, sur le Science Media Centre. AlphaGenome peut prendre en charge 1 mégabase (Mb) d’ADN, contre seulement 200 à 500 kb pour les modèles du marché prenant en charge des séquences génomiques longues. « Certains défis difficiles subsistent, tels que la prédiction de variants génétiques très rares. Nous ne disposons toujours pas de données suffisantes pour ces cas », explique-t-elle.
Mieux comprendre le lien entre variants et pathologies
AlphaGenome sera utile en biologie synthétique et en recherche fondamentale mais aussi dans la compréhension de maladies. « En prédisant plus fidèlement les perturbations génétiques, AlphaGenome pourrait aider les chercheurs à identifier plus précisément les causes potentielles des pathologies et à mieux interpréter l'impact fonctionnel des variants liés à certains traits, ce qui pourrait permettre de découvrir de nouvelles cibles thérapeutiques, lit-on dans un communiqué de Google DeepMind. Nous pensons que ce modèle est particulièrement adapté à l'étude des variants rares ayant des effets potentiellement importants, tels que ceux qui causent des troubles mendéliens rares ».
Les auteurs du communiqué donnent l’exemple de travaux sur une mutation liée au cancer. En se basant sur une étude de 2014, publiée dans Science, dans la leucémie lymphoblastique aiguë de type T, AlphaGenome a étudié les mutations identifiées et a pu prédire qu’elles activaient un gène proche nommé TAL1. Le modèle a ainsi démontré sa capacité à lier des variants non codants spécifiques à des gènes associés à des pathologies.
« AlphaGenome sera un outil puissant dans ce domaine. Déterminer la pertinence des différents variants non codants peut s'avérer extrêmement difficile, en particulier à grande échelle. Cet outil apportera une pièce cruciale du puzzle, nous permettant d'établir de meilleurs liens pour comprendre des maladies telles que le cancer », commente le Pr Marc Mansour, biologiste moléculaire et professeur d’hématologie au University College London.
Ben Lehner, chercheur en génomique au Wellcome Sanger Institute (Cambridge), considère AlphaGenome comme « un excellent exemple de la manière dont l'IA accélère les découvertes biologiques et le développement de nouveaux traitements. Identifier les différences précises dans nos génomes qui nous rendent plus ou moins susceptibles de développer des milliers de maladies est une étape clé vers le développement de meilleures thérapies ».
Une avancée considérable en recherche, mais pas encore en clinique
Pour le Pr Kristian Helin, directeur de l’Institut de recherche en cancérologie (Londres), « AlphaGenome représente une avancée majeure dans le domaine de la génomique computationnelle. […] Son importance à long terme pour le domaine est considérable. [Le modèle] pourrait à terme transformer notre façon d'interpréter les génomes, de comprendre les mécanismes pathologiques et de traduire les variations génétiques en connaissances biologiques et cliniques. »
Le modèle est pour le moment accessible gratuitement à des fins de recherche non commerciales. Il n’est cependant pas qualifié pour une utilisation clinique, ne s’agissant pas d’un outil créé pour la prédiction génomique personnalisée. « Pour les tâches médicales importantes, les modèles d'IA actuels ne sont toujours pas assez fiables pour les soins aux patients », décrit Xianghua Li.
AlphaGenome ne permet pas de représenter exhaustivement la manière dont des variations génétiques induisent des traits ou des maladies complexes, qui impliquent des processus biologiques plus larges, notamment des facteurs développementaux et environnementaux.
Petit poids à la naissance : l’effet délétère de la chaleur est aggravé par une faible végétalisation et la pauvreté
Quinze ans après Fukushima, quelles leçons pour la santé des populations ?
AVC de l’œil : la ténectéplase pas plus efficace que l’aspirine mais plus risquée
Cancer du sein post-partum : la sénescence favorise la dissémination des cellules