Google DeepMind a annoncé aujourd'hui AlphaGenome Atlas : une base de données précalculées des effets moléculaires prédits pour 9 milliards de variants mononucléotidiques — chaque changement possible d'une seule lettre dans le génome humain — construite sur AlphaGenome, le modèle de prédiction d'effet des variants publié précédemment par DeepMind. Le jeu de données pèse 1 pétaoctet, ce que DeepMind présente comme « plus de 30 fois plus volumineux que la base de données AlphaFold », et il est gratuit pour un usage académique via un portail web, une API, et une compétence intégrée à Google Antigravity, la plateforme agentique de DeepMind. L'accès commercial arrivera « bientôt » via Google Cloud ; le modèle AlphaGenome sous-jacent est déjà disponible pour un usage académique sur GitHub et pour un usage commercial via Model Garden sur Cloud.
Ce que contient réellement l'Atlas
Tester en laboratoire les 9 milliards de variants possibles n'est pas réalisable, ce qui constitue toute la prémisse ici : DeepMind a précalculé les prédictions d'AlphaGenome sur l'ensemble du génome plutôt que de laisser les chercheurs interroger un variant à la fois. Chaque variant reçoit des milliers de prédictions d'effet moléculaire couvrant la régulation génique sur des centaines de types cellulaires et de tissus humains et murins. Par-dessus, DeepMind introduit le score AlphaGenome Variant Impact (AVI) — un nombre unique par variant combinant les prédictions régulatrices d'AlphaGenome avec AlphaMissense, le modèle antérieur de DeepMind pour noter les variants modifiant les protéines. Le score AVI est conçu pour fonctionner à la fois sur les environ 2 % du génome codant pour des protéines et sur les 98 % restants qui n'en codent pas mais régulent tout de même l'activité génique et portent la majorité des variations associées à des traits. Chaque score AVI s'accompagne aussi d'attributions de caractéristiques — une décomposition indiquant quels processus biologiques précis (épissage, accessibilité de la chromatine, conservation, entre autres) déterminent l'impact prédit de ce variant — ainsi que d'un catalogue distinct de plus de 2 500 motifs de séquences d'ADN récurrents et de leur localisation à l'échelle du génome.
La preuve la plus solide ici est une découverte validée sur une maladie, pas un score de benchmark
Le résultat le plus concret de cette annonce vient d'une collaboration avec le consortium GREGoR. Les chercheuses Laura Covill et Anne O'Donnell-Luria du Broad Institute ont utilisé le score AVI pour reprioriser des variants candidats dans un cas de maladie rare non résolu et ont trouvé un variant du gène DNM1, fortement lié à l'encéphalopathie épileptique, qu'une analyse antérieure avait laissé de côté. Les prédictions d'AlphaGenome n'ont pas seulement signalé le variant — elles en ont précisé le mécanisme : il crée un site d'épissage incorrect produisant une protéine anormalement allongée. Cette prédiction mécanistique précise et falsifiable a ensuite été validée expérimentalement, et le même criblage a révélé des variants voisins aux effets similaires. C'est une forme de preuve nettement plus solide que ce que la plupart des cas d'usage présentés au lancement d'un modèle peuvent revendiquer : pas seulement un résultat à l'apparence plausible, mais un mécanisme nommé et vérifié par un résultat de laboratoire humide.
Un résultat à l'échelle populationnelle réel, mais à lire comme la découverte d'une équipe, pas comme un benchmark évalué par les pairs
Séparément, Gareth Hawkes, titulaire d'une bourse du Medical Research Council à l'Université d'Exeter, a appliqué l'Atlas aux données de génome entier de plus de 54 000 participants de la UK Biobank, regroupant les variants rares non codants selon leurs effets moléculaires prédits pour percer le bruit statistique qui noie habituellement ces signaux. Le billet de DeepMind rapporte que cette approche a fait émerger 22 % d'associations génétiques non codantes supplémentaires qui seraient autrement restées indétectables, y compris des variants régulateurs liés aux niveaux circulants de PLA2G7 (lié au vieillissement) et d'EGLN1 (un capteur cellulaire d'oxygène). Une passe supplémentaire restreinte au 1 % de variants non codants les plus signalés par l'Atlas a identifié 19 régions génétiques potentiellement associées à l'indice de masse corporelle. Ce sont des chiffres réellement substantiels et vérifiables, venant d'un collaborateur académique extérieur plutôt que d'une évaluation interne de DeepMind — mais ils sont aussi rapportés ici de seconde main, à l'intérieur de la propre annonce de DeepMind, sans lien pour l'instant vers un article publié et évalué par les pairs décrivant en détail la méthodologie de Hawkes. Il vaut mieux le traiter comme un signal précoce solide plutôt que comme un résultat définitif et indépendamment évalué, tant que cette publication n'existe pas.
Ce qui manque : aucun chiffre de benchmark derrière « parmi les meilleures »
DeepMind affirme que « le score AVI offre des performances parmi les meilleures sur de nombreux benchmarks de pathogénicité des variants et de maladies rares », sans nommer quels benchmarks, quels étaient les modèles de comparaison, ni quels étaient les scores réels. C'est une forme de divulgation nettement plus faible que les deux études de cas ci-dessus, et c'est le même genre de superlatif non étayé que ce blog a déjà relevé dans d'autres publications scientifiques de Google DeepMind — où une affirmation phare (« exécution en boucle fermée », ici « parmi les meilleures ») avait tenu de façon inégale une fois les données sous-jacentes vérifiées (un ajustement par la longueur nécessaire pour maintenir une victoire de benchmark là-bas, un échantillon oxydé et structurellement non confirmé fragilisant une autre affirmation). Rien dans cette annonce n'est démontrablement erroné comme certains éléments de cette précédente l'étaient, mais l'absence d'un seul chiffre concret derrière « parmi les meilleures » est un vrai manque, pas une simple habitude de style — c'est la seule affirmation de cette publication qui ne soit pas vérifiable de façon indépendante à partir de ce qui est divulgué.
Le précédent de la base de données AlphaFold mérite d'être pris au sérieux
DeepMind présente explicitement l'Atlas comme suivant le scénario de la base de données AlphaFold : cette ressource était passée d'environ 190 000 structures protéiques déterminées expérimentalement à plus de 200 millions de structures prédites en 2022, et est devenue une infrastructure fondamentale dans toute la biologie structurale, en grande partie parce qu'elle était gratuite, exhaustive et utilisable par des chercheurs sans expérience en programmation. Si AlphaGenome Atlas suit une trajectoire similaire, l'accès gratuit non commercial dès maintenant, avec un accès commercial payant « à venir bientôt » sur Google Cloud, reprend le même modèle en deux temps déjà utilisé par DeepMind : d'abord faire de la version gratuite un outil de recherche standard, puis monétiser ensuite la version destinée à l'industrie. Le suivi que ce blog fait des capitaux de l'IA appliquée à la science a noté que l'argent dans ce secteur se concentre fortement sur la découverte de médicaments et les matériaux ; un atlas gratuit et exhaustif des variants du génome qui deviendrait une infrastructure standard pour la recherche sur les maladies rares est une façon plausible de constituer la base de clientèle dans laquelle une version commerciale viendra ensuite vendre.
À surveiller
- Les chiffres de benchmark derrière « parmi les meilleures ». Un tableau de comparaison précis transformerait l'affirmation la plus forte et la moins étayée de DeepMind en une affirmation vérifiable ; son absence ici mérite d'être suivie, selon que les prochaines publications comblent ce manque ou répètent le même superlatif.
- La publication évaluée par les pairs des résultats sur la UK Biobank et les maladies rares. Les deux sont convaincants tels que rapportés, mais aucun n'est encore évalué de façon indépendante sous la forme que présente l'annonce de DeepMind.
- La tarification commerciale sur Google Cloud, une fois connue. Le palier académique gratuit reprend le scénario de la base de données AlphaFold ; ce que coûtera un palier payant, et à qui il s'adresse, en dira plus sur le modèle économique réel de DeepMind ici que ne le fait le portail gratuit.
- L'adoption en dehors des partenaires académiques nommés. Le Broad Institute, le Stowers Institute et l'Université d'Exeter sont de solides premiers validateurs ; la rapidité avec laquelle des laboratoires indépendants, hors du réseau de collaborateurs propre à DeepMind, commenceront à publier des résultats utilisant l'Atlas est le vrai test de savoir si cela devient une infrastructure standard comme l'a été la base de données AlphaFold.