Google DeepMind présente AlphaGenome 2, un nouveau modèle d’intelligence artificielle conçu pour mieux comprendre comment les variations de l’ADN influencent le fonctionnement des cellules humaines. En analysant les effets de ces variations à l’échelle de types cellulaires et d’états biologiques précis, cette technologie pourrait aider les chercheurs à identifier de nouveaux mécanismes impliqués dans les maladies et à orienter le développement de futurs traitements.
Ce modèle succède à AlphaGenome, dévoilé l’année dernière. Il s’attaque à une difficulté majeure de la génétique : même si presque toutes les cellules du corps humain possèdent le même ADN, elles n’activent pas les mêmes gènes. Une cellule musculaire cardiaque, une cellule de la peau ou une cellule immunitaire mobilisent ainsi des programmes génétiques différents, qui évoluent également selon leur état et leur activité.
Une même variation génétique peut donc avoir des conséquences très différentes selon le type de cellule concerné. AlphaGenome 2 cherche précisément à mieux décrypter ces interactions.
Plus de 100 millions de profils cellulaires pour entraîner le modèle
Pour améliorer la précision de ses prédictions, AlphaGenome 2 a été entraîné à partir de plus de 100 millions de profils cellulaires individuels couvrant 68 tissus. Cette quantité de données lui permet de dépasser une analyse génétique trop générale et d’étudier plus finement les conséquences potentielles d’une variation de l’ADN dans un contexte cellulaire donné.
Google DeepMind explique que le modèle transforme les atlas cellulaires, ces vastes bases de données qui répertorient et caractérisent les cellules, en un outil prédictif appliqué à la génétique humaine. Selon l’entreprise, AlphaGenome 2 identifie près de deux fois plus de variations génétiques susceptibles de modifier l’expression des gènes dans les cellules que le précédent modèle considéré comme le plus performant dans cette comparaison.
L’outil présente également une autre capacité intéressante : il peut produire des prédictions concernant de nouveaux types cellulaires et de nouveaux états biologiques sans nécessiter un nouvel entraînement. Il serait aussi capable de repérer les lacunes dans les données expérimentales disponibles, ce qui pourrait aider les chercheurs à déterminer quelles expériences mener en priorité.
Relier les variations génétiques au fonctionnement des cellules
Pour Adam Gayoso, chercheur chez Google DeepMind ayant participé au projet, l’avancée majeure consiste à établir un lien plus précis entre la génétique humaine et la biologie cellulaire. Les chercheurs peuvent ainsi partir de variations génétiques identifiées dans de grandes populations, puis examiner leurs effets potentiels à l’échelle des cellules.
Cette granularité pourrait notamment contribuer à mieux comprendre pourquoi certaines variations sont associées à des maladies. Žiga Avsec, responsable de la génomique chez DeepMind, souligne que cette précision est particulièrement importante dans la recherche thérapeutique.
Le développement de médicaments repose en effet sur le ciblage de protéines et de types cellulaires spécifiques. Mieux identifier les cellules dans lesquelles une variation génétique exerce ses effets pourrait donc aider à comprendre les mécanismes biologiques impliqués et à orienter la recherche vers des cibles thérapeutiques pertinentes.
Des prédictions plus précises, mais aussi plus coûteuses
L’arrivée d’AlphaGenome 2 repose sur les progrès récents des technologies capables de mesurer les caractéristiques des cellules individuelles et leurs différents états biologiques. Ces techniques produisent désormais des volumes de données suffisamment importants pour entraîner des modèles de cette ampleur.
DeepMind prévoit de poursuivre l’amélioration de ses modèles en générant davantage de données, notamment sur les états cellulaires encore insuffisamment représentés. À plus long terme, Žiga Avsec évoque également la possibilité d’entraîner de futures versions sur des données issues de plusieurs espèces, afin d’obtenir une vision plus large des mécanismes biologiques.
Ces travaux pourraient contribuer au développement de « cellules virtuelles » : des simulations numériques destinées à reproduire le fonctionnement de systèmes biologiques. Une perspective ambitieuse, qui nécessitera encore des avancées importantes dans la modélisation du vivant.
Toutefois, AlphaGenome 2 ne remplacera pas immédiatement son prédécesseur. Ses analyses plus détaillées nécessitent davantage de ressources informatiques et coûtent plus cher à produire. Cette contrainte aurait notamment rendu son utilisation peu adaptée à la création de l’atlas génomique publié par DeepMind en septembre, qui couvre les effets de toutes les modifications possibles d’une lettre de l’ADN à l’échelle du génome humain.
Une ouverture aux chercheurs et une nouvelle étape pour l’IA scientifique
Google annonce la mise à disposition d’AlphaGenome 2 pour la recherche non commerciale via l’AlphaGenome API. Les travaux de recherche commerciale pourront, de leur côté, accéder au modèle dans le cadre d’une préversion privée limitée.
Cette annonce s’inscrit dans une dynamique plus large : les grands laboratoires d’IA cherchent de plus en plus à appliquer leurs modèles aux sciences et à la médecine. Google DeepMind multiplie les projets dans ce domaine, tandis qu’Anthropic explore notamment la conception de médicaments et les applications de ClaudeClaude est l'assistant IA conversationnel d'Anthropic, conçu pour être utile, inoffensif et honnête, reconnu en 2026 pour le codage, le raisonnement et la sécurité. Lire la fiche en laboratoire. OpenAI poursuit également ses travaux sur des problèmes scientifiques et mathématiques complexes.
AlphaGenome 2 ne constitue pas encore un outil capable de découvrir directement de nouveaux traitements. Son intérêt réside plutôt dans sa capacité à aider les scientifiques à mieux comprendre les effets des variations génétiques, à identifier des mécanismes cellulaires jusqu’ici difficiles à observer et à définir de nouvelles pistes de recherche. Une étape supplémentaire vers une utilisation de l’intelligence artificielle au cœur de la recherche biomédicale.
