AlphaGenome 2 prédit l'effet de l'ADN cellule par cellule
· Rédaction BehindLines
Google DeepMind a présenté le 11 novembre AlphaGenome 2, un modèle d'IA qui estime comment une variation de l'ADN modifie l'activité des gènes dans un type de cellule précis. Selon l'annonce de l'entreprise, il succède à AlphaGenome, qui raisonnait surtout sur des moyennes de tissus entiers.
Le problème visé
Presque toutes les cellules du corps portent le même matériel génétique (l'ADN), mais un muscle cardiaque, une cellule de peau ou une cellule immunitaire n'activent pas les mêmes gènes. Une même variation génétique peut donc avoir des effets très différents d'une cellule à l'autre. D'après The Verge, le nouveau modèle cherche à saisir ces différences.
Ce qui change
AlphaGenome 2 est un modèle dit conditionnel : il reçoit une séquence d'ADN d'un million de lettres et, en plus, le type ou l'état de cellule visé, puis prédit les effets pour cette seule condition. Il a été entraîné, selon DeepMind, sur plus de 107 millions de profils de cellules individuelles, humaines et de souris, couvrant 68 tissus. Il prédit aussi la méthylation de l'ADN, une mesure demandée par les chercheurs.
Selon DeepMind, il repère près de deux fois plus de variants qui modifient l'expression des gènes dans les cellules que son meilleur modèle précédent. Sur les données d'une étude d'un vaccin contre le Covid-19 fondé sur l'ARN messager, il a distingué les lymphocytes T activés par le vaccin de ceux au repos.
Le modèle peut aussi s'adapter à de nouveaux types de cellules sans être réentraîné, indique The Verge, et repérer des lacunes dans les données expérimentales, ce qui peut aider à choisir les prochaines expériences.
Limites et accès
Les prédictions détaillées coûtent plus cher en calcul que celles du premier modèle, qui n'est donc pas remplacé, explique un responsable de DeepMind cité par The Verge. AlphaGenome 2 est disponible pour la recherche non commerciale via l'interface AlphaGenome, avec un accès préliminaire limité pour la recherche commerciale. DeepMind dit vouloir générer davantage de données, notamment pour des états cellulaires mal représentés, et envisager à terme d'entraîner ses modèles sur plusieurs espèces.
Pourquoi c'est important
Relier une variation génétique à un type de cellule précis peut aider à comprendre l'origine de certaines maladies, car les médicaments visent des protéines et des cellules déterminées. Les performances annoncées sont celles de l'entreprise, qui précise que le modèle est réservé à la recherche et n'a été ni validé ni approuvé pour un usage clinique ou diagnostique.