Google DeepMind ouvre AlphaGenome Atlas, une base qui rassemble les prédictions de son modèle AlphaGenome pour les neuf milliards de substitutions possibles d’une lettre dans le génome humain. Accessible gratuitement à la recherche académique, cette ressource d’environ un pétaoctet doit aider les biologistes à repérer les variants qui méritent une validation expérimentale.
L’Atlas, annoncé le 8 septembre, précalcule l’effet moléculaire potentiel de chaque variant ponctuel. Il couvre les régions codantes, qui représentent environ 2 % du génome, mais surtout les 98 % de régions non codantes dont le rôle dans la régulation des gènes reste difficile à interpréter. Les chercheurs peuvent le consulter sans écrire de code, utiliser une API ou l’intégrer à leurs outils.
Un score pour trier des milliards de variants
AlphaGenome ne pose pas de diagnostic. Le modèle prédit comment une modification de l’ADN pourrait agir sur l’expression des gènes, l’épissage de l’ARN ou l’accessibilité de la chromatine. DeepMind associe ces résultats à AlphaMissense, son modèle consacré aux variants qui modifient les protéines, dans un indicateur unique appelé AlphaGenome Variant Impact, ou AVI.
Ce score vise à répondre à une difficulté pratique : parmi des milliers de variants observés chez une personne, lesquels doivent être étudiés en priorité ? L’Atlas relie chaque note AVI aux caractéristiques biologiques qui l’expliquent. Il comprend aussi plus de 2 500 motifs récurrents de l’ADN, afin d’aider à identifier les séquences qui activent ou répriment des gènes selon les tissus.
We’re launching AlphaGenome Atlas, an AI-powered searchable database mapping the predicted impact of all 9 billion possible single-letter DNA changes.
— Google DeepMind (@GoogleDeepMind) September 8, 2026
Des premiers résultats sur les maladies rares
DeepMind indique que des partenaires universitaires ont déjà testé l’outil. Au Broad Institute, des chercheurs ont utilisé le score AVI pour faire remonter un variant du gène DNM1 dans un dossier de maladie rare. Le modèle prédisait la création d’un mauvais site d’épissage, hypothèse ensuite confirmée par des expériences. DNM1 est notamment associé à certaines encéphalopathies épileptiques.
À l’université d’Exeter, l’analyse de données portant sur plus de 54 000 participants de la UK Biobank aurait permis de détecter 22 % d’associations génétiques non codantes supplémentaires. En se concentrant sur le 1 % de variants jugés les plus susceptibles d’avoir un effet, l’équipe a aussi identifié 19 régions génétiques liées à l’indice de masse corporelle.
Ces exemples restent des travaux de recherche, pas des validations cliniques. DeepMind précise qu’AlphaGenome Atlas n’est ni approuvé ni validé pour un usage médical. Des spécialistes interrogés par Nature soulignent également que les prédictions doivent être confrontées aux expériences et au contexte propre à chaque patient.
Une infrastructure scientifique avant tout
Environ 9 000 chercheurs avaient déjà utilisé les prédictions d’AlphaGenome par API. L’Atlas cherche à supprimer cette barrière technique en proposant des visualisations et une recherche directe. Son volume, annoncé comme plus de trente fois supérieur à celui de la base AlphaFold, illustre aussi le déplacement du coût : Google réalise le calcul massif une fois, puis permet aux laboratoires d’interroger les résultats sans disposer de la même infrastructure.
Notre analyse
L’intérêt immédiat d’AlphaGenome Atlas tient moins à une nouvelle capacité du modèle qu’à sa mise à disposition à grande échelle. Précalculer l’ensemble des substitutions et fournir un score interprétable peut raccourcir le passage d’une longue liste de variants à une expérience ciblée. La valeur scientifique dépendra toutefois de la reproductibilité des premiers résultats, de la transparence des erreurs et de la capacité des équipes indépendantes à mesurer les biais selon les populations et les tissus. L’Atlas sert de carte de priorisation, pas de preuve biologique.
