Google DeepMind lance AlphaGenome 2 pour prédire les effets des variants génétiques selon le type de cellule
Google DeepMind a publié AlphaGenome 2, un modèle d'ADN capable de prédire les effets de variants génétiques dans des types cellulaires précis. Il lit une fenêtre de 1 Mb (1 048 576 paires de bases) d'ADN humain ou murin, accompagnée d'un état cellulaire cible, et produit des prédictions pour une seule condition par appel : couverture d'ARN, CAGE, épissage, accessibilité de la chromatine, marques d'histones, liaison de facteurs de transcription, cartes de contacts et, nouveauté, méthylation des CpG. L'architecture combine un encodeur convolutif, onze blocs de transformeur et un décodeur, la condition étant un vecteur de 256 dimensions injecté via des couches FiLM. L'entraînement s'est déroulé en quatre étapes sur 2 048 puces TPU v4, avec notamment 3 977 pistes pseudobulk d'ARN et d'ATAC issues de 36 études, puis la distillation de huit modèles enseignants vers un seul modèle. Sur le test central, les eQTL monocellulaires TenK10K couvrant 28 types de cellules immunitaires, le modèle retrouve 30 % des variants causaux à 90 % de précision, contre 16 % pour AlphaGenome 1 affiné. Le rappel de la direction de l'effet passe de 23 % à 43 %, et l'AUPRC sur les liens activateur-gène CRISPRi atteint 0,78, contre 0,73 et 0,61 pour un ensemble de modèles Borzoi.
Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie
Résumé et traduction réalisés par Le Fil IA à partir de MarkTechPost. Lire l'article original →
L'enjeu pratique est de passer de moyennes sur des tissus entiers à une lecture fine des types cellulaires, là où de nombreuses variantes associées aux maladies exercent réellement leur effet. Un encodeur entraîné sur plus de 100 millions de profils scRNA-seq, en grande partie issus de CELLxGENE, permet de fournir des comptages bruts (jusqu'à 256 cellules par appel) et d'obtenir un état cellulaire sans réentraînement. Sur une cohorte inédite de la maladie de Parkinson, le modèle atteint 41 % de rappel contre 17 % pour Scooby ajusté à la cohorte. DeepMind met aussi à disposition des atlas précalculés : les liens activateur-gène dans 640 conditions cellulaires primaires, et environ 7 millions de variants courants ou issus des GWAS évalués dans 510 conditions. Des limites demeurent : hors des régions de chromatine accessible, l'AUROC de prédiction du signe de l'effet plafonne à 0,63. Les poids ne seront publiés qu'à la publication finale, et l'accès se fait uniquement par API, gratuite pour la recherche non commerciale, la recherche commerciale restant en préversion privée. Les chiffres proviennent de l'évaluation interne de DeepMind.
Ce lancement s'inscrit dans la course aux modèles de génomique « séquence vers fonction ». Borzoi, avec 235 millions de paramètres et une fenêtre de 524 kb sous licence Apache-2.0, et Scooby, qui produit des sorties monocellulaires avec un décodeur d'embeddings cellulaires propre à chaque jeu de données, constituaient jusqu'ici les références ouvertes. AlphaGenome 1 offrait une fenêtre de 1 Mb mais un catalogue fixe de milliers de pistes, sans sortie monocellulaire. Le passage à un modèle conditionnel répond à la montée en puissance des atlas de cellules uniques, qui rendent possible une description de chaque état cellulaire. Les prochaines étapes à surveiller sont la publication des poids, qui conditionnera la reproductibilité par des équipes indépendantes, l'ouverture aux usages commerciaux et la confirmation des performances par des validations extérieures aux benchmarks de DeepMind.
Les équipes de recherche européennes en génomique pourront utiliser l'API gratuitement pour la recherche non commerciale, mais l'absence de publication des poids limite la reproductibilité.