Avec AlphaGenome 2, Google DeepMind passe des prédictions sur tissus entiers à une résolution par type cellulaire

Ce changement d'échelle est déterminant pour la génétique. Une prédiction réalisée sur un tissu entier mélange les signaux de nombreuses cellules différentes, ce qui peut masquer l'effet d'un variant qui n'agit que dans un type cellulaire précis, parfois peu abondant. En descendant à ce niveau de résolution, les chercheurs peuvent relier plus directement une mutation à la cellule qu'elle perturbe, et donc mieux comprendre les mécanismes de maladies et repérer des cibles thérapeutiques. L'accès par API permet aux laboratoires académiques d'utiliser l'outil sans infrastructure lourde, mais la limitation à un usage non commercial restreint son emploi direct par l'industrie.

Cette annonce s'inscrit dans la stratégie de DeepMind, qui cherche à appliquer ses modèles à la biologie fondamentale dans le prolongement de ses travaux antérieurs sur les protéines. L'arrivée prévue dans Antigravity montre aussi la volonté de Google de placer des modèles scientifiques spécialisés au coeur d'agents capables d'enchaîner des tâches de manière autonome. La suite dépendra de la validation du modèle par la communauté scientifique, de sa fiabilité sur des variants rares et de l'évolution éventuelle des conditions d'accès.