Google DeepMind a présenté AlphaGenome 2 le 11 novembre 2026, un modèle de séquences d'ADN qui prédit comment les variants génétiques modifient l'activité de types cellulaires humains précis, au lieu de se contenter de moyennes sur des tissus entiers. L'annonce est signée Adam Gayoso, Natasha Latysheva, Pushmeet Kohli et Žiga Avsec. D'après l'entreprise, le modèle est accessible dès maintenant pour la recherche non commerciale via l'API AlphaGenome, et en préversion privée pour la recherche commerciale.
Le premier AlphaGenome, lancé l'an dernier, lisait une séquence d'un million de lettres d'ADN et estimait les propriétés de milliers d'expériences issues de nombreux tissus en une seule passe. Google DeepMind explique que cette conception en parallèle diluait la capacité du modèle et rendait difficile la distinction entre des types cellulaires voisins. AlphaGenome 2 repose sur une autre logique : c'est un modèle conditionnel, qui reçoit à chaque étage de son architecture la condition biologique visée (un tissu, un type de cellule ou un état cellulaire) et prédit une seule condition à la fois. Celle-ci peut être choisie dans un catalogue de référence ou produite à partir de l'expérience unicellulaire du chercheur grâce à un encodeur de cellules.
L'entraînement s'appuie sur des données globales et unicellulaires d'échantillons humains et murins, dont plus de 107 millions de profils de cellules individuelles couvrant 68 tissus. Les sorties reprennent les mesures du premier modèle, comme l'expression des gènes, les modifications des histones et l'accessibilité de la chromatine, et y ajoutent la méthylation de l'ADN, que l'entreprise présente comme très demandée. Comme le modèle dissocie l'état d'une cellule de ses sorties, il peut aussi combler des mesures qui n'ont jamais été réalisées. Un chercheur qui ne fournit que l'activité des gènes obtient par exemple une estimation de l'accessibilité de la chromatine, ce qui peut aider à choisir la prochaine expérience.
Le résultat phare provient de TenK10K, une carte unicellulaire de 28 types de cellules immunitaires primaires. Google DeepMind indique qu'AlphaGenome 2 a identifié 30 % des variants causaux, contre 16 % pour l'AlphaGenome d'origine ajusté sur des données unicellulaires et pour d'autres outils spécialisés, et qu'il a retrouvé le sens de l'effet sur les gènes dans 43 % des cas, contre 23 %. Dans une étude de cas, il a reproduit une découverte déjà publiée : un variant situé dans un interrupteur de régulation éloigné provoque une maladie inflammatoire de l'intestin en suractivant le gène ETS2 dans les macrophages intestinaux. Le modèle a désigné le variant causal et montré qu'il renforce ETS2 dans ces cellules, sans effet marqué sur les autres types cellulaires ni sur les autres gènes.
L'entreprise affirme aussi que le modèle s'adapte à de nouveaux états cellulaires sans réentraînement. Le scientifique charge des données d'ARN unicellulaire, quelques dizaines de cellules suffisant, l'activité est condensée en une représentation de l'état cellulaire et le modèle est conditionné par elle. Sur un exemple tiré de données inédites d'une étude du vaccin à ARNm contre le COVID-19, AlphaGenome 2 a distingué les lymphocytes T activés par le vaccin de ceux au repos, et indiqué qu'un variant associé à une forme grave de COVID-19 perturbe davantage l'activité génique à l'état activé, un effet qu'un modèle limité aux cellules au repos manquerait.
Google DeepMind a en outre précalculé des prédictions pour des variants associés à des traits, dans des centaines de conditions cellulaires et tissulaires humaines. Le but est de cartographier les liens entre amplificateurs et gènes dans des types cellulaires humains primaires, comme les astrocytes du cerveau, que les cribles CRISPR sur lignées de laboratoire atteignent rarement, et de ramener les signaux des études d'association pangénomique, pour des traits allant de la taille au diabète de type 2, à des variants et des cellules précis. L'annonce cite la professeure Sarah Teichmann, de l'université de Cambridge et cofondatrice du consortium Human Cell Atlas, ainsi que Peter Donnelly, directeur général de Genomics Limited, qui dit vouloir intégrer le modèle à sa plateforme Mystra.
Les réserves sont formulées par Google DeepMind lui-même. AlphaGenome et AlphaGenome 2 sont destinés à la seule recherche et n'ont été ni validés ni approuvés pour un usage clinique ou diagnostique. Les chiffres de performance proviennent de l'annonce de l'entreprise, sans réplication extérieure. Google DeepMind ajoute que des AlphaGenome 2 Skills pour sa plateforme de développement agentique Antigravity doivent sortir prochainement.