AlphaGenome Atlas : une carte géante des variations possibles de l’ADN humain

Google DeepMind a lancé AlphaGenome Atlas le 8 septembre 2026. Il s’agit d’une base de données consultable qui recense les effets moléculaires prédits de toutes les variations ponctuelles possibles dans le génome humain : environ 9 milliards de changements d’une seule lettre d’ADN. La ressource représente près de 1 pétaoctet de données et est accessible gratuitement aux chercheurs académiques. 67

Une base de données, pas un nouveau modèle

Une variation ponctuelle — ou single-nucleotide variant en anglais — correspond au remplacement d’une seule « lettre » de l’ADN. Elle peut se situer dans une région codante, qui participe directement à la fabrication des protéines, ou dans une région non codante, susceptible d’influencer le moment, le lieu et l’intensité d’activation des gènes.

Il faut distinguer les deux outils : AlphaGenome est le modèle d’intelligence artificielle ; AlphaGenome Atlas est le référentiel construit à partir de ses prédictions. AlphaGenome a été conçu pour prédire la manière dont des variations de l’ADN peuvent modifier des processus biologiques impliqués dans la régulation des gènes. 21

Au lieu de demander aux scientifiques de lancer une prédiction séparée pour chaque variant candidat, DeepMind a calculé à l’avance les effets régulateurs attendus de l’ensemble des substitutions possibles. L’Atlas permet ensuite d’interroger ces résultats. 67

Ce que contient le téra… non, le pétaoctet de données

L’Atlas contient les effets prédits pour approximativement 9 milliards de variations ponctuelles possibles, accompagnés pour chacune d’un score d’impact AlphaGenome Variant Impact, ou AVI. 16

L’objectif n’est pas de délivrer un diagnostic, mais d’aider à passer d’une longue liste de différences observées dans l’ADN à un nombre plus restreint de variations qui méritent une étude approfondie. L’outil fournit ainsi des signaux issus d’un modèle, destinés à orienter les recherches sur les changements potentiellement importants et les mécanismes moléculaires en jeu. 17

Un accès sans programmation pour la recherche académique

Selon DeepMind, AlphaGenome Atlas est proposé via un portail web gratuit et conçu pour être intuitif, à destination de la recherche académique. Les utilisateurs peuvent interroger les données sans devoir exécuter le modèle ni écrire de code. 7

Concrètement, l’Atlas peut servir de première étape : examiner un variant candidat, consulter ses effets prédits, puis décider quelles expériences de laboratoire, analyses génétiques ou études de suivi mener ensuite.

À quoi sert le score AVI ?

Le score AlphaGenome Variant Impact (AVI) est une mesure unique destinée à classer les variants selon leur impact biologique prédit. Sa particularité est de réunir dans un même cadre deux grandes catégories de variations :

• les variants codants, qui peuvent changer la séquence ou le traitement d’une protéine ;
• les variants non codants, qui peuvent agir sur la régulation des gènes et sur d’autres activités moléculaires associées.

Ce cadre commun doit permettre de comparer plus directement, à l’échelle du génome, des candidats situés dans l’ADN codant et non codant. 16

Les sources disponibles présentent toutefois AVI comme un score pratique de hiérarchisation, sans détailler entièrement sa formulation mathématique. Il doit donc être lu comme un indicateur de priorisation, et non comme une preuve en soi qu’un variant provoque une maladie.

Des premiers signaux dans les maladies rares et la génétique des populations

DeepMind et des comptes rendus sur le lancement mettent en avant deux premières applications.

Dans le domaine des maladies rares, une équipe du Broad Institute aurait utilisé le score AVI pour faire ressortir un variant affectant DNM1, à l’origine d’un événement d’épissage incorrect. Le gène DNM1 est associé à une encéphalopathie épileptique. 10 Cet exemple suggère qu’un modèle peut aider à repérer un candidat qui aurait pu être négligé. Mais les éléments fournis ne permettent pas d’évaluer indépendamment la réplication du résultat, son interprétation clinique ou sa portée plus générale.

Côté génétique des populations, des chercheurs ayant analysé les génomes entiers de plus de 54 000 participants de UK Biobank — vaste cohorte britannique utilisée pour la recherche biomédicale — auraient identifié 22 % d’associations non codantes supplémentaires avec l’Atlas. 310 Davantage d’associations détectées ne signifie pas, à lui seul, qu’elles sont causales ou immédiatement exploitables en clinique. Les sources ne précisent ni les traits étudiés, ni les seuils statistiques, ni la validation ultérieure de ce résultat.

Une stratégie qui rappelle AlphaFold, avec un autre objet scientifique

AlphaGenome Atlas s’inscrit dans une approche déjà employée par DeepMind : associer un modèle prédictif à une base scientifique largement accessible. La base AlphaFold, développée avec l’EMBL-EBI, a rendu disponibles de très nombreuses structures de protéines prédites. AlphaGenome Atlas applique une logique similaire aux conséquences attendues des variations de l’ADN. 3134

Les questions scientifiques restent très différentes :

• AlphaFold prédit la structure tridimensionnelle des protéines ;
• AlphaGenome Atlas prédit des effets moléculaires et régulateurs associés à des changements d’une lettre dans l’ADN. 731

En volume de données, l’Atlas serait plus de 30 fois plus volumineux que la base AlphaFold. 215

La limite essentielle : des hypothèses à vérifier

Les résultats d’AlphaGenome Atlas ne sont pas des mesures expérimentales. Un score AVI élevé ne démontre pas qu’un variant est la cause d’une maladie. La base doit surtout servir à hiérarchiser des hypothèses, à proposer des mécanismes possibles et à préparer des validations fonctionnelles ou génétiques. 16

Cette prudence est particulièrement importante pour l’ADN non codant, dont l’interprétation demeure complexe. Une démarche rigoureuse consiste à utiliser l’Atlas pour réduire un ensemble très large de candidats, puis à confronter les variants prioritaires à des preuves génétiques indépendantes, à des études fonctionnelles et, lorsque cela s’y prête, à une évaluation clinique appropriée.

La contribution majeure d’AlphaGenome Atlas tient donc à son échelle et à son accessibilité : les chercheurs disposent d’une carte immédiatement interrogeable d’hypothèses générées par IA pour tous les changements possibles d’une lettre de l’ADN humain. Sa valeur scientifique dépendra de la capacité à tester ces hypothèses en laboratoire et à les confirmer dans des études humaines.