Google DeepMind ha rilasciato AlphaGenome 2, un nuovo modello di intelligenza artificiale per la ricerca genomica che prevede come le varianti del DNA influenzano specifici tipi di cellule umane e trova quasi il doppio dei cambiamenti genetici rilevanti rispetto al suo predecessore, secondo la copertura di The Decoder sull'annuncio dell'azienda.
Il comunicato affronta uno dei problemi più ostinati della genomica: ogni cellula del corpo umano porta con sé lo stesso modello di DNA, ma una cellula del muscolo cardiaco legge quel DNA in modo diverso rispetto a una cellula immunitaria. Prevedere queste differenze specifiche delle cellule – e individuare quale dei milioni di possibili cambiamenti delle lettere del DNA causa effettivamente la malattia – è rimasta una delle maggiori sfide irrisolte del campo. L'annuncio di Google DeepMind, ampiamente trattato giovedì, posiziona AlphaGenome 2 come un attacco diretto a quel problema, e Sundar Pichai ha evidenziato l'affermazione secondo cui "ogni cellula del nostro corpo condivide lo stesso modello di DNA" nella copertura del lancio riportata da Benzinga.
Dalle previsioni in blocco alla precisione del tipo di cella
L'AlphaGenome originale ha preso una sequenza di DNA lunga un milione di lettere e ne ha predetto le proprietà attraverso migliaia di esperimenti su molti tessuti contemporaneamente. Secondo Google DeepMind, questo approccio parallelo diffonde la capacità del modello in modo troppo limitato, rendendo difficile catturare sottili differenze tra tipi di cellule strettamente correlati.
AlphaGenome 2 funziona diversamente. È un modello condizionale: insieme alla sequenza del DNA, prende uno specifico stato biologico come input aggiuntivo e calcola gli effetti per quel tipo di cellula. Il sistema è stato addestrato su oltre 107 milioni di profili cellulari individuali che abbracciano 68 tessuti nell’uomo e nei topi.
Il modello va oltre la previsione della forza con cui un gene viene espresso. Calcola anche come il DNA è fisicamente impacchettato all’interno del nucleo – mostrando quali tratti del genoma sono accessibili – e ora prevede la metilazione del DNA, le etichette chimiche che agiscono come interruttori molecolari per silenziare o attivare i geni.
Risultati del benchmark: un grande salto nel rilevamento delle varianti causali
Sul set di dati benchmark TenK10K che copre 28 tipi di cellule immunitarie primarie, AlphaGenome 2 ha identificato circa il 30% delle varianti causali e ha previsto correttamente se una variante sovraregola o sottoregola un gene nel 43% dei casi. Secondo i dati di Google DeepMind riportati da The Decoder, una versione ottimizzata dell'originale AlphaGenome riusciva a svolgere solo il 16% e il 23% degli stessi compiti.
Questo miglioramento è importante perché gli studi di associazione sull’intero genoma (GWAS) possono localizzare solo approssimativamente i segnali della malattia all’interno di ampi tratti di DNA. Una migliore previsione della variante causale dice ai ricercatori quali delle molte varianti in una regione associata meritano effettivamente un follow-up sperimentale: la differenza tra un vantaggio e un vicolo cieco.
Il modello può anche dedurre i dati mancanti da una singola misurazione. Se i ricercatori misurano solo l'attività genetica di una cellula, AlphaGenome 2 fornisce previsioni per proprietà aggiuntive, come il modo in cui sono impacchettati strettamente specifici tratti di DNA. Ciò aiuta i laboratori a decidere quali esperimenti in laboratorio vale la pena eseguire successivamente, e un vantaggio chiave dell’architettura è l’adattabilità: i ricercatori possono inserire dati sull’attività genetica da solo poche dozzine di cellule e il modello calcola gli effetti per stati cellulari mai visti prima, spesso battendo modelli specializzati addestrati direttamente su quei dati, secondo DeepMind.
Meccanismi di malattia riprodotti computazionalmente
Due casi dimostrati mostrano cosa può fare il modello senza toccare un banco da laboratorio. Lavorando in modo puramente computazionale, AlphaGenome 2 ha riprodotto un meccanismo di malattia infiammatoria intestinale precedentemente identificato in uno studio: ha isolato l’esatta variante del DNA in un interruttore regolatorio lontano dal gene che iperattiva selettivamente ETS2 nei macrofagi intestinali, mentre altri tipi di cellule e geni sono rimasti in gran parte inalterati.
In un test separato applicato ai dati di uno studio sul vaccino mRNA del COVID-19, il modello ha distinto in modo affidabile le cellule T attivate dal vaccino da quelle a riposo e ha dimostrato che una variante genetica collegata a casi gravi di COVID-19 interrompe l’attività cellulare principalmente nello stato attivato, un effetto che sarebbe rimasto invisibile nelle cellule a riposo.
Disponibilità e cosa verrà dopo
AlphaGenome 2 è ora disponibile per la ricerca non commerciale tramite un'API, mentre gli utenti commerciali possono accedervi tramite un'anteprima chiusa. Google DeepMind specifica esplicitamente che il sistema non è approvato per la diagnostica clinica: è uno strumento di ricerca, non un dispositivo medico.
DeepMind ha già precalcolato previsioni per centinaia di condizioni cellulari e tissutali, in parte per supportare lo sviluppo di farmaci basato sull’intelligenza artificiale, e la società afferma di voler implementare funzionalità dedicate di AlphaGenome 2 sulla sua piattaforma di sviluppo agentico Google Antigravity, dove il modello sarà combinato con strumenti come Gemini 4 per flussi di lavoro di ricerca automatizzati.
Il rilascio arriva in un campo di intelligenza artificiale per la biologia in rapido riscaldamento. Il lignaggio AlphaFold di DeepMind ha ripristinato la biologia strutturale e i rivali stanno gareggiando per applicare modelli di grandi dimensioni alla scoperta di farmaci. Ciò che distingue AlphaGenome 2 è la risoluzione: condizionando il tipo di cellula, sposta l’interpretazione delle varianti dalle medie a livello di popolazione al contesto cellulare specifico in cui opera effettivamente la malattia. Se i guadagni di riferimento reggeranno nell’uso indipendente, il modello potrebbe abbreviare il percorso dall’associazione genetica alla comprensione meccanicistica – il passo più costoso nello sviluppo di farmaci moderni.
Stai al passo con l'intelligenza artificialeL’intelligenza artificiale sta rimodellando la scoperta di farmaci, la genomica e la biotecnologia più velocemente di quanto la maggior parte dei media possa tenere il passo. Per le ultime notizie sull'intelligenza artificiale, le analisi di ricerca e gli ultimi sviluppi sull'intelligenza artificiale, AI Buzz Wire segue ogni svolta importante.
Leggi altre notizie sull'AI →
