The Pulse

DeepMind mappa 9 miliardi di varianti del DNA umano con AlphaGenome

Google DeepMind ha pubblicato AlphaGenome Atlas, un dataset consultabile che prevede gli effetti molecolari di ogni possibile modifica di una singola lettera nel genoma umano. La risorsa, da 1 petabyte, aggiunge un sistema di punteggio prog

AI.info Team · Scritto con l’IA · verificato · 2026-09-12

«Il genoma umano è uno spazio di ricerca enorme. Trovare una variante genetica che sia rilevante per una specifica malattia o un carattere può essere un processo difficile, come cercare un ago in un pagliaio».

Dott. Gareth Hawkes, borsista del Medical Research Council, University of Exeter

Google DeepMind ha pubblicato una mappa consultabile degli effetti previsti di ogni possibile modifica di una singola lettera nel genoma umano, trasformando un calcolo che sarebbe poco pratico ripetere variante per variante in una risorsa di ricerca precalcolata.

La piattaforma, chiamata AlphaGenome Atlas, contiene previsioni per circa 9 miliardi di varianti a singolo nucleotide. Il dataset è disponibile per la ricerca accademica attraverso un portale web gratuito, l’API di AlphaGenome e un’integrazione con Google Antigravity, l’ambiente di lavoro scientifico basato sull’IA dell’azienda.

AlphaGenome Atlas rende accessibile il 98% del genoma

L’atlante si basa su AlphaGenome, un modello presentato da DeepMind nel giugno 2025 per prevedere come le varianti del DNA influenzino la regolazione genica. AlphaGenome può analizzare lunghe sequenze di DNA e stimare i cambiamenti in processi che includono l’espressione genica, lo splicing dell’RNA, l’accessibilità della cromatina e le interazioni tra sezioni distanti del DNA.

La nuova risorsa applica queste previsioni all’insieme completo delle possibili sostituzioni di una singola lettera nel genoma umano. I ricercatori possono esaminare le varianti nelle regioni che codificano proteine, così come nella porzione molto più ampia di DNA non codificante, che non produce direttamente proteine ma contribuisce a controllare quando, dove e come operano i geni.

Secondo DeepMind, solo il 2% circa del genoma umano codifica direttamente per proteine. Il restante 98% contiene sequenze regolatrici che influenzano l’attività genica e comprende molte varianti associate a caratteri e malattie. Questo squilibrio ha reso difficile interpretare le varianti non codificanti, perché i ricercatori si trovano spesso di fronte a enormi elenchi di candidate con poche indicazioni sperimentali.

Un catalogo da un petabyte con un unico punteggio di impatto

AlphaGenome Atlas conserva migliaia di effetti molecolari previsti per ogni variante in centinaia di tipi di cellule e tessuti umani e di topo. Il risultato è un dataset da 1 petabyte, oltre 30 volte più grande di quanto fosse AlphaFold Database dopo la sua espansione nel 2022, afferma DeepMind.

La piattaforma introduce anche il punteggio AlphaGenome Variant Impact, o AVI. AVI combina le previsioni di AlphaGenome con AlphaMissense, il modello di DeepMind per stimare gli effetti delle varianti che modificano le proteine, e condensa i risultati in un unico valore che i ricercatori possono usare per ordinare le mutazioni candidate.

DeepMind fornisce anche attribuzioni delle caratteristiche per i punteggi AVI. Queste scomposizioni indicano quali processi previsti contribuiscono alla posizione di una variante nella graduatoria, come alterazioni dello splicing, dell’espressione genica o dell’accessibilità della cromatina. L’atlante comprende più di 2.500 motivi ricorrenti nelle sequenze di DNA e le loro posizioni, offrendo ai ricercatori un altro modo per collegare una variante alle sequenze regolatrici che potrebbe alterare.

La ricerca sulle malattie rare offre un primo banco di prova

Secondo DeepMind, collaboratori esterni hanno già usato AlphaGenome Atlas negli studi sulle malattie rare e nella genetica delle popolazioni. In un lavoro con il GREGoR Consortium, i ricercatori hanno usato i punteggi AVI per stabilire quali varianti esaminare per prime nei casi in cui la causa genetica di una malattia restava sconosciuta.

Una di queste previsioni indicava una variante che creava un sito di splicing errato, provocando un’estensione anomala della proteina risultante. Secondo DeepMind, analisi sperimentali hanno convalidato l’effetto previsto e identificato varianti vicine con un comportamento simile.

La risorsa è pensata anche per aiutare nello studio delle varianti che influenzano caratteri comuni, anziché causare una singola malattia rara. Alla University of Exeter, Hawkes ha analizzato i dati dell’intero genoma di oltre 54.000 partecipanti alla UK Biobank. Raggruppando le varianti rare in base ai loro effetti molecolari previsti, lo studio ha individuato il 22% in più di associazioni genetiche non codificanti rispetto a un approccio che non utilizzava l’atlante, afferma DeepMind.

In un’analisi separata dei dati sull’indice di massa corporea, Hawkes si è concentrato sull’1% delle varianti non codificanti per le quali AlphaGenome Atlas prevedeva l’impatto maggiore. Il procedimento ha individuato 19 regioni genetiche da approfondire in ricerche successive.

Le previsioni restringono la ricerca; a decidere sono ancora gli esperimenti

AlphaGenome Atlas non sostituisce i test di laboratorio né stabilisce che una mutazione causi una malattia. Le sue voci sono previsioni del modello ricavate da schemi presenti nei dati genomici sperimentali, e l’atlante è particolarmente utile quando aiuta i ricercatori a decidere quali candidate testare per prime.

La distinzione è importante perché un impatto previsto elevato può indicare che una variante modifica un processo molecolare, senza dimostrare che tale modifica produca un determinato esito clinico. DeepMind presenta l’atlante come una base di partenza che può migliorare con gli aggiornamenti di AlphaGenome e dei modelli correlati.

L’azienda mette l’atlante a disposizione per uso non commerciale attraverso il proprio sito web. L’accesso commerciale sarà disponibile su Google Cloud, mentre il modello base AlphaGenome è già offerto per uso accademico attraverso la sua API e il suo repository GitHub e per uso commerciale attraverso Model Garden di Google Cloud.

Dall’analisi delle singole varianti alla ricerca su scala genomica

In origine AlphaGenome offriva ai ricercatori un modo per inviare una sequenza di DNA ed esaminare le previsioni relative a una particolare variante. Atlas modifica il flusso di lavoro precalcolando i risultati per l’intero insieme delle possibili modifiche di una singola lettera, consentendo agli utenti di cercare e ordinare le candidate senza dover eseguire ogni analisi da zero.

Il cambiamento è particolarmente significativo per il DNA non codificante, dove il numero di candidate plausibili può mettere in difficoltà i metodi statistici e sperimentali tradizionali. L’atlante trasforma queste candidate in una lista di ricerca ordinata per priorità, ma il suo valore concreto dipenderà dalla frequenza con cui le varianti con i punteggi più alti supereranno la convalida in laboratorio e miglioreranno la diagnosi delle malattie o la comprensione dei processi biologici.