The Pulse
DeepMind mappa 9 miliardi di varianti del DNA umano con AlphaGenome
Google DeepMind ha rilasciato AlphaGenome Atlas, un dataset consultabile che prevede gli effetti molecolari di ogni possibile sostituzione di una singola lettera nel genoma umano. Questa risorsa da 1 petabyte aggiunge un sistema di punteggi
AI.info Team ·
«Il genoma umano è uno spazio di ricerca immenso. Trovare una variante genetica rilevante per una specifica malattia o un particolare tratto può essere difficile, come cercare un ago in un pagliaio.»
Dr. Gareth Hawkes, ricercatore del Medical Research Council, University of Exeter
Google DeepMind ha rilasciato una mappa consultabile degli effetti previsti di ogni possibile sostituzione di una singola lettera nel genoma umano, trasformando un calcolo che sarebbe impraticabile ripetere variante per variante in una risorsa di ricerca precalcolata.
Chiamata AlphaGenome Atlas, la piattaforma contiene previsioni per circa 9 miliardi di varianti a singolo nucleotide. DeepMind afferma che il dataset è disponibile per la ricerca accademica tramite un portale web gratuito, l’API di AlphaGenome e un’integrazione con Google Antigravity, il banco di lavoro scientifico dell’azienda basato sull’IA.
AlphaGenome Atlas rende accessibile il 98% del genoma
L’atlante si basa su AlphaGenome, un modello presentato da DeepMind nel giugno 2025 per prevedere in che modo le varianti del DNA influenzano la regolazione genica. AlphaGenome è in grado di analizzare lunghe sequenze di DNA e stimare i cambiamenti in processi quali l’espressione genica, lo splicing dell’RNA, l’accessibilità della cromatina e le interazioni tra sezioni distanti del DNA.
DeepMind afferma che 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 codificanti le proteine e nella porzione molto più estesa di DNA non codificante, che non produce direttamente proteine ma contribuisce a controllare quando, dove e come operano i geni.
Secondo DeepMind, solo circa il 2% del genoma umano codifica direttamente le proteine. Il restante 98% contiene sequenze regolatorie che influenzano l’attività genica e comprende molte varianti associate a tratti e malattie. Questo squilibrio ha reso difficile interpretare le varianti non codificanti, perché spesso i ricercatori si trovano di fronte a enormi elenchi di possibili candidate e a poche indicazioni sperimentali.
Un catalogo da un petabyte con un unico punteggio d’impatto
AlphaGenome Atlas archivia migliaia di effetti molecolari previsti per ciascuna variante, in centinaia di tipi di cellule e tessuti umani e murini. DeepMind descrive il risultato come un dataset da 1 petabyte, oltre 30 volte più grande del database AlphaFold dopo la sua espansione del 2022.
La piattaforma introduce anche il punteggio AlphaGenome Variant Impact, o AVI. AVI combina le previsioni di AlphaGenome con AlphaMissense, il modello di DeepMind che stima gli effetti delle varianti che alterano le proteine, e condensa i risultati in un unico valore che i ricercatori possono usare per classificare le mutazioni candidate.
DeepMind fornisce anche attribuzioni delle caratteristiche per i punteggi AVI. Queste analisi indicano quali processi previsti contribuiscono alla classificazione di una variante, come le alterazioni dello splicing, dell’espressione genica o dell’accessibilità della cromatina. L’atlante include oltre 2.500 motivi ricorrenti di sequenze di DNA e le loro posizioni, offrendo ai ricercatori un altro modo per collegare una variante alle sequenze regolatorie che potrebbe alterare.
La ricerca sulle malattie rare offre un primo banco di prova
DeepMind afferma che collaboratori esterni hanno già usato AlphaGenome Atlas in studi sulle malattie rare e in genetica delle popolazioni. In un lavoro con il consorzio GREGoR, i ricercatori hanno usato i punteggi AVI per dare priorità alle varianti nei casi in cui la causa genetica di una malattia era ancora sconosciuta.
Una di queste previsioni ha indicato una variante che creava un sito di splicing errato, causando un’estensione anomala nella proteina risultante. Secondo DeepMind, gli screening sperimentali hanno convalidato l’effetto previsto e individuato varianti vicine con un comportamento simile.
La risorsa è pensata anche per le varianti che influenzano tratti comuni, anziché causare una singola malattia rara. All’University of Exeter, Hawkes ha analizzato i dati dell’intero genoma di oltre 54.000 partecipanti alla UK Biobank. Secondo DeepMind, raggruppare le varianti rare in base ai loro effetti molecolari previsti ha permesso allo studio di individuare il 22% in più di associazioni genetiche non codificanti rispetto a un approccio che non utilizzava l’atlante.
In un’analisi separata dei dati sull’indice di massa corporea, Hawkes si è concentrato sull’1% delle varianti non codificanti che AlphaGenome Atlas prevedeva avessero l’impatto maggiore. Questo processo ha individuato 19 regioni genetiche da approfondire con ulteriori ricerche.
Le previsioni restringono la ricerca; a decidere sono ancora gli esperimenti
AlphaGenome Atlas non sostituisce le analisi 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 più utile quando aiuta i ricercatori a decidere quali candidate esaminare per prime.
La distinzione è importante perché un impatto previsto elevato può indicare che una variante modifica un processo molecolare senza dimostrare che il cambiamento produca uno specifico esito clinico. DeepMind presenta l’atlante come una base di riferimento che potrà migliorare man mano che AlphaGenome e i modelli correlati verranno aggiornati.
L’azienda rende disponibile l’atlante per usi non commerciali attraverso il proprio sito web. DeepMind afferma che l’accesso commerciale sarà disponibile su Google Cloud, mentre il modello di base AlphaGenome è già offerto per uso accademico tramite la sua API e il repository GitHub e per uso commerciale tramite 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 per una particolare variante. Atlas cambia il flusso di lavoro precalcolando i risultati per l’intero insieme delle possibili sostituzioni di una singola lettera, consentendo agli utenti di cercare e classificare le candidate senza dover eseguire ogni analisi da zero.
Il cambiamento è più significativo per il DNA non codificante, dove il numero di possibili candidate può superare le capacità dei metodi statistici e sperimentali tradizionali. L’atlante trasforma queste candidate in un elenco di ricerca ordinato 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 contribuiranno a migliorare la diagnosi delle malattie o la comprensione biologica.