AlphaGenome 2 llegeix l'ADN cèl·lula a cèl·lula

El mateix ADN, feines diferents

Google DeepMind, el laboratori d'IA de Google, filial d'Alphabet, va presentar l'11 de novembre AlphaGenome 2, un model que prediu com l'ADN i les seves variacions afecten tipus concrets de cèl·lules humanes.

Totes les cèl·lules del cos porten el mateix ADN, però cada tipus i cada estat encén o apaga gens diferents. Segons DeepMind, predir com una variació subtil de l'ADN altera aquesta activitat en cada cèl·lula és encara un problema per resoldre, i és clau per entendre els trets humans i les malalties.

El primer AlphaGenome, del 2025, predeia l'efecte de les variants en teixits amplis, i amb ell DeepMind va publicar al setembre AlphaGenome Atlas, un catàleg de prediccions per als 9.000 milions de canvis d'una lletra possibles en el genoma humà. AlphaGenome 2 no amplia aquest catàleg: és un model nou.

Un model que mira les cèl·lules d'una en una

El model original llegia un tram d'un milió de lletres d'ADN i predeia de cop milers d'experiments de molts teixits, cosa que, segons DeepMind, li impedia distingir bé cèl·lules molt semblants.

AlphaGenome 2 és un model condicional (conditional model): rep el mateix tram d'ADN, humà o de ratolí, juntament amb la condició que interessa —un teixit, un tipus de cèl·lula o un estat— i fa la predicció només per a aquesta condició. Així aprèn com cada cèl·lula llegeix de manera diferent el mateix tros d'ADN.

Segons l'article tècnic, es va entrenar amb mitjanes de teixit i amb dades de cèl·lules individuals humanes i de ratolí, i al final es va ajustar amb cèl·lules preses de 107 milions de perfils humans. La peça que resumeix l'estat de cada cèl·lula, el seu codificador d'expressió, va aprendre de més de 100 milions de perfils humans de 68 teixits.

També prediu el que no s'ha mesurat

AlphaGenome 2 prediu el mateix que el seu antecessor —quins gens estan actius, quines marques porten les proteïnes que empaqueten l'ADN i quins trams queden oberts per ser llegits— i hi afegeix la metilació de l'ADN, una de les mesures que més li demanaven, segons DeepMind.

També omple buits: si un científic només ha mesurat l'activitat dels gens, el model pot estimar quins trams d'ADN estan oberts, i això, segons DeepMind, ajuda a decidir quin experiment cal fer després.

Gairebé el doble de variants, segons DeepMind

Segons DeepMind, AlphaGenome 2 identifica gairebé el doble de variants amb efecte en l'expressió gènica de les cèl·lules que el seu millor model anterior. La prova principal és TenK10K, un gran estudi publicat a Nature el 2026 que va mesurar en 28 tipus de cèl·lules immunitàries de la sang com canvia l'activitat dels gens segons les variants de cada donant.

El model havia de trobar la variant causal i encertar si l'activitat del gen puja o baixa. La base de comparació va ser l'AlphaGenome original reentrenat amb dades de cèl·lules individuals. La mètrica del «gairebé el doble» és l'exhaustivitat (recall): quina part de les variants reals troba quan se li exigeix que encerti en nou de cada deu que assenyala.

L'article hi afegeix IBDverse, un estudi de 47 tipus de cèl·lules de l'intestí, i GTEx, un catàleg d'expressió gènica en 49 teixits humans. En la mètrica global, que compta tots els casos, la distància és petita. Totes les proves les va dissenyar, mesurar i publicar la mateixa DeepMind.

De la inflamació intestinal a la COVID-19

Un estudi recent va mostrar que una variant en un interruptor regulador llunyà impulsa la malaltia inflamatòria intestinal perquè sobreactiva el gen ETS2 als macròfags de l'intestí. Segons DeepMind, AlphaGenome 2 va reproduir aquesta troballa a l'ordinador: va assenyalar la variant causal i va mostrar que activa ETS2 només en aquests macròfags. És la reproducció d'un resultat conegut, no un descobriment.

El segon exemple fa servir cèl·lules noves: n'hi ha prou amb una mostra d'unes quantes desenes de cèl·lules analitzades amb scRNA-seq. Segons DeepMind, amb dades d'un estudi de la vacuna d'ARN missatger contra la COVID-19, el model va distingir les cèl·lules T activades per la vacuna de les que estaven en repòs i va predir que una variant lligada a la COVID-19 greu altera més l'activitat gènica en les activades.

Sarah Teichmann, cofundadora del Human Cell Atlas —un consorci internacional que cartografia tots els tipus de cèl·lules humanes, sostingut per molts finançadors d'arreu del món— i catedràtica a la Universitat de Cambridge, destaca a la nota de DeepMind que el model «s'adapta directament a dades noves de cèl·lula única sense reentrenar-se». És una valoració triada pel laboratori.

Obert per investigar, no per diagnosticar

AlphaGenome 2 està disponible per a la recerca no comercial a través de l'API d'AlphaGenome i, en versió preliminar privada, per a la recerca comercial. DeepMind anuncia que aviat arribaran a Google Antigravity, la seva plataforma per programar amb agents, unes skills d'AlphaGenome 2 per fer-lo servir des d'allà, i obre un formulari fins al 30 de novembre per a projectes que podran optar a més quota i crèdits.

L'avís és explícit: segons DeepMind, AlphaGenome i AlphaGenome 2 són «només per a recerca» i «no s'han validat ni aprovat per a finalitats clíniques ni de diagnòstic». El model estima l'efecte d'una variant; no diu a ningú si emmalaltirà.

DeepMind col·labora amb investigadors del Wellcome Sanger Institute, un institut britànic de genòmica proper a Cambridge finançat des del 1992 per la fundació benèfica Wellcome. I Peter Donnelly, conseller delegat de Genomics Limited, diu a la nota que incorporarà el model a Mystra, la plataforma de la seva empresa. Genomics és una companyia de genòmica nascuda a la Universitat d'Oxford que ell mateix va cofundar; segons el seu web, té el suport d'un gran inversor en ciències de la vida, de qui no diu el nom.