Il genoma umano contiene circa tre miliardi di lettere. Per ogni posizione esistono possibili sostituzioni che, considerate su scala genomica, producono circa nove miliardi di varianti a singolo nucleotide. Testarle una per una in laboratorio è semplicemente impossibile. Google DeepMind ha deciso di affrontare il problema nel modo ormai tipico dell’AI scientifica: calcolare in anticipo una previsione per tutte.
L’8 settembre DeepMind ha presentato AlphaGenome Atlas, una piattaforma che contiene previsioni sugli effetti molecolari di circa 9 miliardi di possibili cambiamenti di una singola lettera del DNA umano. Il dataset occupa circa un petabyte ed è, secondo l’azienda, più di trenta volte più grande dell’AlphaFold Database. È disponibile gratuitamente per la ricerca accademica attraverso un portale web e un’API.
La notizia non è soltanto che un modello riesce a fare una quantità enorme di predizioni. Il punto è che DeepMind sta cercando di trasformare un modello complesso in infrastruttura scientifica. La stessa dinamica vista con AlphaFold: prima si dimostra che l’AI può prevedere qualcosa di utile, poi si precomputano i risultati su scala enorme e si costruisce un archivio che permette a migliaia di ricercatori di usare quelle previsioni senza dover possedere l’infrastruttura necessaria a generarne miliardi.
Dal modello all’atlante
AlphaGenome era già stato presentato come un modello capace di prevedere come una variante genetica possa influenzare processi biologici come l’espressione dei geni, lo splicing dell’RNA e altri segnali molecolari. Ma interrogare il modello variante per variante resta costoso e richiede competenze tecniche.
L’Atlas ribalta il flusso. DeepMind ha eseguito le previsioni in anticipo e le ha organizzate in un catalogo consultabile. Invece di chiedere al modello di calcolare ogni volta l’effetto di una singola mutazione, il ricercatore può cercare una posizione del genoma e ottenere immediatamente una stima dei processi biologici che potrebbero essere alterati.
È un passaggio importante perché gran parte della genetica moderna soffre di un problema di priorità. Il sequenziamento produce enormi quantità di varianti; la maggioranza non ha un significato clinico o biologico immediatamente chiaro. Il problema non è trovare differenze nel DNA, ma capire quali meritino davvero un esperimento.
Il punteggio AVI prova a trasformare complessità in una graduatoria
Insieme all’Atlas, DeepMind ha introdotto l’AlphaGenome Variant Impact score, o AVI. Il punteggio combina informazioni di AlphaGenome con quelle di AlphaMissense, il modello dell’azienda focalizzato sulle varianti che alterano le proteine, e condensa molte previsioni in un singolo indicatore di impatto.
L’obiettivo è permettere ai ricercatori di classificare rapidamente le varianti più promettenti. Il sistema non si limita alla piccola parte del genoma che codifica direttamente per proteine: DeepMind sottolinea che può essere utilizzato anche nelle regioni non codificanti, che rappresentano circa il 98% del genoma e contengono molti elementi di regolazione dell’attività dei geni.
È proprio qui che strumenti del genere possono diventare preziosi. Le varianti nelle regioni codificanti sono spesso più intuitive da interpretare: cambiano una proteina e si può studiarne l’effetto. Le regioni regolatorie sono invece molto più difficili. Una mutazione può modificare quando un gene viene attivato, quanto viene espresso o come viene processato il suo RNA, senza cambiare direttamente la sequenza finale della proteina.
Una mappa non è il territorio
Il rischio comunicativo di AlphaGenome Atlas è lo stesso che accompagna molta AI scientifica: confondere una previsione con una scoperta sperimentale.
L’Atlas non dimostra che una determinata variante causi una malattia. Predice come quella variante possa influenzare processi molecolari. Per passare dalla correlazione predetta alla causalità biologica servono esperimenti, dati clinici e contesto individuale. Nature, nel raccontare il lancio, sottolinea proprio questo limite attraverso ricercatori indipendenti: uno strumento del genere può aiutare a restringere il campo, ma non sostituisce il laboratorio né la valutazione di un caso clinico.
È una distinzione decisiva soprattutto nelle malattie rare. Un paziente può avere migliaia di varianti rispetto a un genoma di riferimento. Un sistema che ordina quelle più plausibilmente dannose può ridurre drasticamente il lavoro di ricerca, ma la diagnosi non può essere affidata automaticamente a un punteggio prodotto dall’AI.
Il valore economico è nel tempo risparmiato
La trasformazione più concreta potrebbe avvenire molto prima di eventuali terapie progettate dall’AI. Se un laboratorio deve scegliere dieci varianti da testare tra diecimila candidati, migliorare la qualità di quella selezione significa risparmiare mesi di lavoro, reagenti, personale e capacità sperimentale.
In biologia il costo non è soltanto computazionale. Ogni ipotesi che entra in laboratorio compete con altre per strumenti, campioni e tempo dei ricercatori. Un sistema di ranking migliore non deve essere perfetto per essere utile: deve semplicemente aumentare la probabilità che le prime ipotesi testate siano quelle giuste.
DeepMind riferisce che collaboratori esterni hanno già utilizzato AlphaGenome Atlas per identificare e poi verificare sperimentalmente varianti rilevanti in casi di malattie rare e per studiare associazioni con tratti comuni. Nature cita, tra gli esempi, l’uso del sistema da parte di ricercatori del Broad Institute per prioritizzare una variante non codificante come possibile spiegazione di un caso di epilessia grave.
L’effetto AlphaFold
Il precedente inevitabile è AlphaFold. Il salto più importante di quel progetto non è stato soltanto il modello capace di predire strutture proteiche, ma la decisione di mettere a disposizione su larga scala un database con centinaia di milioni di strutture previste.
Una volta che il costo di accesso alla previsione crolla, l’AI smette di essere un esperimento di laboratorio e diventa una utility scientifica. DeepMind sembra voler fare la stessa cosa con la genetica regolatoria: trasformare una capacità sofisticata in un’infrastruttura consultabile anche da chi non ha un team di machine learning.
AlphaGenome Atlas è ancora più ambizioso sotto un profilo: il dataset è enorme e descrive non oggetti biologici già catalogati, ma un universo di variazioni possibili. È, in un certo senso, una mappa di esperimenti che non sono mai stati eseguiti.
Il problema della fiducia nei modelli scientifici
Più queste mappe diventano utilizzate, più cresce la necessità di comprenderne gli errori. Un modello può essere molto accurato in media e fallire proprio su una classe rara di varianti. Può riflettere i bias dei dati di addestramento o performare diversamente tra tessuti, popolazioni e tipi di regolazione genetica.
Per questo un atlante predittivo dovrebbe essere letto come un sistema di supporto alla ricerca, non come un catalogo di verità biologiche. Il valore scientifico aumenta quando le previsioni vengono continuamente confrontate con nuovi esperimenti e quando i casi in cui il modello sbaglia vengono resi visibili.
La stessa accessibilità può avere un effetto positivo: migliaia di gruppi che interrogano l’Atlas genereranno inevitabilmente una quantità enorme di validazioni e smentite indipendenti. Se questi dati torneranno nel ciclo di sviluppo, il sistema potrebbe migliorare in modo simile a una grande infrastruttura condivisa.
La genomica sta diventando un problema di navigazione
Per anni il limite principale è stato ottenere i dati genetici. Oggi sequenziare è molto più economico e il problema si è spostato verso l’interpretazione. Abbiamo sempre più lettere del DNA da leggere e sempre meno capacità relativa di capire quali contino davvero.
AlphaGenome Atlas nasce esattamente in questo spazio. Non scopre automaticamente la causa di una malattia e non rende superflui i genetisti. Cerca di rendere navigabile uno spazio di varianti troppo grande per essere esplorato direttamente.
Se funzionerà bene, la sua importanza non si misurerà dal numero di predizioni prodotte, ma dal numero di esperimenti che riuscirà a evitare e da quante ipotesi corrette farà arrivare prima sul banco di laboratorio.
È una forma meno spettacolare di intelligenza artificiale rispetto a un chatbot che parla come una persona. Ma potrebbe essere una delle più profonde: trasformare miliardi di possibilità biologiche in una mappa abbastanza utile da decidere dove guardare.
