Advancing regulatory variant effect prediction with AlphaGenome

N/A (modèle de prédiction pan-génomique)

AlphaGenome : modèle séquence-vers-fonction unifié, input 2 Mb de séquence ADN → prédictions simultanées sur 50+ modalités fonctionnelles (ATAC-seq, ChIP-seq histones, RNA-seq, épissage, méthylation) ; architecture transformer avec attention multi-résolution ; 10× plus précis que Enformer sur les variants régulateurs pathogènes

AlphaGenome est un modèle d'apprentissage profond (DeepMind) unifiant la prédiction des effets fonctionnels des variants régulateurs sur plus de 50 modalités génomiques à partir d'une séquence ADN de 2 Mb. L'architecture transformer multi-résolution permet une résolution nucléotidique sur l'ensemble du locus. AlphaGenome surpasse Enformer et Basenji d'un facteur 10 sur les variants régulateurs pathogènes connus, et prédit simultanément les effets sur la chromatine (ATAC, histone ChIP), l'expression (RNA-seq), l'épissage (SpliceAI-like) et la méthylation.

Synthèse rédigée par Geno'X. Pour l'abstract original complet, consulter la publication source.

AlphaGenome représente l'état de l'art absolu pour les variants non-codants, point faible majeur des panels exome et WGS classiques. Son intégration dans les pipelines d'annotation secondaire permettrait de scorer les variants dans les régions régulatrices, enhancers, et zones introniques profondes. Disponible prochainement via l'API AlphaFold Server selon les auteurs.

Nature (top journal) +3 ; modèle SOTA dépassant Enformer/Basenji +2 ; 50+ modalités fonctionnelles unifiées +2 ; applicable aux variants non-codants en clinique +2