Il primo ostacolo non è stato biologico, ma computazionale. Quando il team guidato da Žiga Avsec in Google DeepMind ha iniziato a immaginare un archivio di previsioni per tutte le possibili variazioni a singola lettera del genoma umano, le prime stime dicevano che serviva aumentare la velocità di calcolo di circa 80 volte per chiudere il progetto in tempi ragionevoli. L’annuncio dell’8 settembre, con la pubblicazione dell’AlphaGenome Atlas, trasforma quell’impresa in una risorsa pubblica: nove miliardi di varianti precalcolate per un dataset di circa un petabyte.

Il DNA viene spesso spiegato come un manuale per produrre proteine, ma la porzione codificante è minoritaria. La regolazione dell’attività genica dipende da elementi non codificanti che possono agire anche a grande distanza nel genoma. Carl de Boer, genomicista alla University of British Columbia, osserva che capire come le variazioni del DNA cambiano questa regolazione «è fondamentale per comprendere la maggior parte delle malattie».

AlphaGenome, annunciato da DeepMind nel 2025, confronta una sequenza originale con una alterata e prevede l’effetto su espressione genica e altra attività regolatoria. Finora usare il modello imponeva di selezionare le varianti, scrivere codice e far girare un calcolo impegnativo. Con l’Atlante, DeepMind ha svolto in anticipo il lavoro per tutti i possibili cambi a singola lettera del genoma umano di riferimento. L’interfaccia online permette di consultare le previsioni senza scrivere codice e senza eseguire AlphaGenome in locale.

Il dato di primo piano è un punteggio d’impatto a numero singolo, pensato per mostrare in un colpo se una variante è probabilmente rilevante. L’Atlante include undici diversi tipi di output, ma il punteggio sintetico è la porta d’ingresso. De Boer avverte che il punteggio ha un uso chiaro ma rischia di essere facilmente frainteso: «Parliamo di un sistema molto complesso, con molte parti in movimento».

Ci sono limiti noti. Molte malattie sono associate a più varianti genetiche. Inoltre AlphaGenome osserva un segmento di DNA di un milione di paia di basi attorno alla variante; alcuni enhancer possono regolare geni a distanze ancora maggiori, fuori dal campo visivo del modello. L’Atlante serve quindi a filtrare le possibilità e a dare priorità agli esperimenti di laboratorio che potranno validarne le previsioni.

La parte meno raccontata è il lavoro di ingegneria. Il genoma umano contiene circa tre miliardi di paia di basi; in ogni posizione esistono tre possibili sostituzioni a singolo nucleotide, da cui i nove miliardi di varianti dell’Atlante. Per produrre il dataset completo da circa un petabyte, il team ha combinato distillazione del modello, ottimizzazione dei kernel GPU ed eliminazione dei calcoli ridondanti. Avsec descrive così il passaggio: «Quando abbiamo iniziato a pensare al progetto, sembrava impossibile farlo computazionalmente».

La scelta di precalcolare tutto e rendere pubblico l’archivio cambia la distribuzione del costo computazionale. Invece di far girare il modello in decine di laboratori, DeepMind concentra il calcolo una sola volta e distribuisce risultati interrogabili. Questo favorisce i gruppi che non hanno accesso a GPU recenti e riduce la ripetizione delle stesse simulazioni. De Boer considera AlphaGenome il modello di riferimento del settore, ma anche molto lento e computazionalmente intensivo. L’Atlante riduce proprio questo attrito.

Il rovescio è una dipendenza da un archivio curato da un singolo fornitore, disponibile gratuitamente per la ricerca non commerciale e con possibilità di licenza commerciale. In ottica di controllo e sovranità dei dati, un dataset da un petabyte non è banale da replicare o ospitare in self-hosted; chi vuole verificare le previsioni deve comunque affrontare costi elevati. È un trade-off strutturale: centralizzare il calcolo abbassa le barriere d’accesso, ma riduce la trasparenza operativa. Per chi valuta scenari analoghi nel deployment locale, l’equilibrio tra accesso e controllo resta il tema di fondo; AI-RADAR pubblica framework analitici su /llm-onpremise per orientarsi tra questi trade-off.

Il rischio maggiore non è quindi l’assenza di previsioni, ma la loro apparente semplicità. Il punteggio d’impatto può spingere a interpretare un risultato come un verdetto, mentre la biologia della regolazione genica resta un sistema con molte variabili. La risorsa accelererà screening e priorizzazione, ma non sostituirà la validazione sperimentale.