AlphaGenome: la nuova frontiera di DeepMind nella genomica

Dopo aver risolto il problema del ripiegamento delle proteine con AlphaFold, Google DeepMind sposta l'attenzione sul DNA non codificante con AlphaGenome. Questo strumento di deep learning analizza il 98% del genoma che non codifica direttamente le proteine, ma ne regola l'espressione.

AlphaGenome, definito un "coltellino svizzero per esplorare il DNA non codificante", integra in un unico modello predizioni su attivazione genica, editing del DNA, interazioni tra regioni genomiche e legame con proteine regolatrici. Questo approccio unificato promette di migliorare i flussi di lavoro degli scienziati, superando la frammentazione degli strumenti esistenti.

Funzionalità e limiti

AlphaGenome può analizzare fino a un milione di coppie di basi del DNA contemporaneamente, mantenendo un'alta risoluzione. Questo permette di studiare come una singola variazione nucleotidica possa influenzare ampie porzioni del genoma.

Nonostante i progressi, AlphaGenome presenta delle limitazioni. I dati di training provengono principalmente da tessuti bulk, limitandone l'accuratezza in tipi cellulari rari o durante specifiche fasi di sviluppo. Inoltre, fatica a identificare effetti regolatori a lunga distanza.

Applicazioni e prospettive future

AlphaGenome è già utilizzato da migliaia di ricercatori per identificare i driver genetici di malattie come il cancro, scoprire nuovi target farmacologici e progettare sequenze di DNA sintetiche con funzioni regolatrici personalizzate. La disponibilità gratuita su GitHub per scopi di ricerca accademica ne favorisce un'ampia adozione.

L'architettura di AlphaGenome rappresenta un passo avanti nell'integrazione dell'AI nella biologia, con l'obiettivo di sbloccare nuove capacità diagnostiche e terapeutiche. Come AlphaFold, non mira a fornire spiegazioni biologiche complete, ma a rendere più accessibili le aree più complesse del genoma.