{"id":7326,"date":"2026-01-30T02:06:03","date_gmt":"2026-01-30T00:06:03","guid":{"rendered":"https:\/\/www.schooler.org.ua\/uk-uaproriv-shi-rozshifrovuye-dnk-temnoyi-materiyi-za-dopomogoju\/"},"modified":"2026-01-30T02:06:03","modified_gmt":"2026-01-30T00:06:03","slug":"uk-uaproriv-shi-rozshifrovuye-dnk-temnoyi-materiyi-za-dopomogoju","status":"publish","type":"post","link":"https:\/\/www.schooler.org.ua\/fr\/uk-uaproriv-shi-rozshifrovuye-dnk-temnoyi-materiyi-za-dopomogoju\/","title":{"rendered":"AI Breakthrough d\u00e9code la \u00ab mati\u00e8re noire \u00bb de l\u2019ADN avec AlphaGenome"},"content":{"rendered":"

Pendant des d\u00e9cennies, les scientifiques ont eu du mal \u00e0 comprendre les vastes \u00e9tendues d\u2019ADN non codant au sein de nos g\u00e9nomes, souvent appel\u00e9es \u00ab ADN ind\u00e9sirable \u00bb car elles ne construisent pas directement les prot\u00e9ines. Google DeepMind a d\u00e9voil\u00e9 AlphaGenome<\/strong>, un nouveau mod\u00e8le d’intelligence artificielle con\u00e7u pour pr\u00e9dire comment ce myst\u00e9rieux mat\u00e9riel g\u00e9n\u00e9tique influence la sant\u00e9 et la maladie. Cela repr\u00e9sente un progr\u00e8s significatif en g\u00e9nomique, qui pourrait potentiellement permettre de mieux comprendre l\u2019impact des mutations sur l\u2019expression des g\u00e8nes. <\/p>\n

Le langage cach\u00e9 du g\u00e9nome<\/h3>\n

Le g\u00e9nome humain est majoritairement non codant, avec plus de 98 % d\u2019ADN qui ne se traduit pas en prot\u00e9ines. Pourtant, cette \u00ab mati\u00e8re noire \u00bb r\u00e9gule l\u2019activit\u00e9 des g\u00e8nes, d\u00e9terminant si les cellules fonctionnent correctement ou tombent malades. Le d\u00e9fi a toujours \u00e9t\u00e9 de pr\u00e9dire comment<\/em> ces r\u00e9gions non codantes fonctionnent, jusqu’\u00e0 pr\u00e9sent. <\/p>\n

AlphaGenome analyse des s\u00e9quences d’ADN allant jusqu’\u00e0 un million de paires de bases, \u00e9valuant comment les mutations modifient l’expression des g\u00e8nes. Il s\u2019agit d\u2019une \u00e9tape cruciale car les maladies g\u00e9n\u00e9tiques proviennent souvent de modifications de ces r\u00e9gions non codantes, et pas seulement des g\u00e8nes codant pour les prot\u00e9ines. Les cr\u00e9ateurs du mod\u00e8le l’ont mis gratuitement \u00e0 la disposition de l’ensemble de la communaut\u00e9 des chercheurs. <\/p>\n

S’appuyer sur les succ\u00e8s de l’IA<\/h3>\n

AlphaGenome s’appuie sur les avanc\u00e9es ant\u00e9rieures de DeepMind en mati\u00e8re de biologie bas\u00e9e sur l’IA. Vint d’abord AlphaFold<\/strong>, qui pr\u00e9dit avec pr\u00e9cision les structures des prot\u00e9ines \u00e0 partir de s\u00e9quences d’acides amin\u00e9s, ce qui a valu \u00e0 ses d\u00e9veloppeurs un prix Nobel de chimie en 2024. Puis vint AlphaMissense<\/strong>, ax\u00e9 sur les mutations codant pour les prot\u00e9ines. AlphaGenome \u00e9tend ce pouvoir au vaste espace non codant, s\u2019attaquant \u00e0 un probl\u00e8me auparavant insoluble. <\/p>\n

“C’est comme si vous aviez un \u00e9norme livre de trois milliards de personnages et que quelque chose de mal s’\u00e9tait produit dans ce livre”, explique Pushmeet Kohli, vice-pr\u00e9sident scientifique de DeepMind. \u00ab AlphaGenome peut \u00eatre utilis\u00e9 pour dire : \u00ab Si vous changez ces mots, quel serait l’effet ? \u00bb <\/p>\n

Comment fonctionne AlphaGenome<\/h3>\n

Le mod\u00e8le combine des donn\u00e9es provenant de plusieurs sources li\u00e9es \u00e0 l’expression des g\u00e8nes, identifiant des mod\u00e8les et pr\u00e9disant les cons\u00e9quences fonctionnelles des modifications de l’ADN. Une innovation cl\u00e9 est sa capacit\u00e9 \u00e0 g\u00e9rer des s\u00e9quences d\u2019ADN extr\u00eamement longues<\/em> sans sacrifier la pr\u00e9cision, une limitation des outils pr\u00e9c\u00e9dents. Cela signifie que les chercheurs peuvent \u00e9tudier des r\u00e9gions r\u00e9gulatrices enti\u00e8res \u00e0 la fois, plut\u00f4t que de rassembler des donn\u00e9es fragment\u00e9es. <\/p>\n

Applications potentielles<\/h3>\n

AlphaGenome n\u2019est pas encore pr\u00eat pour une utilisation clinique. Mais ses applications en recherche sont vastes :
\n– Comprendre la maladie\u00a0:<\/strong> Identifier les mutations \u00e0 l’origine des maladies g\u00e9n\u00e9tiques, notamment le cancer.
\n– Th\u00e9rapie g\u00e9nique\u00a0:<\/strong> Concevoir des traitements plus efficaces en ciblant les r\u00e9gions de r\u00e9gulation appropri\u00e9es.
\n– \u00c9tudes pang\u00e9nomiques\u00a0:<\/strong> Analyse de la mani\u00e8re dont les g\u00e9nomes r\u00e9gulent les g\u00e8nes dans diff\u00e9rentes cellules et tissus.
\n– Conditions rares\u00a0:<\/strong> Aide au diagnostic des maladies g\u00e9n\u00e9tiques rares o\u00f9 les mutations sous-jacentes sont inconnues. <\/p>\n

\u00ab Malgr\u00e9 toutes les meilleures \u00e9valuations dont nous disposons, AlphaGenome semble avoir fait avancer un peu [le domaine] \u00bb, d\u00e9clare David Kelley de Calico Life Sciences. <\/p>\n

Mises en garde et \u00e9tapes futures<\/h3>\n

AlphaGenome a des limites. Il a \u00e9t\u00e9 form\u00e9 uniquement sur les g\u00e9nomes humains et murins et peut manquer d\u2019effets sur d\u2019autres esp\u00e8ces. Le mod\u00e8le est \u00e9galement imparfait ; il pourrait ne pr\u00e9dire aucun effet lorsqu’il en existe un. Les chercheurs s\u2019efforcent d\u2019am\u00e9liorer le pouvoir pr\u00e9dictif et de quantifier l\u2019incertitude. <\/p>\n

\n

\u00ab Pr\u00e9dire comment une maladie se manifeste \u00e0 partir du g\u00e9nome est un probl\u00e8me extr\u00eamement difficile, et ce mod\u00e8le n’est pas capable de le pr\u00e9dire comme par magie \u00bb, explique \u017diga Avsec, responsable de la g\u00e9nomique de DeepMind. “Mais AlphaGenome peut r\u00e9duire le nombre de mutations possibles impliqu\u00e9es dans une maladie, ce qui le rend utile pour prioriser la recherche.” <\/p>\n<\/blockquote>\n

AlphaGenome repr\u00e9sente un progr\u00e8s progressif mais r\u00e9el. Cela ne r\u00e9soudra pas les myst\u00e8res du g\u00e9nome du jour au lendemain, mais il offre un nouvel outil puissant pour percer les complexit\u00e9s du plan de la vie.<\/p>\n","protected":false},"excerpt":{"rendered":"

Pendant des d\u00e9cennies, les scientifiques ont eu du mal \u00e0 comprendre les vastes \u00e9tendues d\u2019ADN non codant au sein de nos g\u00e9nomes, souvent appel\u00e9es \u00ab ADN ind\u00e9sirable \u00bb car elles ne construisent pas directement les prot\u00e9ines. Google DeepMind a d\u00e9voil\u00e9 AlphaGenome, un nouveau mod\u00e8le d’intelligence artificielle con\u00e7u pour pr\u00e9dire comment ce myst\u00e9rieux mat\u00e9riel g\u00e9n\u00e9tique influence […]<\/p>\n","protected":false},"author":1,"featured_media":7325,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"tdm_status":"","tdm_grid_status":""},"categories":[1],"tags":[],"wpm_language_slugs":[],"amp_enabled":true,"_links":{"self":[{"href":"https:\/\/www.schooler.org.ua\/fr\/wp-json\/wp\/v2\/posts\/7326"}],"collection":[{"href":"https:\/\/www.schooler.org.ua\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.schooler.org.ua\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.schooler.org.ua\/fr\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.schooler.org.ua\/fr\/wp-json\/wp\/v2\/comments?post=7326"}],"version-history":[{"count":0,"href":"https:\/\/www.schooler.org.ua\/fr\/wp-json\/wp\/v2\/posts\/7326\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.schooler.org.ua\/fr\/wp-json\/wp\/v2\/media\/7325"}],"wp:attachment":[{"href":"https:\/\/www.schooler.org.ua\/fr\/wp-json\/wp\/v2\/media?parent=7326"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.schooler.org.ua\/fr\/wp-json\/wp\/v2\/categories?post=7326"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.schooler.org.ua\/fr\/wp-json\/wp\/v2\/tags?post=7326"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}