Altro annuncio, altro entusiasmo in un batti baleno da un capo all’altro della rete. L’11 novembre 2026 Google ha lanciato AlphaGenome 2, la nuova generazione del modello di intelligenza artificiale che prevede come le varianti del DNA influenzino i processi che regolano i geni. Obiettivo: supportare gli scienziati a comprendere meglio la funzione del genoma e la biologia delle malattie e, in ultima analisi, promuovono nuove scoperte biologiche e lo sviluppo di nuovi trattamenti.
Il nocciolo della questione è che molti effetti delle varianti si manifestano solo in specifici tipi di cellule. Di conseguenza, possono sfuggire all’osservazione quando le cellule vengono analizzate in modo aggregato. Una precisione a livello di singola cellula può aiutare i ricercatori a individuare i fattori cellulari alla base di tratti complessi, che portano all’insorgenza di malattie.
Una precisazione prima di entrare nei dettagli: il paper che descrive il modello è ancora una volta autopubblicato dall’azienda.
Appena due mesi fa…
Come avevamo raccontato su Infodata, la prima versione di AlphaGenome era stata annunciata a giugno 2025 e resa disponibile gratuitamente. A gennaio 2026 erano arrivati il paper su Nature e il modello su GitHub. L’8 settembre 2026 l’azienda aveva poi lanciato AlphaGenome Atlas, la banca dati con le previsioni sugli effetti di nove miliardi di singole varianti del genoma umano, gratuita per uso non commerciale. In quei mesi circa 9.000 ricercatori avevano usato il modello tramite API, e squadre come quelle dell’Università di Exeter e del Broad Institute avevano già ottenuto risultati concreti.
Il limite di quel modello, però, era la risoluzione. Le sue previsioni riguardavano in genere interi tessuti. Molti effetti delle varianti, invece, si manifestano soltanto in specifici tipi di cellule e, quando le cellule vengono analizzate in modo aggregato, possono sfuggire.
Due numeri
Sul dataset TenK10K, una grande mappa a singola cellula di 28 tipi di cellule immunitarie primarie, AlphaGenome2 ha identificato in modo affidabile quasi il doppio delle varianti causali rispetto alla prima versione perfezionata su dati a singola cellula e ad altri strumenti specializzati: il 30% contro il 16%. Lo stesso vale per la direzione degli effetti sui geni, il 43% contro il 23%. Nel complesso, individua quasi il doppio delle varianti che modificano l’espressione genica in specifici tipi cellulari rispetto al precedente modello.
Cosa cambia: un modello condizionale
La prima versione prendeva una sequenza di DNA lunga un milione di lettere e prevedeva in parallelo le proprietà misurate in migliaia di esperimenti su molti tessuti. Era efficiente, ma questo approccio distribuiva la capacità del modello su troppi fronti e rendeva difficile cogliere le differenze sottili tra tipi cellulari affini.
Per questo il modo di trattare i tipi cellulari è stato riprogettato da zero. AlphaGenome 2 è un modello “condizionale”, ossia: invece di predire tutto in parallelo, calcola gli effetti del DNA per una condizione alla volta, che può essere un tessuto, un tipo cellulare o uno stato.
I dati di addestramento sono stati ampliati includendo campioni umani e di topo, con oltre 100 milioni di profili di singole cellule provenienti da 68 tessuti, compresi i dati dell’Human Cell Atlas. Rispetto al passato, il modello riesce così a distinguere l’attività all’interno di cellule specializzate, come i diversi tipi di cellule del muscolo cardiaco o del sangue. Potrebbe prevedere, per esempio, l’effetto di una variante nei macrofagi dell’intestino o nelle cellule pacemaker del cuore. Il modello prevede gli stessi parametri sperimentali fondamentali sulla funzione del DNA già coperti da AlphaGenome, come espressione genica, modificazioni istoniche e accessibilità della cromatina, includendo però anche la metilazione del DNA, un dato molto richiesto.
Attenzione però al disclaimer alla fine del comunicato stampa aziendale: AlphaGenome e AlphaGenome 2 sono pensati solo per uso di ricerca e non sono stati validati né approvati per scopi clinici o diagnostici.
Nuove cellule senza riaddestrare il modello?
Un’altra novità riguarda gli stati cellulari che il modello non ha mai visto, come quelli che compaiono con una malattia o dopo un vaccino. Per studiarli basta fornire ad AlphaGenome 2 una fotografia dell’attività dei geni in appena qualche decina di cellule. Da quella fotografia il modello ricava una sorta di descrizione dello stato in cui si trovano le cellule e la usa come punto di partenza per le sue previsioni. Non serve quindi riaddestrarlo da capo. Secondo Google DeepMind, i risultati sono pari o migliori di quelli di modelli addestrati o perfezionati apposta su quegli stessi dati.
Hanno provato a testare il modello sul vaccino a mRNA contro il Covid-19, che il modello non aveva mai incontrato. AlphaGenome 2 ha distinto le cellule T attivate dal vaccino da quelle a riposo. Ha poi mostrato che una variante associata al Covid-19 grave altera l’attività dei geni più fortemente proprio nelle cellule attivate.
Solo il futuro ci dirà quanto questo approccio possa davvero essere utile per migliorare la ricerca e quali patologie possono essere davvero interessate.
Dai dati GWAS alle cellule
Gli studi di associazione genome-wide (GWAS) confrontano il DNA di molte persone e segnalano ampie porzioni del genoma legate a una malattia, ma non sempre permettono di individuare con sicurezza la variante responsabile, il gene su cui agisce e il tipo di cellula in cui lo fa. Google DeepMind ha precalcolato le previsioni di AlphaGenome 2 per varianti associate a diversi tratti complessi, dall’altezza al diabete di tipo 2, così da aiutare a restringere il campo. Quando il modello è sicuro, indica anche se una variante aumenta o riduce l’attività di un gene, un indizio fondamentale per capire come quel gene contribuisca alla malattia.
Il passaggio da un segnale di associazione, ossia una regione di DNA legata a una malattia, a ciò che serve a un programma farmaceutico, cioè un bersaglio preciso su cui intervenire, è però difficile. Ancora una volta: oltre all’annuncio “si può fare” è ancora tutto da valutare.
AlphaGenome2 è già disponibile?
AlphaGenome 2 e i tutorial interattivi su Colab per il condizionamento dell’espressione sono disponibili da subito, per ricerca non commerciale, tramite l’API di AlphaGenome e in anteprima privata per la ricerca commerciale. L’azienda punta sulla combinazione tra modelli specializzati e strumenti agentici come Gemini 4 per accelerare la ricerca e invita la comunità scientifica a proporre casi d’uso (il termine per candidarsi è il 30 novembre, e i progetti selezionati potranno ottenere quote e crediti aggiuntivi) e a contribuire con idee e feedback per orientare gli sviluppi futuri.
Per approfondire.
AlphaGenome di Google Deepmind sta già cambiando le cose
Ai, la nuova età dell’oro della ricerca scientifica potrebbe costarci molto
A Roma 12 bambini su 100 non vanno alla scuola materna, a Milano 8 su 100. Perché?