AlphaGenome Atlas, Google DeepMind prevede l’effetto di ogni mutazione del DNA umano

Google DeepMind ha pubblicato AlphaGenome Atlas, una risorsa che prevede l’effetto molecolare di ogni singola mutazione possibile del DNA umano. Si tratta di 9 miliardi di varianti a lettera singola, l’intero ventaglio dei cambiamenti che possono interessare il codice genetico di una persona, catalogate e rese consultabili gratuitamente dalla comunità scientifica a partire dall’8 settembre 2026.

È il tentativo più ambizioso mai realizzato di rispondere a una domanda che assilla la biologia moderna: quando una sola lettera del DNA cambia, cosa succede davvero alla cellula? Fino a ieri, per saperlo, servivano esperimenti lunghi e costosi, condotti una variante alla volta. Ora esiste una mappa che prova a dare una risposta per tutte le varianti insieme.

Il paragone che DeepMind stessa evoca è impegnativo, perché chiama in causa AlphaFold, il progetto che ha già cambiato per sempre lo studio delle proteine.

Che cos’è AlphaGenome Atlas e perché segna una svolta

Per capire la portata dell’annuncio conviene partire dal problema. Il genoma umano contiene circa 3 miliardi di lettere, e ognuna può essere sostituita da una delle altre tre: il totale delle mutazioni puntiformi possibili sfiora così i 9 miliardi. Testarle una per una in laboratorio è, semplicemente, impraticabile. Eppure è proprio in quelle singole sostituzioni che si nascondono molte delle cause di malattie genetiche, predisposizioni e differenze tra individui.

AlphaGenome Atlas affronta il problema ribaltandolo. Invece di analizzare una variante solo quando serve, DeepMind ha precalcolato in anticipo le previsioni del suo modello AlphaGenome per l’intero genoma, generando una fotografia completa dell’effetto atteso di ogni possibile cambiamento. Il risultato è, appunto, un atlante: ogni variante è collegata a migliaia di previsioni sul suo impatto molecolare.

Il modello che sta sotto l’Atlas non è nuovo. DeepMind aveva presentato AlphaGenome a giugno 2025 come sistema capace di leggere lunghi tratti di DNA e prevedere come una variazione influisce sui processi biologici, con un’attenzione particolare al DNA non codificante, la parte del genoma che non produce proteine ma ne regola l’attività. La novità di oggi non è quindi il modello, ma la scala a cui viene messo al lavoro.

Dal singolo variante alla mappa dell’intero genoma

Per ciascuna variante l’Atlas contiene migliaia di previsioni, distribuite su centinaia di tipi cellulari e tessuti, umani e di topo. Non si limita a segnalare se un cambiamento è dannoso, ma prova a spiegare come agisce: se altera l’espressione di un gene, se disturba il taglio e la ricucitura dell’RNA, se modifica il modo in cui la sequenza viene letta e tradotta in istruzioni per costruire le proteine.

Questa ricchezza di dettaglio è ciò che distingue l’operazione da un semplice elenco di varianti pericolose.

Il punteggio AVI, la bussola per orientarsi tra miliardi di varianti

Con migliaia di previsioni per ogni variante, il rischio è di annegare nei dati. Per questo DeepMind ha introdotto anche l’AVI, sigla di AlphaGenome Variant Impact: un punteggio unico che riassume in un solo numero l’impatto stimato di ogni cambiamento genetico. L’obiettivo è consentire ai ricercatori di ordinare e filtrare rapidamente le varianti, per poi concentrare il costoso lavoro sperimentale solo su quelle che contano davvero.

L’AVI non nasce dal nulla. Combina le previsioni di AlphaGenome con quelle di AlphaMissense, il modello DeepMind dedicato alle varianti che alterano direttamente le proteine, e vi aggiunge informazioni sulla conservazione evolutiva delle sequenze. Il punteggio funziona sia per la piccola porzione del genoma che codifica proteine, circa il 2 per cento, sia per il restante 98 per cento non codificante, dove si concentra la maggior parte delle varianti associate ai tratti umani.

C’è un ulteriore livello, molto utile in pratica. Ogni punteggio AVI viene scomposto nei fattori biologici che lo determinano, così da capire non solo quanto una variante pesa, ma perché. A completare il quadro arriva una raccolta di oltre 2.500 sequenze ricorrenti, i motivi che DeepMind descrive come le parole del genoma, con la loro posizione lungo il DNA.

Secondo l’azienda, nei test l’AVI offre prestazioni ai vertici della categoria su diversi parametri di riferimento per la pericolosità delle varianti e per le malattie rare.

Un petabyte di dati e l’eredità di AlphaFold

Le dimensioni dell’impresa aiutano a inquadrarla. AlphaGenome Atlas è un insieme di dati da circa un petabyte, oltre trenta volte più grande del database di AlphaFold. Ed è proprio ad AlphaFold che DeepMind guarda come riferimento, non solo tecnico ma strategico.

Nel 2022 l’espansione del database di AlphaFold aveva reso disponibili le strutture tridimensionali di oltre 200 milioni di proteine, praticamente tutte quelle catalogate dalla scienza, partendo da appena 190 mila strutture ricavate sperimentalmente. Quel portale, pensato anche per chi non sa programmare, è diventato in poco tempo uno strumento di lavoro quotidiano per la biologia.

La scommessa è replicare quella parabola, questa volta sulla genetica. Precalcolare tutto, renderlo accessibile con visualizzazioni intuitive e lasciare che siano i ricercatori a trarne scoperte. Se ha funzionato con le proteine, ragiona DeepMind, può funzionare anche con le varianti del DNA.

Del resto l’AI applicata alla biologia molecolare non è un caso isolato: negli ultimi mesi abbiamo visto anche modelli capaci di progettare nuove proteine da zero, segno di quanto la ricerca stia accelerando su questo fronte.

Dalle malattie rare alla genetica di popolazione: i primi risultati

La parte più convincente dell’annuncio riguarda gli usi concreti, perché diversi gruppi accademici hanno già messo alla prova l’Atlas prima del lancio.

Nel campo delle malattie rare la sfida è trovare le poche varianti responsabili in mezzo a migliaia di candidate innocue. In collaborazione con il consorzio GREGoR, i ricercatori del Broad Institute hanno usato il punteggio AVI per dare priorità a varianti trascurate in analisi precedenti, arrivando a individuare un cambiamento nel gene DNM1, strettamente legato a una grave forma di encefalopatia epilettica. Le previsioni mostravano anche il meccanismo: la variante creava un punto di taglio errato nell’RNA, con la produzione di una proteina anomala. Successivi esperimenti hanno confermato l’ipotesi.

Un secondo filone riguarda la genetica di popolazione. Alla University of Exeter, il ricercatore Gareth Hawkes ha applicato l’Atlas ai dati genomici di oltre 54.000 partecipanti della UK Biobank, raggruppando le varianti rare in base all’effetto molecolare previsto. In questo modo ha fatto emergere il 22 per cento in più di associazioni genetiche non codificanti, che sarebbero altrimenti rimaste sepolte nel rumore statistico. Tra i bersagli individuati compaiono proteine come PLA2G7, collegata all’invecchiamento, ed EGLN1, un sensore cellulare dell’ossigeno.

Lo stesso approccio, applicato all’indice di massa corporea, ha permesso di isolare 19 regioni genetiche promettenti: un punto di partenza per ricerche mirate.

C’è infine chi ha usato l’Atlas per studiare i motivi del genoma. Allo Stowers Institute for Medical Research il lavoro si è concentrato sul distinguere quali fattori di trascrizione si limitano a rendere accessibile il DNA e quali invece accendono e spengono i geni. Sono esempi diversi tra loro, ma raccontano la stessa cosa: uno strumento pensato per stare alla base di molte ricerche differenti.

Questa attenzione alle applicazioni mediche richiama da vicino altri usi dell’AI in ambito clinico, come quando l’intelligenza artificiale aiuta a diagnosticare malattie genetiche rare nei bambini, dove la velocità di analisi fa una differenza reale per i pazienti.

Come accedere all’Atlas e cosa aspettarti ora

AlphaGenome Atlas è disponibile da subito per uso non commerciale attraverso un portale web gratuito, affiancato dall’API di AlphaGenome e da una funzione dedicata dentro Google Antigravity, la piattaforma di sviluppo agentico dell’azienda. L’uso commerciale, tramite Google Cloud, è annunciato come in arrivo. È un ecosistema coerente con la direzione presa da Google, che sta integrando le sue capacità di ricerca nei prodotti per sviluppatori, dai modelli Gemini più recenti fino agli strumenti agentici.

Due precisazioni sono doverose. La prima è che DeepMind presenta l’Atlas come una base di partenza e non come un traguardo: man mano che i modelli miglioreranno, anche le mappe del genoma diventeranno più precise. La seconda, ribadita dall’azienda, è che si tratta di uno strumento di ricerca, non validato né approvato per usi clinici, e che le sue previsioni non sostituiscono una diagnosi medica.

Resta il quadro d’insieme, ed è quello che conta di più. Mettere gratuitamente nelle mani dei ricercatori una previsione ragionata per ogni possibile mutazione del DNA significa accorciare i tempi tra un’ipotesi e la sua verifica, indirizzare gli esperimenti dove servono davvero e, forse, arrivare prima a comprendere malattie oggi senza spiegazione.

Se ti occupi di ricerca, biotecnologie o segui semplicemente da vicino l’AI applicata alla scienza, vale la pena esplorare il portale e leggere l’annuncio ufficiale di Google DeepMind. Se pensi che questa direzione, l’AI che diventa infrastruttura per la scienza, sia destinata a contare sempre di più, continua a seguirci: è una delle storie più importanti del momento.