La mappa del DNA non codificante di Google DeepMind: l'Atlas di AlphaGenome tra ambizione e limiti di accuratezza

L'8 settembre 2026, Google DeepMind ha presentato AlphaGenome Atlas, un archivio digitale che raccoglie le predizioni pre-calcolate sull'impatto molecolare delle varianti del DNA umano. Il database copre nove miliardi di varianti a singolo nucleotide, mappando ogni possibile alterazione di una singola lettera nel genoma. Con un peso complessivo di circa un petabyte, ovvero oltre trenta volte la dimensione del database di AlphaFold, l'Atlas si concentra sul DNA non codificante, che rappresenta circa il 98% del patrimonio genetico e regola l'attività delle proteine. Finora, l'utilizzo del modello AlphaGenome richiedeva elevate competenze di programmazione e una notevole infrastruttura di calcolo; con questo rilascio, l'azienda sposta il lavoro di elaborazione a monte, offrendo i risultati direttamente tramite un portale web gratuito per l'uso non commerciale.

Per completare la mappatura, il team di sviluppo ha dovuto incrementare di circa ottanta volte la velocità di calcolo del modello, come riportato da IEEE Spectrum. Il responsabile della genomica di Google DeepMind, Žiga Avsec, ha sottolineato l'ingente sforzo ingegneristico richiesto per lo sviluppo, mentre il vicepresidente dell'azienda, Pushmeet Kohli, ha dichiarato che comprendere questo linguaggio della vita può sbloccare moltissime cose. L'Atlas introduce l'AlphaGenome Variant Impact (AVI), un punteggio unico ideato per ordinare e riassumere le predizioni derivate da AlphaGenome e AlphaMissense, applicabile sia alle regioni codificanti sia a quelle non codificanti. Il percorso evolutivo dei modelli segue una cronologia precisa: dopo AlphaFold nel 2020 e AlphaMissense nel 2023, il modello AlphaGenome è stato annunciato nel 2025 e descritto in un articolo su Nature a gennaio 2026. Secondo Scientific American gli utenti commerciali — le aziende farmaceutiche, per esempio — devono ottenere una licenza, mentre l'accesso resta gratuito per i ricercatori accademici; il blog DeepMind annuncia l'uso commerciale 'a breve' su Google Cloud, senza indicare data né prezzi.

Nonostante l'impatto potenziale, la comunità scientifica e le fonti indipendenti evidenziano diverse lacune documentate. Scientific American riferisce che l'Atlas è molto meno accurato rispetto al database di AlphaFold e va considerato esclusivamente come un punto di partenza. Il modello presenta limiti strutturali: non è in grado di valutare patologie che richiedono la presenza simultanea di più varianti, e gli enhancer che regolano geni a grandissima distanza possono cadere fuori dalla finestra di un milione di paia di basi che il modello esamina intorno a ciascuna variante. Inoltre, sul punteggio di impatto il genomista della University of British Columbia Carl de Boer osserva che ha un uso chiaro ma sarà probabilmente facile da interpretare male. Sul valore del lavoro il ricercatore è netto: capire come i cambiamenti influenzino la regolazione è fondamentale per capire la maggior parte delle malattie. DeepMind stessa precisa che i dati dell'Atlas non sostituiscono parere, diagnosi o trattamento medico e non sono validati né approvati per uso clinico. Sul piano metodologico resta un punto aperto: il paper su Nature del gennaio 2026 riguarda il modello AlphaGenome, mentre per l'Atlas il blog rimanda a un documento tecnico in PDF; non risulta se il rilascio sia accompagnato da un lavoro sottoposto a revisione paritaria.

La strategia di DeepMind ricalca lo schema già visto con AlphaFold: prima il modello, poi il database che lo rende consultabile a chi non ha né codice né GPU. Ridurre la complessità biologica a un indice unico consultabile da browser abbassa la barriera d'ingresso, ma la reale utilità si misurerà sulla capacità dei laboratori di non scambiare una mappa pre-calcolata per un dato clinico, soprattutto in assenza di una validazione indipendente. — Olya