In breve
- L’11 novembre Google DeepMind ha presentato AlphaGenome 2, un’AI che prevede come una piccola differenza nel DNA cambia il lavoro di un singolo tipo di cellula.
- Secondo DeepMind trova quasi il doppio delle differenze “colpevoli” rispetto agli strumenti precedenti: 30% contro 16% in un test.
- È uno strumento per i laboratori, gratis per la ricerca non commerciale. Non fa diagnosi e non è un test genetico.
- Lo studio non è ancora stato controllato da altri scienziati: i numeri vengono solo dagli autori.
Perché una piccola differenza nel DNA fa ammalare l’intestino ma lascia in pace il cervello? È una delle domande più difficili della biologia. Google DeepMind ha appena presentato un’intelligenza artificiale che prova a rispondere, cellula per cellula.
Si chiama AlphaGenome 2 ed è stata annunciata l’11 novembre 2026. Non cura nessuno, e lo diciamo subito. Però può aiutare i ricercatori a capire più in fretta dove nascono certe malattie. Vediamo come funziona, cosa promette e dove bisogna andarci piano.
Un ricettario uguale in ogni cucina
Partiamo dalle basi. Il DNA è come un enorme ricettario scritto con quattro lettere. Ogni cellula, cioè ognuno dei mattoncini minuscoli di cui è fatto il corpo, ne custodisce una copia completa.
Ogni cellula però cucina solo alcune ricette. Una cellula dell’intestino usa certe pagine, una del cervello ne usa altre. Le singole ricette si chiamano geni: istruzioni per costruire i pezzi che fanno funzionare la cellula.
Ora immagina un refuso in una ricetta. I genetisti lo chiamano variante: una lettera diversa da persona a persona. In una cucina dove quella ricetta non si usa, il refuso non fa nulla. In un’altra può rovinare il piatto.
C’è un dettaglio curioso. Circa il 98% del nostro DNA non contiene ricette vere e proprie. Somiglia piuttosto alle note a margine che dicono quando e quanto cucinare. Molte varianti legate alle malattie stanno proprio lì, ed è difficile capire cosa combinano.
Cosa fa di nuovo AlphaGenome 2
La prima versione, AlphaGenome, era uscita a giugno 2025 ed è stata pubblicata sulla rivista Nature a gennaio 2026. Dava risposte “in blocco”: diceva che un refuso guastava qualcosa, mescolando molti tessuti insieme.

La versione 2 fa una domanda più precisa. Il ricercatore le dà un pezzo di DNA, fino a un milione di lettere. Poi le indica in quale “cucina” ci troviamo: per esempio una cellula di difesa dell’intestino. L’AI prevede se quella ricetta verrà usata di più, di meno o come prima.
Prevede anche gli “interruttori” chimici attaccati al DNA, che accendono o spengono i geni. Gli scienziati li chiamano metilazione. Per imparare, il modello ha studiato oltre 107 milioni di schede di singole cellule, prese da 68 tessuti umani e di topo.
Un’altra novità: per una cellula in uno stato nuovo bastano i dati di qualche decina di cellule. Non serve rifare l’addestramento da capo.
I numeri, letti con calma
DeepMind ha messo alla prova il modello su 28 tipi di cellule del sistema immunitario, le “guardie” del corpo. Il compito era riconoscere le varianti davvero responsabili di un effetto.

Secondo l’azienda, AlphaGenome 2 ne individua il 30%, contro il 16% del miglior rivale: la prima versione, adattata per l’occasione, e altri programmi specializzati. Indovina anche la direzione dell’effetto, cioè se il gene si accende di più o di meno, nel 43% dei casi contro il 23%.
È un salto netto, ma guardalo dall’altro lato: in quel test circa sette varianti colpevoli su dieci restano ancora da trovare. E quei numeri li ha misurati DeepMind stessa: nessuno li ha ancora ricontrollati in modo indipendente.
Due esempi concreti
Il primo riguarda le malattie infiammatorie dell’intestino, come il morbo di Crohn. Uno studio pubblicato su Nature nel 2024 aveva scoperto che una variante “lontana” dal gene ETS2 lo rende iperattivo nei macrofagi, cellule “spazzine” del sistema immunitario presenti anche nell’intestino. AlphaGenome 2 ha ritrovato questo risultato solo con i calcoli.
Il secondo esempio usa dati raccolti dopo il vaccino a mRNA contro il Covid. Il modello ha distinto i linfociti T, altre cellule di difesa, quando sono “accesi” dal vaccino e quando sono a riposo. Ha anche mostrato che una variante legata al Covid grave disturba il lavoro dei geni molto di più nelle cellule accese. Così si capisce perché certe varianti pesano soprattutto quando il sistema immunitario entra in azione.
A cosa serve tutto questo? Gli studi genetici di massa trovano centinaia di zone del DNA sospette per malattie come il diabete di tipo 2. Un’AI così aiuta a fare una lista corta di candidati da verificare. Meno esperimenti al buio vuol dire tempo e soldi risparmiati.
I limiti da tenere a mente
Il lavoro è uscito come preprint sul sito bioRxiv. Un preprint è come la bozza di un libro che non è ancora passata dall’editor: altri scienziati non l’hanno ancora controllata. Non sappiamo se e dove verrà pubblicata.
La testata The Decoder fa notare che mancano verifiche indipendenti e che i successi in assoluto restano modesti. The Neuron aggiunge che ritrovare un risultato noto è un buon controllo. La vera prova sarà scoprire meccanismi nuovi, confermati poi in laboratorio.
Sulla prima versione, alcuni esperti interpellati dallo Science Media Centre spagnolo avevano già invitato alla prudenza. Robert Goldstone, del Francis Crick Institute di Londra, ha ricordato che il modello non vede l’ambiente in cui viviamo, che pure influenza i geni. Ben Lehner, del Wellcome Sanger Institute, ha osservato che un’AI vale quanto i dati con cui è stato addestrato, e in biologia sono spesso pochi e disordinati. Non è chiaro quanto la versione 2 superi questi limiti.
Tienilo a mente: DeepMind stessa scrive che il modello non è validato né approvato per diagnosi. Le sue previsioni vanno sempre controllate con esperimenti veri.
Del resto le AI possono sbagliare con grande sicurezza, come raccontavamo in Perché l’AI a volte inventa?. Anche le previsioni sul DNA restano ipotesi finché il laboratorio non le conferma.
Cosa puoi fare subito
- Leggi con spirito critico. Se un titolo parla di “AI che cura”, chiediti: è uno studio controllato da altri o un annuncio dell’azienda? È stato provato su persone o solo al computer?
- Cerca la parola “preprint”. Vuol dire che i risultati sono promettenti ma ancora da verificare.
- Parlane con il medico, non con l’AI. AlphaGenome 2 non legge il tuo DNA e non dà responsi personali. Se in famiglia c’è una malattia genetica, chiedi se ha senso una consulenza genetica.
- Se fai ricerca, puoi usarlo gratis per scopi non commerciali tramite l’AlphaGenome API, il servizio online con cui i programmi dei laboratori “interrogano” il modello. Ci sono anche tutorial interattivi. Fino al 30 novembre DeepMind invita a segnalare i propri progetti con AlphaGenome 2: quelli scelti saranno messi in vetrina e potranno ricevere più calcolo gratuito. Le aziende possono chiedere l’accesso a un’anteprima privata.
Fonti
- AlphaGenome 2: Deciphering how cells read DNA to better understand disease – Google DeepMind
- Preprint di AlphaGenome 2 – bioRxiv
- AlphaGenome 2: Google’s New AI Gets Better at Decoding Disease-Linked DNA – TechRepublic
- Google Deepmind shifts genomics AI from bulk tissue predictions to single cell type resolution with AlphaGenome 2 – The Decoder
- Google’s AlphaGenome 2 Wants to Find Where Disease Begins – The Neuron
- Google DeepMind AI Decodes the Genome a Million ‘Letters’ at a Time – SingularityHub
- AlphaGenome, an AI tool from Google, predicts the impact of variations in DNA – Science Media Centre España
Foto di copertina: ZEISS Microscopy from Germany, CC BY 2.0, via Wikimedia Commons (rielaborata da RicercAttiva).



