Une méthode d’IA révèle ce que les modèles génomiques apprennent à partir de l’ADN et expose les biais expérimentaux cachés

Des chercheurs de l’Institute Stowers for Medical Research ont mis au point une méthode d’interprétation qui montre, base par base, ce qu’un modèle d’apprentissage profond a appris à partir de l’ADN, et l’ont utilisée pour éliminer un biais expérimental caché des données génomiques. La méthode, nommée PISA, est décrite dans un article publié dans Nature Communications en août 2026 et annoncé par l’institut le 25 août 2026.

Les réseaux neuronaux séquence‑à‑fonction prennent l’ADN brut en entrée et prédisent le résultat des expériences génomiques, de la liaison des facteurs de transcription à l’organisation des nucléosomes. Ce qu’ils ne peuvent généralement pas expliquer, c’est la raison d’une prédiction donnée. PISA, abréviation de « pairwise influence by sequence attribution », retrace la prédiction d’un modèle à une position génomique précise jusqu’à chaque autre base qui l’a influencée, produisant une carte bidimensionnelle à résolution de base unique de ce que le modèle a appris, et non seulement de ce qu’il a prédit.

L’étude a été dirigée par Julia Zeitlinger au Stowers, en collaboration avec Anshul Kundaje de l’Université Stanford, Charles McAnany, chercheur Stowers AI, étant le premier auteur. PISA fonctionne au sein de BPReveal, la dernière extension du laboratoire de BPNet, un cadre d’apprentissage profond que l’équipe a d’abord développé en 2021.

Comment PISA sépare le biais expérimental de la biologie

L’équipe a appliqué PISA au MNase‑seq, une technique largement utilisée pour cartographier les nucléosomes, les structures formées lorsque l’ADN s’enroule autour des protéines histones. L’essai fonctionne en utilisant une enzyme qui coupe l’ADN exposé tout en laissant intact l’ADN protégé par les nucléosomes, mais l’enzyme préfère certaines séquences à d’autres. Les données contiennent donc deux signaux qui se chevauchent, et le modèle a appris les deux.

Parce que les outils d’interprétation antérieurs condensent l’influence de chaque base en une seule valeur, les effets positifs et négatifs peuvent s’annuler et disparaître. PISA conserve l’information à pleine résolution, et à cette résolution la préférence séquentielle de l’enzyme apparaît comme une empreinte distinctive sur les cartes. L’équipe a extrait cette signature mathématiquement, a entraîné un modèle séparé uniquement sur le biais, puis l’a soustrait, laissant un second modèle qui n’a appris que la biologie.

« C’est un peu comme la microscopie super‑résolution », a déclaré Zeitlinger dans l’annonce de l’institut. « Même les méthodes d’interprétation antérieures ont ouvert la boîte noire. Puis on réalise que l’on peut voir encore plus. Vous ajoutez des pixels et soudain vous voyez des choses que vous ne pouviez pas voir auparavant. »

La surprise cachée dans les données propres

Dans le modèle corrigé du biais, PISA a mis en évidence des séquences d’ADN qui aident à positionner les nucléosomes, avec des effets s’étendant sur des centaines de paires de bases dans les deux sens. Beaucoup étaient asymétriques, influençant un côté différemment de l’autre. Cette asymétrie a conduit l’équipe aux frontières de domaines chromatinés, les limites qui déterminent quelles séquences régulatrices peuvent atteindre quels gènes. Ces frontières sont généralement cartographiées avec des méthodes de chromatine 3D qui exigent une profondeur de séquençage énorme ; le modèle a fait apparaître des milliers d’entre elles à partir uniquement des données de nucléosomes, souvent avec une précision supérieure à celle permise par les données 3D, selon l’article.

L’équipe a ensuite utilisé les modèles centrés sur la biologie pour concevoir des séquences d’ADN synthétiques prédites pour organiser les nucléosomes en configurations spécifiques, et a testé expérimentalement un sous‑ensemble de ces conceptions. Les prédictions se sont avérées correctes, preuve que les règles apprises par le modèle peuvent générer des hypothèses testables plutôt que de simplement décrire les données existantes.

Ce travail s’inscrit dans un domaine qui investit massivement dans des modèles de séquence toujours plus grands. AlphaGenome de Google DeepMind, publié début 2026 et cité dans l’introduction de l’article PISA, prédit les effets des variantes régulatrices sur l’ensemble du génome. PISA aborde le problème complémentaire : une fois qu’un modèle fait de telles prédictions, comprendre quelles caractéristiques séquentielles il a réellement utilisées. La méthode s’est déjà propagée au-delà du laboratoire de Zeitlinger, mise en œuvre dans un logiciel distinct par un collaborateur et adoptée par la neuroscientifique du Stowers Neşet Özel pour une autre question biologique.

PISA en chiffres

• 2021 – le cadre d’apprentissage profond BPNet, fondement de PISA, développé pour la première fois par l’équipe
• 8 avril 2025 – préimpression de PISA publiée pour la première fois sur bioRxiv
• août 2026 – publication évaluée par les pairs dans Nature Communications
• Des centaines de paires de bases – la portée des séquences individuelles de positionnement de nucléosomes découvertes par les modèles
• Des milliers – frontières de domaines chromatinés identifiées uniquement à partir des données de nucléosomes

Les limites indiquées par les auteurs

Il s’agit d’un article de méthodes et de génomique, et sa pertinence pour les maladies constitue une orientation, pas un résultat. La plupart des variations génétiques associées aux maladies se situent dans l’ADN régulateur plutôt que dans les gènes, et Zeitlinger précise que placer une variante dans un site de liaison ou à une frontière de domaine propose un mécanisme sans produire de médicament. Le travail a également nécessité un laboratoire à la fois compétent en apprentissage profond et en biologie expérimentale, et Zeitlinger désigne cette double expertise comme le fossé persistant du domaine, plutôt que la puissance de calcul.

Les séquences d’ADN conçues n’ont été validées que pour un sous‑ensemble testé expérimentalement, et la démonstration de correction du biais de l’article est spécifique au MNase‑seq, bien que les auteurs montrent que PISA a été appliqué à plusieurs types de données. L’historique des révisions de la préimpression montre que l’analyse des domaines chromatinés a été ajoutée lors de l’évaluation par les pairs, après une version révisée publiée le 5 janvier 2026.

Ce que ce travail établit désormais, c’est une méthode pour auditer ce que les modèles génomiques absorbent de leurs données d’entraînement, corriger les parties provenant de l’expérience plutôt que de la biologie, et extraire des règles séquentielles suffisamment précises pour être conçues et testées sur des systèmes vivants.