Google DeepMind ha desarrollado AlphaGenome Atlas, una herramienta basada en inteligencia artificial que predice los efectos moleculares de más de 9.000 millones de variantes de un solo nucleótido en el genoma humano. Este atlas no cataloga mutaciones observadas, sino que ofrece un mapa predictivo sobre las posibles consecuencias de cada sustitución de una única letra del ADN. Su objetivo es ayudar a la genética a priorizar qué variantes merecen atención, dada la inmensa cantidad de combinaciones posibles.
Aunque es posible identificar cambios en la secuencia de ADN, determinar sus consecuencias es un desafío. Muchas variantes tienen un impacto mínimo en la función celular, mientras que otras pueden influir en procesos genéticos e incluso en enfermedades. La genética ha buscado diferenciar estas variantes durante años, pero el vasto número de posibilidades dificulta el estudio experimental individual de cada una.
Google DeepMind ha abordado este problema a una escala sin precedentes con su nuevo AlphaGenome Atlas. Esta herramienta reúne predicciones sobre los efectos moleculares de más de 9.000 millones de variantes de un solo nucleótido, cubriendo todas las sustituciones posibles de una única letra en el genoma humano. Esta cifra se comprende mejor al considerar que, en cada posición, la base presente puede ser reemplazada por cualquiera de las otras tres. El resultado no es un registro de mutaciones ya observadas en personas, sino un mapa predictivo generado por IA que detalla los posibles efectos moleculares de cada una de estas eventualidades.
DeepMind ha transformado las predicciones de AlphaGenome en un recurso explorable a nivel genómico. Según una publicación oficial, el Atlas incluye estimaciones sobre diversos procesos moleculares, como la expresión génica, el splicing y la accesibilidad de la cromatina, con predicciones para cientos de tipos celulares y tejidos humanos y de ratón. El volumen total de este conjunto de datos asciende a aproximadamente un petabyte. La ventaja práctica es que estas predicciones ya están calculadas y pueden ser consultadas directamente a través de una interfaz web.
Para facilitar la identificación de las variantes que requieren mayor atención, DeepMind ha introducido una capa adicional denominada AlphaGenome Variant Impact (AVI). Esta puntuación integra las predicciones de AlphaGenome con las de AlphaMissense, un modelo de la compañía especializado en variantes que modifican aminoácidos de las proteínas, y resume su potencial impacto en un único valor.
La utilidad del Atlas se evidencia al aplicarse a preguntas específicas. En colaboración con el consorcio GREGoR, investigadores del Broad Institute y sus colegas emplearon el AVI para priorizar variantes en enfermedades raras, logrando identificar una alteración en DNM1 que había pasado desapercibida en estudios previos. Las predicciones indicaron que esta alteración creaba un sitio de splicing incorrecto, un efecto que posteriormente fue confirmado experimentalmente. Asimismo, Gareth Hawkes, investigador de la Universidad de Exeter, aplicó el Atlas a datos genómicos de más de 54.000 participantes del UK Biobank y, según DeepMind, consiguió detectar un 22% más de asociaciones genéticas no codificantes que de otro modo habrían permanecido ocultas en el ruido estadístico.
Es importante destacar que este trabajo se basa en desarrollos previos de DeepMind en la aplicación de IA a la genética. En 2021, la compañía lanzó Enformer, enfocado en predecir cómo una secuencia de ADN puede influir en la regulación génica. En 2023, presentó AlphaMissense, diseñado para estimar el impacto de variantes que alteran proteínas. Finalmente, en 2025, llegó AlphaGenome, capaz de anticipar múltiples efectos moleculares a partir de secuencias largas de ADN. Lo que se presenta ahora es el siguiente paso: escalar esta capacidad a nivel genómico y proporcionar predicciones precalculadas para su consulta directa.
Frente a la inmensa cantidad de variantes posibles, el Atlas ofrece un método para priorizar cuáles parecen más relevantes y qué procesos podrían estar alterando antes de llevarlas al laboratorio. En este contexto, el avance propuesto por DeepMind cobra sentido: la IA puede orientarnos sobre dónde enfocar la investigación, pero sigue siendo fundamental verificar experimentalmente si las predicciones se corresponden con la realidad en sistemas biológicos. DeepMind también advierte que AlphaGenome no ha sido validado para uso clínico.
