Google DeepMind abre AlphaGenome Atlas, que estima el efecto de 9.000 millones de mutaciones del ADN humano

Laura Covill y Anne O'Donnell-Luria, del Broad Institute, volvieron sobre casos de enfermedades raras que seguían sin resolver y dieron con una variante en el gen DNM1 que los estudios anteriores habían pasado por alto. La pista salió de AlphaGenome Atlas, el mapa que Google DeepMind abrió el 8 de septiembre de 2026 con predicciones para los nueve mil millones de cambios de una sola letra posibles en el genoma humano: un petabyte de datos, gratis para la investigación académica.

DNM1 es un gen fuertemente ligado a la encefalopatía epiléptica. El equipo, que trabajó junto con el consorcio de enfermedades raras GREGoR, no se quedó con el número que ordenaba a los candidatos. Las predicciones que había detrás mostraban cómo actuaba la variante: creaba un sitio de empalmeProceso por el que la célula corta y une los fragmentos de la copia de un gen antes de usarla para fabricar una proteína. Si falla, la proteína resultante puede salir alterada. erróneo, una falla en las instrucciones genéticas de la célula, que estiraba de forma anormal la proteína resultante. Según el blog de DeepMind, los experimentos de laboratorio confirmaron la predicción y encontraron otras variantes cercanas con efectos parecidos.

Un número para cada letra del genoma

AlphaGenome, el modelo de inteligencia artificial que DeepMind presentó en junio de 2025, ya se usaba en investigación, pero de a una variante por vez. El atlas cambia la escala: la empresa corrió el modelo sobre todos los cambios posibles y guardó los resultados. La razón, según DeepMind, es una cuenta sencilla. Con unos nueve mil millones de mutaciones posibles, probar cada una en el laboratorio es prácticamente imposible. El conjunto resultante es más de treinta veces más grande que la base de datos de AlphaFold, el antecedente que la compañía cita como inspiración.

Cada variante trae miles de predicciones sobre cómo altera la regulación de los genes en cientos de tipos de células y tejidos humanos y de ratón. Encima de eso está el puntaje AVI, por AlphaGenome Variant Impact, que resume todo en un solo número para ordenar las variantes por su impacto probable. Combina AlphaGenome con AlphaMissense, el modelo de DeepMind que evalúa los cambios que alteran proteínas, y funciona tanto en el 2% del genoma que codifica proteínas como en el 98% restante, el ADN no codificanteParte del genoma que no contiene instrucciones para fabricar proteínas. Incluye regiones que regulan cuándo, dónde y cuánto se activa cada gen., donde según la empresa está la mayoría de las variantes asociadas a rasgos.

La novedad está en esa parte no codificante, la más difícil de interpretar. Cada puntaje viene desglosado según el proceso que la variante alteraría, como el empalme o la expresión de un gen, y el atlas suma una colección de más de 2.500 secuencias cortas que se repiten, las "palabras" del genoma, en la expresión de DeepMind. La empresa asegura que el AVI tiene el mejor rendimiento de su clase en varias pruebas de referencia. Según TechTimes, en casos de enfermedades raras ya resueltos del consorcio GREGoR, el AVI ubicó la variante causante entre los cincuenta primeros candidatos en casi tres de cada diez casos, frente a uno de cada ocho de CADD, el sistema de puntaje genómico más usado.

Del navegador al laboratorio

Los otros dos ensayos previos al lanzamiento miran problemas distintos. Gareth Hawkes, becario del Medical Research Council en la Universidad de Exeter, aplicó el atlas a los genomas completos de más de 54.000 participantes del UK Biobank, el gran banco de datos genéticos británico. Al agrupar las variantes raras según su efecto molecular predicho, encontró un 22% más de asociaciones genéticas en el ADN no codificante, señales que de otro modo quedaban tapadas por el ruido estadístico. Entre ellas aparecieron variantes que regulan los niveles de dos proteínas en sangre: PLA2G7, vinculada al envejecimiento, y EGLN1, un sensor de oxígeno de las células. Concentrado en el 1% de variantes que el atlas considera de mayor impacto, Hawkes también identificó 19 regiones genéticas relacionadas con el índice de masa corporal.

En el Stowers Institute for Medical Research, Julia Zeitlinger y Melanie Weilert usaron la colección de secuencias para separar los factores de transcripciónProteínas que se unen a secuencias específicas del ADN y ayudan a encender o apagar genes. que solo cambian el acceso al ADN de los que además encienden y apagan genes.

El atlas se consulta desde un portal web, desde la API de AlphaGenome, su interfaz de programación, y como habilidad en Google Antigravity, el entorno de Google pensado para trabajar con agentes de IASistema de inteligencia artificial que actúa de forma autónoma para cumplir una tarea, por ejemplo usando programas o conectándose a internet, sin intervención humana en cada paso.. Según TechTimes, cualquier investigador del mundo puede buscar una mutación desde el navegador, sin programar y sin un clúster de procesadores gráficos. Para los laboratorios de genética de América Latina que hacen investigación académica, eso significa trabajar con el mismo recurso que el Broad Institute o Exeter sin pagar licencias.

Un puntaje alto no prueba una causa

DeepMind aclara que AlphaGenome no fue validado ni está aprobado para ningún uso clínico, y que la información del atlas no reemplaza el consejo, el diagnóstico ni el tratamiento médico. La propia empresa presenta el atlas como "una base y no un punto de llegada", y anticipa que los mapas ganarán precisión a medida que mejoren sus modelos.

PharmTech Archive pone el límite con más detalle: un puntaje alto, un efecto molecular predicho, una asociación estadística y una causa de enfermedad son tipos de evidencia distintos. El medio describe el atlas como una capa para decidir qué probar primero, lejos de una hoja de respuestas sobre causalidad genética. El caso DNM1 lo ilustra, porque el gen ya tenía una relación conocida con la encefalopatía epiléptica: el aporte fue rescatar una variante olvidada y proponer un mecanismo que se podía comprobar. Y el 22% de Exeter, agrega, mide cuántas asociaciones estadísticas más aparecieron en ese análisis, no cuánto más preciso es el modelo.

Carl de Boer, genetista de la Universidad de Columbia Británica, le dijo a la revista IEEE Spectrum, según cita TechTimes, que el atlas "tiene un uso claro", pero que probablemente se lo va a "malinterpretar con facilidad". TechTimes suma límites concretos: el modelo mira ventanas de un millón de letras de ADN, y algunas regiones reguladoras actúan a distancias mayores; además, el AVI evalúa cada variante por separado, mientras que enfermedades comunes como la diabetes tipo 2 o el Alzheimer dependen de decenas o cientos de variantes que interactúan.

El uso comercial del atlas llegará más adelante a Google Cloud, donde el modelo base ya se ofrece a empresas; DeepMind no dio una fecha. Hasta entonces, y también después, cada variante que el atlas pone arriba de la lista sigue siendo una hipótesis que hay que confirmar en el laboratorio.