El genoma humano contiene aproximadamente 3.000 millones de pares de bases. En cualquiera de esas posiciones, una de las letras químicas que componen el ADN puede ser sustituida por otra. Hacer experimentalmente todas las combinaciones posibles sería sencillamente inviable. Así que Google DeepMind decidió calcularlas.
La compañía ha presentado AlphaGenome Atlas , una gigantesca base de datos en la que su inteligencia artificial ha predicho las consecuencias moleculares de más de 9.000 millones de variantes de un solo nucleótido, esencialmente todas las sustituciones de una letra posibles en el genoma humano de referencia. El resultado ocupa alrededor de un petabyte, más de 30 veces el tamaño de la base de datos de AlphaFold. La idea no es decir qué enfermedad tendrá una persona mirando una mutación . Es bastante más concreta: ayudar a responder una de las preguntas más difíciles de la genética actual, qué cambia dentro de una célula cuando cambia una letra determinada de nuestro ADN.
El 98% del genoma es precisamente la parte más difícil © DrBib. AlphaGenome ya existía. Google DeepMind presentó el modelo en 2025 y su investigación fue publicada posteriormente en Nature . Puede procesar secuencias de hasta un millón de pares de bases y predecir miles de señales biológicas: expresión de genes, empalme de ARN, accesibilidad de la cromatina, unión de factores de transcripción o incluso interacciones tridimensionales dentro del genoma.
En pruebas publicadas, igualó o superó a los modelos de referencia en 25 de 26 evaluaciones de efectos de variantes. AlphaGenome Atlas lleva esa idea a otra escala: en lugar de pedirle al modelo que analice una variante cada vez, DeepMind precalculó prácticamente todas las sustituciones posibles. Esto importa especialmente fuera de los genes que fabrican proteínas. Solo alrededor del 2% del genoma codifica directamente proteínas; buena parte de la dificultad está en interpretar las regiones no codificantes, donde pueden encontrarse secuencias encargadas de regular cuándo, dónde y cuánto se activa un gen.
Nueve mil millones de resultados no sirven de mucho si no sabes dónde mirar © Google DeepMind. Para resolver ese problema, DeepMind creó el AlphaGenome Variant Impact o AVI score , una puntuación que intenta resumir cuánto podría alterar cada variante la biología molecular. El sistema combina información de AlphaGenome con AlphaMissense, el modelo de DeepMind especializado en cambios que afectan a proteínas . Además de asignar una puntuación, intenta explicar qué puede estar alterándose: por ejemplo, el splicing del ARN, la expresión de un gen o la accesibilidad de determinadas regiones del ADN.
Y ya existen ejemplos de para qué puede servir. Investigadores del Broad Institute utilizaron sus puntuaciones para estudiar casos de enfermedades raras todavía sin explicación. En uno relacionado con el gen DNM1, AlphaGenome señaló una variante que parecía crear un lugar incorrecto de corte y empalme del ARN. Experimentos posteriores confirmaron el efecto predicho.
En otro trabajo, científicos de la Universidad de Exeter aplicaron Atlas a datos genómicos de más de 54.000 participantes del UK Biobank . En uno de los análisis pudieron reducir 526 variantes candidatas a solo cuatro especialmente interesantes para estudiar su relación con niveles de proteínas en sangre. Sigue siendo un mapa de predicciones, no una respuesta definitiva sobre nuestro ADN © Getty Images / tonaquatic. Ese matiz es fundamental.
AlphaGenome Atlas no ha realizado 9.000 millones de experimentos biológicos. Ha realizado 9.000 millones de predicciones computacionales basándose en patrones aprendidos de datos experimentales. Una puntuación elevada puede decirle a un investigador «mira aquí primero», pero no sustituye las pruebas de laboratorio ni demuestra automáticamente que una variante cause una enfermedad. La propia DeepMind presenta Atlas como una herramienta para priorizar hipótesis y acelerar la investigación.
El trabajo específico sobre Atlas está actualmente descrito en un preprint , mientras que el modelo AlphaGenome en el que se apoya sí cuenta ya con publicación revisada por pares en Nature . La comparación inevitable es AlphaFold. Aquella herramienta intentó responder cómo se pliegan las proteínas y terminó convirtiendo millones de predicciones en un recurso científico consultable. Con AlphaGenome Atlas, DeepMind intenta algo parecido con una pregunta mucho más grande : si cambiamos una de las miles de millones de letras posibles de nuestro ADN, ¿qué empieza a funcionar de manera diferente?