Podemos leer una secuencia de ADN y localizar dónde cambia una de sus letras. Lo difícil viene después: saber qué consecuencias tiene ese cambio. Muchas variantes apenas modifican el funcionamiento celular, mientras que otras pueden afectar a procesos relacionados con la actividad de los genes y, en determinados casos, con enfermedades. La genética lleva años intentando separar unas de otras, pero hay un límite evidente: el número de variantes posibles es demasiado grande como para estudiar experimentalmente cada una de ellas por separado.
Google DeepMind acaba de llevar ese problema a una escala difícil de imaginar. Su nuevo AlphaGenome Atlas reúne predicciones sobre los efectos moleculares de más de 9.000 millones de variantes de un solo nucleótido, es decir, todas las sustituciones posibles de una única letra del genoma humano. La cifra se entiende mejor si pensamos que, en cada posición, la base presente puede cambiarse por cualquiera de las otras tres. El resultado no es un catálogo de mutaciones observadas en personas, sino un mapa predictivo generado por IA sobre qué efectos moleculares podría tener cada una de esas posibilidades.
Un mapa predictivo del genoma
Lo que DeepMind ha hecho es convertir las predicciones de AlphaGenome en un recurso que pueda explorarse a escala del genoma. Según explican en una publicación oficial, el Atlas reúne estimaciones sobre múltiples procesos moleculares, desde la expresión génica y el splicing hasta la accesibilidad de la cromatina, con predicciones para cientos de tipos celulares y tejidos humanos y de ratón. El volumen da una idea de la escala: el conjunto ocupa cerca de un petabyte. La novedad práctica es que esas predicciones ya están calculadas y pueden consultarse directamente desde una interfaz web.
Para ayudar a separar qué variantes merecen atención primero, DeepMind ha añadido una nueva capa: el AlphaGenome Variant Impact, o AVI. Esta puntuación combina las predicciones de AlphaGenome con las de AlphaMissense, el modelo de la compañía especializado en variantes que alteran aminoácidos de las proteínas, y resume su posible impacto en un único valor.
La utilidad del Atlas empieza a verse cuando se aplica a preguntas muy concretas. En colaboración con el consorcio GREGoR, investigadores del Broad Institute y sus colegas utilizaron el AVI para priorizar variantes en enfermedades raras y localizaron una alteración en DNM1 que había pasado desapercibida en investigaciones anteriores; las predicciones indicaban que creaba un sitio de splicing incorrecto, un efecto que después fue validado experimentalmente. Por otra parte, Gareth Hawkes, investigador de la Universidad de Exeter, aplicó el Atlas a datos genómicos de más de 54.000 participantes del UK Biobank y, de acuerdo con DeepMind, logró detectar un 22% más de asociaciones genéticas no codificantes que de otro modo habrían quedado ocultas en el ruido estadístico.
Recordemos que este trabajo no empieza con el Atlas. DeepMind lleva años aplicando IA a distintos problemas de genética: en 2021 presentó Enformer, centrado en predecir cómo una secuencia de ADN puede influir en la regulación génica; en 2023 llegó AlphaMissense, orientado a estimar el impacto de variantes que alteran proteínas; y en 2025 presentó AlphaGenome, capaz de anticipar múltiples efectos moleculares a partir de secuencias largas de ADN. Lo que vemos ahora es el siguiente paso: llevar esa capacidad a escala del genoma y dejar sus predicciones precalculadas para que puedan consultarse directamente.
Frente a un espacio inmenso de variantes posibles, el Atlas ofrece una forma de priorizar cuáles parecen más interesantes y qué procesos podrían estar alterando antes de llevarlas al laboratorio. Es ahí donde encaja mejor el salto que propone DeepMind: la IA puede ayudarnos a decidir dónde mirar primero, pero sigue haciendo falta comprobar después si aquello que predice ocurre realmente en sistemas biológicos. El propio DeepMind advierte, además, de que AlphaGenome no ha sido validado para uso clínico.
Imágenes | Google DeepMind
-
La noticia La IA de Google acaba de dar un salto en genética: ha trazado un mapa predictivo de 9.000 millones de cambios del ADN fue publicada originalmente en Xataka por Javier Marquez .
☞ El artículo completo original de Javier Marquez lo puedes ver aquí
