Google DeepMind publica AlphaGenome Atlas con predicciones para 9.000 millones de variantes del ADN

Google DeepMind presentó el 8 de septiembre AlphaGenome Atlas, un catálogo de predicciones sobre los efectos moleculares de aproximadamente 9.000 millones de cambios posibles de una sola letra en el genoma humano. El recurso reúne un petabyte de datos y permite consultar resultados precalculados, en lugar de ejecutar el modelo por separado para cada variante que un investigador quiera estudiar.

La plataforma está disponible para uso no comercial mediante un portal web. DeepMind también anunció acceso mediante la API de AlphaGenome y una habilidad para su plataforma de agentes Google Antigravity. La disponibilidad comercial del Atlas en Google Cloud llegará «pronto», según la compañía, que no precisó una fecha en el anuncio.

Un catálogo de predicciones, no de diagnósticos

El genoma humano contiene alrededor de 3.000 millones de pares de bases. En cada posición, una letra del ADN puede sustituirse por otras tres, lo que explica la escala de las variantes contempladas. El Atlas no representa 9.000 millones de mutaciones observadas en pacientes ni comprobadas individualmente en laboratorio: contiene predicciones computacionales de sus posibles consecuencias moleculares.

La novedad no es un reemplazo del modelo AlphaGenome, presentado anteriormente, sino el cálculo y la organización de sus resultados a escala del genoma. En declaraciones recogidas por The Verge, el responsable de genómica de DeepMind, Žiga Avsec, explicó que precalcular y analizar un espacio tan amplio de variantes requirió tiempo adicional después de publicar el modelo.

El catálogo incluye regiones que codifican proteínas y regiones no codificantes, que pueden regular cómo se activan los genes. Sus resultados abarcan procesos como la expresión genética, el procesamiento del ARN y la accesibilidad de la cromatina, con información para distintos tejidos y tipos celulares.

Una puntuación para ordenar qué investigar

Junto con el Atlas, DeepMind presentó AlphaGenome Variant Impact, o AVI. Esta puntuación combina información de AlphaGenome y AlphaMissense, el modelo de la compañía dedicado a variantes que alteran proteínas, para ayudar a priorizar cambios genéticos por su impacto previsto.

AVI no se limita a mostrar un número. El recurso también ofrece atribuciones que descomponen qué características biológicas contribuyen a la puntuación. Así, un equipo puede explorar si una señal está relacionada con alteraciones previstas del procesamiento del ARN, la expresión de un gen u otros mecanismos, antes de diseñar pruebas experimentales.

En el video oficial «AlphaGenome Atlas: Understanding the human genome», publicado el 8 de septiembre, investigadores describen el objetivo práctico como reducir la cantidad de candidatos que deben examinar. La demostración presenta el navegador web como una vía de acceso para biólogos que no necesariamente programan. La facilidad de consulta cambia el acceso a las predicciones, pero no elimina la necesidad de interpretarlas con contexto biológico.

Primeros usos y límites de la evidencia

DeepMind describió una colaboración con investigadores del Broad Institute y el consorcio GREGoR para priorizar variantes en investigación de enfermedades raras. Según el anuncio, el análisis identificó una variante del gen DNM1 que generaba un sitio de procesamiento incorrecto del ARN; pruebas experimentales respaldaron esa predicción concreta. Ese resultado no valida automáticamente todas las entradas del catálogo.

Otro ejemplo procede del investigador Gareth Hawkes, de la Universidad de Exeter, que aplicó el recurso a datos de más de 54.000 participantes del UK Biobank. DeepMind informa que agrupar variantes raras según sus efectos moleculares previstos permitió detectar un 22 % más de asociaciones genéticas no codificantes. La cifra describe ese análisis, no una mejora general demostrada para cualquier enfermedad o población.

El límite clínico es explícito: DeepMind advierte que AlphaGenome no está validado ni aprobado para uso clínico y que la información del Atlas no sustituye asesoramiento, diagnóstico o tratamiento médico. La publicación abre una herramienta para formular y priorizar hipótesis; no anuncia una prueba diagnóstica ni tratamientos nuevos.

Para los laboratorios, el cambio concreto es disponer de predicciones organizadas y consultables sin repetir todo el cálculo. El valor científico dependerá de cuáles resistan la validación experimental, cómo se interpreten en cada contexto y qué preguntas nuevas permitan abordar.

Fuentes: Google DeepMind — Leer Más ; The Verge — Leer Más ; video oficial de Google DeepMind — Leer Más