Google DeepMind presentó AlphaGenome 2, un modelo de inteligencia artificial diseñado para ayudar a los científicos a comprender cómo pequeñas variaciones en el ADN pueden influir en la actividad de los genes y contribuir al desarrollo de enfermedades. La herramienta representa un avance en la investigación genética porque permite estudiar los efectos de estas modificaciones en tipos específicos de células, en lugar de limitarse a observar el comportamiento general de un tejido.
El modelo fue anunciado el 11 de noviembre de 2026 y se entrenó con más de 100 millones de perfiles celulares procedentes de 68 tejidos. Según sus desarrolladores, puede identificar casi el doble de variantes genéticas relacionadas con cambios en la expresión de los genes frente a su versión anterior.
¿Qué es AlphaGenome 2 y para qué sirve?
AlphaGenome 2 es un modelo de aprendizaje profundo desarrollado por Google DeepMind para analizar secuencias de ADN y predecir cómo determinadas variaciones pueden modificar el funcionamiento de los genes.
Para entender su importancia, hay que considerar que prácticamente todas las células del cuerpo humano contienen el mismo ADN, pero no todas utilizan la misma información genética. Una célula del corazón activa genes diferentes a los de una neurona o una célula del sistema inmunológico.
Este proceso se conoce como expresión genética y determina qué genes se activan o permanecen inactivos en cada célula. Las alteraciones en estos mecanismos pueden participar en el desarrollo de enfermedades y otros cambios biológicos.
AlphaGenome 2 busca identificar cómo una modificación específica del ADN puede alterar esa actividad dependiendo del tipo de célula. Esto podría ayudar a los investigadores a encontrar señales genéticas que pasan inadvertidas cuando se analizan tejidos completos.
¿Cómo funciona la inteligencia artificial de Google?
El modelo recibe como información una secuencia de ADN de hasta un millón de letras, junto con datos sobre el tipo de célula o estado biológico que se desea estudiar.
A partir de esos elementos, genera predicciones sobre diferentes procesos moleculares, como la expresión genética, la accesibilidad de la cromatina, las modificaciones de histonas y la metilación del ADN.
Estos procesos permiten comprender cómo se organiza el material genético y qué mecanismos intervienen para activar o regular determinados genes.
Una de las diferencias más importantes respecto a la primera versión de AlphaGenome es que ahora puede concentrar su análisis en una condición biológica específica. Esto permite estudiar, por ejemplo, cómo se comporta una variante genética en una célula inmunitaria durante una infección o en un estado particular relacionado con una enfermedad.
Además, AlphaGenome 2 puede aprovechar información de nuevos experimentos de células individuales sin necesidad de entrenar nuevamente todo el modelo. Esta característica podría facilitar el análisis de muestras que contienen información biológica todavía no estudiada en profundidad.
AlphaGenome 2 puede identificar más variantes genéticas relacionadas con enfermedades
Uno de los avances destacados por Google DeepMind es su capacidad para detectar variantes genéticas que modifican la actividad de los genes en células específicas.
En las evaluaciones realizadas con el conjunto de datos TenK10K, que contiene información de 28 tipos de células inmunitarias humanas, AlphaGenome 2 identificó el 30% de las variantes causales evaluadas. La versión anterior, ajustada para trabajar con datos de células individuales, alcanzó el 16%.
También mejoró en la predicción de la dirección de los efectos genéticos, es decir, si una variante aumenta o disminuye la actividad de determinados genes. En esta evaluación obtuvo un resultado del 43%, frente al 23% de su antecesor.
Estas cifras corresponden a pruebas específicas y no significan que el modelo pueda identificar todas las variantes responsables de una enfermedad. Sin embargo, muestran una mejora en su capacidad para orientar investigaciones genéticas.
¿Qué enfermedades podría ayudar a investigar?
AlphaGenome 2 no está diseñado para estudiar una sola enfermedad. Su utilidad potencial abarca distintas condiciones en las que las variaciones genéticas y la regulación de los genes desempeñan un papel importante.
Entre las áreas de investigación que podrían beneficiarse se encuentran:
-
Enfermedades autoinmunes: puede ayudar a estudiar cómo determinadas variantes modifican la actividad de células inmunitarias relacionadas con respuestas inflamatorias.
-
Diabetes tipo 2: permite investigar señales genéticas asociadas con procesos metabólicos y la actividad de células específicas.
-
Enfermedades inflamatorias intestinales: puede ayudar a identificar variantes que alteran la actividad genética de células presentes en los tejidos del intestino.
-
Enfermedades raras: ofrece herramientas para priorizar modificaciones genéticas que podrían estar relacionadas con alteraciones biológicas poco frecuentes.
-
Investigación de infecciones: permite estudiar cómo cambia la actividad de los genes en células inmunitarias durante una respuesta frente a determinados agentes infecciosos.
Su principal aportación consiste en ayudar a los científicos a relacionar una variante genética con el tipo de célula en el que podría tener consecuencias.
¿En qué se diferencia AlphaGenome 2 de AlphaGenome?
Google DeepMind ya había desarrollado una primera versión de AlphaGenome, enfocada en predecir cómo las variaciones del ADN afectan distintos procesos moleculares en tejidos y líneas celulares.
También presentó AlphaGenome Atlas, una plataforma que reúne predicciones sobre los aproximadamente 9,000 millones de posibles cambios de una sola letra en el genoma humano.
La segunda generación modifica el enfoque del análisis. En lugar de producir predicciones generales para diferentes tejidos de manera simultánea, permite estudiar una condición celular específica y adaptar sus resultados a esa información.
| Característica | AlphaGenome | AlphaGenome 2 |
|---|---|---|
| Enfoque | Predicciones en tejidos y líneas celulares | Predicciones específicas por tipo y estado celular |
| Datos de entrenamiento | Datos moleculares de distintos tejidos | Más de 100 millones de perfiles celulares |
| Análisis de variantes | Efectos genéticos generales | Efectos en células específicas |
| Nuevos estados celulares | Capacidad más limitada | Puede trabajar con nuevos datos sin reentrenamiento completo |
Esta evolución busca acercar la investigación genética a una comprensión más detallada de lo que ocurre dentro de cada población celular.
¿AlphaGenome 2 podrá diagnosticar enfermedades?
Aunque sus capacidades representan un avance para la investigación científica, AlphaGenome 2 no es una herramienta de diagnóstico médico ni está aprobado para utilizarse directamente en la atención de pacientes.
Su función consiste en generar predicciones que permitan a los investigadores identificar posibles relaciones entre variantes genéticas, actividad celular y enfermedades. Esos resultados necesitan contrastarse mediante experimentos y otras investigaciones.
Google DeepMind señala que el modelo está disponible para investigación no comercial mediante su API AlphaGenome, mientras que el acceso para proyectos comerciales se encuentra en una fase privada de prueba.
Por lo tanto, sus resultados no deben interpretarse como diagnósticos, pronósticos individuales ni recomendaciones de tratamiento.
La inteligencia artificial amplía las posibilidades de la investigación genética
El desarrollo de AlphaGenome 2 forma parte de una tendencia en la que la inteligencia artificial se utiliza para analizar grandes cantidades de información biológica y acelerar la generación de hipótesis científicas.
Su capacidad para estudiar cómo las variantes genéticas actúan en células específicas podría ayudar a los investigadores a comprender por qué una misma modificación del ADN tiene consecuencias diferentes dependiendo del tejido o del estado biológico.
Aunque todavía queda trabajo experimental antes de trasladar estos avances a aplicaciones clínicas, herramientas como AlphaGenome 2 ofrecen nuevas posibilidades para investigar los mecanismos que intervienen en enfermedades complejas y mejorar el conocimiento sobre el funcionamiento del genoma humano.
