Google DeepMind ha presentado AlphaGenome 2, una nueva versión de su modelo de inteligencia artificial para interpretar el genoma, capaz de predecir cómo una variante genética altera tipos concretos de células. La compañía lo explica en un artículo del 17 de noviembre en el que Žiga Avsec, científico de Google DeepMind que dirige su iniciativa de genómica, detalla también cómo AlphaGenome Atlas, una base de datos con predicciones para todos los cambios posibles de una sola letra del ADN, ya ayuda a investigadores a resolver casos de enfermedades raras.
Las claves de AlphaGenome y la investigación de enfermedades en 30 segundos
- AlphaGenome analiza fragmentos de un millón de pares de bases y hace miles de predicciones sobre su función.
- AlphaGenome Atlas, de septiembre de 2026, recoge predicciones para los 9.000 millones de cambios posibles de una letra.
- AlphaGenome 2 predice el efecto de las variantes en tipos de células concretos.
- El Broad Institute lo usó para localizar una variante clave en un caso de enfermedad rara sin resolver.
- DeepMind insiste en que las predicciones deben confirmarse en el laboratorio.

El problema: millones de variantes por persona
El genoma humano tiene unos 3.000 millones de pares de bases, y una persona puede presentar alrededor de 4 millones de variantes respecto a la secuencia de referencia. La mayoría son inocuas, y el reto para los médicos y los investigadores es encontrar las pocas que explican una enfermedad. AlphaGenome, que DeepMind lanzó en junio de 2025, toma una secuencia de ADN de un millón de pares de bases y hace miles de predicciones sobre cómo funciona, incluido el efecto que tendría cambiar una letra.
En septiembre de 2026, DeepMind dio un paso más con AlphaGenome Atlas, un conjunto de datos con el resultado previsto para los 9.000 millones de cambios posibles de una sola letra en el genoma. Cada variante recibe una puntuación única, AVI (AlphaGenome Variant Impact), que resume su posible impacto en todo el genoma.
AlphaGenome 2: del tejido a la célula
La primera versión se entrenó sobre todo con datos de tejidos completos o de líneas celulares, lo que limitaba su precisión a la hora de decir qué células concretas se ven afectadas. AlphaGenome 2 se centra precisamente en esa especificidad: intenta predecir cómo una variante altera tipos individuales de células para ayudar a identificar qué células impulsan una enfermedad. El artículo no da fecha concreta de lanzamiento ni detalla las condiciones de acceso, aunque enlaza a las páginas del modelo y del Atlas en la web de DeepMind.
Casos reales: enfermedades raras y obesidad
Google cita dos ejemplos de investigadores que ya lo usan. Laura Covill, del Broad Institute, aplicó la puntuación AVI a casos de enfermedades raras sin diagnóstico, y el Atlas señaló una variante crítica en un gen relacionado con trastornos del neurodesarrollo, que respaldó la investigación que acabó resolviendo el caso. Gareth Hawkes, de la Universidad de Exeter, redujo mil millones de variantes al 1 % más relevante e identificó 19 grupos de variantes asociados al índice de masa corporal.
DeepMind también apunta a usos en el descubrimiento de fármacos, para identificar y validar dianas terapéuticas, y fuera de la salud, por ejemplo en la mejora de cultivos resistentes al clima. Avsec reconoce, eso sí, que la herramienta es todavía muy nueva: las medidas de confianza de sus predicciones siguen en investigación, aunque los primeros análisis indican que los efectos que predice con fuerza son muy precisos. Las predicciones deben interpretarse junto con otras fuentes y confirmarse con experimentos de laboratorio.
Preguntas frecuentes
¿Qué es AlphaGenome?
Un modelo de IA de Google DeepMind que analiza secuencias de ADN de un millón de pares de bases y predice cómo funcionan y cómo les afectan los cambios genéticos.
¿Qué aporta AlphaGenome 2?
Predice el efecto de las variantes genéticas en tipos concretos de células, no solo en tejidos completos.
¿Sustituye a las pruebas de laboratorio?
No. DeepMind recomienda interpretar sus predicciones junto a otras fuentes y confirmarlas con experimentos.
Fuentes:













