AlphaGenome lleva la IA de DeepMind al ADN no codificante

El 25 de junio de 2025, Google DeepMind presentó AlphaGenome para predecir efectos de variantes sobre señales reguladoras. La fuente original sostiene el núcleo documental del hecho; una predicción molecular no es diagnóstico clínico ni prueba de causalidad para una persona.

El anuncio importa porque la mayor parte de las variantes asociadas a enfermedades no está dentro de los genes que producen proteínas. Entender qué hacen exige averiguar si una mutación cambia cuándo, dónde o con qué intensidad se activa un gen. AlphaGenome no diagnostica enfermedades ni sustituye un experimento de laboratorio, pero pretende acotar qué variantes merecen ser investigadas primero.

El problema está en el 98% del genoma

Solo alrededor del 2% del genoma humano codifica proteínas. El 98% restante incluye instrucciones reguladoras: fragmentos que controlan la actividad de los genes según el tipo de célula, el tejido o el momento del desarrollo. Durante décadas se llamó de forma imprecisa «ADN basura» a parte de este territorio. Hoy se sabe que contiene muchas señales relevantes, aunque descifrarlas sigue siendo una tarea compleja. Documento que sostiene la cifra.

Una misma variante puede no cambiar una proteína y, aun así, tener efectos importantes. Puede alterar la producción de ARN —la molécula intermedia entre ADN y proteína—, modificar el corte y empalme de ese ARN o impedir que una proteína reguladora se una al ADN. Estas consecuencias dependen a menudo de secuencias situadas muy lejos del gen afectado, de ahí la importancia de que el modelo conserve contexto a gran escala.

AlphaGenome combina capas convolucionales, que detectan patrones locales en la secuencia, con transformers, una arquitectura capaz de relacionar posiciones distantes. A partir de ese análisis predice miles de propiedades moleculares: inicio y final de genes, cantidad de ARN producida, empalme del ARN, accesibilidad del ADN, contactos entre zonas del genoma y unión de proteínas reguladoras.

Un modelo único frente a herramientas especializadas

DeepMind entrenó AlphaGenome con datos públicos de consorcios como ENCODE, GTEx, 4D Nucleome y FANTOM5, que han medido experimentalmente la regulación genética en cientos de tipos celulares y tejidos humanos y de ratón.

La compañía sostiene que su modelo superó al mejor sistema externo en 22 de 24 evaluaciones de predicción sobre secuencias de ADN. En pruebas destinadas a estimar el efecto regulador de variantes, igualó o superó a los mejores modelos en 24 de 26 evaluaciones. La comparación incluye herramientas especializadas en tareas concretas; la apuesta de AlphaGenome es reunir esas predicciones en un único sistema. Documento que sostiene la cifra.

Esa unificación puede ser más relevante que una mejora puntual en una tabla de resultados. Un laboratorio que estudia una variante sospechosa suele combinar programas distintos para estimar expresión génica, accesibilidad del ADN o alteraciones del empalme. DeepMind propone obtener esas señales con una llamada a su API y comparando la predicción de la secuencia original con la de la secuencia mutada. Según la compañía, ese cálculo puede realizarse en un segundo.

El modelo continúa la línea de Enformer, otro sistema de DeepMind para predecir actividad genética a partir de secuencias. También complementa AlphaMissense, que clasifica variantes en regiones que codifican proteínas. AlphaGenome amplía el foco hacia las regiones no codificantes, donde hay un volumen mucho mayor de variantes y menos reglas conocidas para interpretarlas.

De priorizar mutaciones a diseñar ADN

DeepMind ilustra la utilidad del sistema con mutaciones vinculadas a la leucemia linfoblástica aguda de células T. AlphaGenome predijo que determinadas variantes no codificantes podían activar el gen TAL1 al crear un motivo de unión para la proteína MYB, reproduciendo un mecanismo de enfermedad ya conocido. El valor del ejemplo no es descubrir ese caso desde cero, sino mostrar que el modelo puede conectar una modificación concreta del ADN con un gen y un mecanismo regulador plausibles.

Las aplicaciones potenciales abarcan la investigación de enfermedades raras, donde una variante poco frecuente puede tener un efecto grande, y la búsqueda de dianas terapéuticas. También puede servir en biología sintética para diseñar secuencias que activen un gen en un tipo celular determinado, como neuronas, pero no en otros tejidos.

Conviene mantener la distinción entre predicción y demostración. El modelo aprende de mediciones disponibles y ofrece hipótesis sobre lo que puede ocurrir en una célula; la validación experimental seguirá siendo necesaria, especialmente cuando una conclusión vaya a orientar investigación clínica. Además, las interacciones reguladoras más lejanas y los efectos específicos de cada individuo continúan siendo problemas difíciles para los modelos basados solo en secuencia.

AlphaGenome está disponible en vista previa mediante una API para investigación no comercial. DeepMind prevé liberar el modelo más adelante. Si sus resultados se sostienen fuera de los benchmarks, puede reducir una de las barreras más costosas de la genómica moderna: decidir, entre millones de diferencias posibles en el ADN, cuáles conviene llevar al laboratorio.

Cómo convertir el titular en una comprobación

Un resultado experimental comienza por su variable observable. Hay que anotar qué cuenta como acierto, qué conducta activa una etiqueta y qué casos quedan fuera. una predicción molecular no es diagnóstico clínico ni prueba de causalidad para una persona. Si el fenómeno no puede reconocerse sin interpretar la intención del modelo, la conclusión necesita todavía más cautela y una definición reproducible.

El protocolo importa tanto como la puntuación. Se documentan instrucciones, herramientas, tiempo, presupuesto de cómputo, número de intentos, selección de ejemplos y regla de corrección. Cambiar cualquiera de esas piezas puede cambiar el resultado sin que el modelo haya aprendido nada nuevo. Por eso comparar dos titulares exige primero comprobar que miden el mismo eje.

Una réplica fuerte intenta romper la conclusión. Añade datos no vistos, variantes pequeñas, controles negativos y tareas donde la respuesta correcta sea abstenerse. Conserva también los fallos, no solo ejemplos elegidos. Para valorar cómo separar alcance de entrada, salida predicha, validación y uso clínico, el conjunto debe parecerse al uso previsto y reflejar el coste de cada clase de error.

Qué debe quedar registrado

El estudio puede enseñar un patrón sin resolver todo el campo. La formulación honesta conserva dominio, muestra y fecha, y evita convertir «observamos» en «demostramos para siempre». La evidencia gana valor cuando otro equipo puede repetirla con los materiales disponibles o explicar qué elemento falta. Esa trazabilidad es más útil que una etiqueta grandiosa.

Una ficha de evidencia separa cuatro columnas: lo que afirma la fuente, lo que muestra, lo que no midió y qué tendría que ocurrir para cambiar la conclusión. Esa disciplina evita que una ausencia se convierta en promesa y que una condición desaparezca al resumir. También permite actualizar la pieza sin reescribir la historia desde el resultado posterior.

Conviene incluir un caso negativo antes de decidir. Se busca una situación donde el sistema, norma, operación o estudio no resuelva la necesidad y se anota la señal que obligaría a parar. Los éxitos seleccionados muestran que algo puede ocurrir; el caso negativo revela el límite y reduce el coste de descubrirlo después del despliegue.

La capacidad que sobrevive al anuncio

La comparación válida conserva denominador y eje. No enfrenta una cifra puntual con un promedio, una capacidad futura con una instalada ni una predicción con una observación. Cuando dos fuentes usan palabras parecidas, se reconstruye qué contaron y durante qué periodo. Si no coinciden, se publican como medidas distintas en vez de fabricar una clasificación.

El registro debe sobrevivir al cambio de versión. Guarda URL, fecha de consulta, documento, configuración y decisión tomada. Al aparecer nueva evidencia, se añade con su fecha y se explica qué modifica. Esa trazabilidad protege contra dos errores opuestos: mantener una conclusión caducada o fingir que un dato posterior ya se conocía el día del hecho.

La capacidad transferible de esta pieza es cómo separar alcance de entrada, salida predicha, validación y uso clínico. El procedimiento es breve: nombrar el documento, conservar la fecha, fijar el eje, buscar la condición y diseñar una comprobación que pueda fallar. Con esos pasos, el lector no necesita aceptar ni rechazar el anuncio por intuición; puede decidir con una cadena visible de evidencia.