AlphaGenome lleva la IA de DeepMind al ADN no codificante

Google DeepMind ha presentado AlphaGenome, un modelo de inteligencia artificial diseñado para leer grandes fragmentos de ADN y predecir las consecuencias biológicas de pequeñas variaciones genéticas. La herramienta puede analizar secuencias de hasta un millón de pares de bases —las letras químicas del ADN— y está orientada sobre todo a una de las zonas más difíciles de interpretar del genoma: el ADN no codificante.

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.

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.

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.