Leer una secuencia de ADN y encontrar dónde cambia una de sus letras es la parte fácil. Lo complicado llega justo después, cuando toca entender qué provoca ese cambio. Aquí es donde entra en juego la IA de Google, que acaba de dar un paso enorme en este terreno. Muchas variantes apenas tocan el funcionamiento de la célula, otras en cambio pueden alterar la actividad de los genes y, en ciertos casos, tener relación con enfermedades. La genética lleva años intentando distinguir unas de otras, pero hay un tope evidente. Las posibilidades son tantas que resulta imposible estudiarlas una por una en el laboratorio.
Google DeepMind ha llevado ese problema a una escala difícil de imaginar. Su nuevo AlphaGenome Atlas reúne predicciones sobre los efectos moleculares de más de 9.000 millones de variantes de un solo nucleótido, es decir, todas las sustituciones posibles de una única letra del genoma humano. Se entiende mejor pensando que en cada posición la base presente puede cambiarse por cualquiera de las otras tres. No hablamos de un catálogo de mutaciones vistas en personas reales, sino de un mapa predictivo generado por inteligencia artificial sobre qué podría ocurrir con cada una de esas opciones.
Un mapa predictivo del genoma que se puede consultar directamente
Lo que ha hecho DeepMind es convertir las predicciones de AlphaGenome en un recurso explorable a escala del genoma completo. Según la propia compañía, el Atlas recoge estimaciones sobre varios procesos moleculares, desde la expresión génica y el splicing hasta la accesibilidad de la cromatina, con datos para cientos de tipos celulares y tejidos humanos y de ratón. Para hacernos una idea del volumen, el conjunto ocupa cerca de un petabyte. La ventaja práctica es que todo eso ya está calculado y se puede consultar desde una interfaz web.
Para ayudar a decidir qué variantes merecen atención primero, DeepMind ha sumado una capa nueva llamada AlphaGenome Variant Impact, o AVI. Esta puntuación mezcla las predicciones de AlphaGenome con las de AlphaMissense, el modelo especializado en variantes que alteran aminoácidos de las proteínas, y resume el posible impacto en un solo valor. La utilidad empieza a notarse cuando se aplica a preguntas muy concretas. Junto al consorcio GREGoR, investigadores del Broad Institute usaron el AVI para priorizar variantes en enfermedades raras y encontraron una alteración en DNM1 que había pasado desapercibida antes. Las predicciones apuntaban a que creaba un sitio de splicing incorrecto, algo que luego se validó en el laboratorio.
Link affiliatoAños de trabajo detrás de este salto
Otro caso llegó de la mano de Gareth Hawkes, investigador de la Universidad de Exeter, que aplicó el Atlas a datos genómicos de más de 54.000 participantes del UK Biobank. Con ello logró detectar un 22% más de asociaciones genéticas no codificantes que de otro modo se habrían perdido entre el ruido estadístico.
Conviene recordar que este trabajo no arranca ahora. DeepMind lleva años metiendo inteligencia artificial en distintos problemas de genética. En 2021 presentó Enformer, centrado en predecir cómo una secuencia de ADN puede influir en la regulación génica. En 2023 llegó AlphaMissense, pensado para estimar el impacto de variantes que tocan las proteínas. Y en 2025 apareció AlphaGenome, capaz de anticipar varios efectos moleculares a partir de secuencias largas de ADN. Lo que vemos ahora es el paso siguiente, llevar esa capacidad a escala de todo el genoma y dejar las predicciones precalculadas para poder consultarlas al momento.
Frente a un espacio inmenso de variantes posibles, el Atlas ofrece una manera de priorizar cuáles parecen más interesantes y qué procesos podrían estar alterando antes de acercarlas al laboratorio. Ahí encaja mejor el salto que propone DeepMind. La inteligencia artificial puede ayudar a decidir dónde mirar primero, aunque después sigue siendo necesario comprobar si lo que predice ocurre de verdad en sistemas biológicos. El propio DeepMind avisa, además, de que AlphaGenome no ha sido validado para uso clínico.
Fuente
Imagen: xataka.com
Link affiliato