Google DeepMind publicó el 8 de septiembre de 2026 AlphaGenome Atlas, un catálogo que predice el efecto molecular de los 9,000 millones de cambios de una sola letra posibles en el ADN humano. Ocupa un petabyte, más de 30 veces la base de datos de AlphaFold, y es gratuito para uso académico desde un portal web, la API de AlphaGenome y una skill de Google Antigravity; el uso comercial exigirá una licencia de Google Cloud. La propia empresa marca el límite: son predicciones de un modelo, no mediciones de laboratorio, y AlphaGenome no está validado ni aprobado para uso clínico. Con esa reserva, los equipos que lo probaron antes del lanzamiento ya reclasificaron como probablemente patogénica una variante ligada a una encefalopatía epiléptica que la investigación previa había pasado por alto.
El puntaje AVI comprime miles de predicciones en un solo número
Cada variante del catálogo llega acompañada de unas 27,000 predicciones individuales en promedio, según el paper que DeepMind publicó junto al lanzamiento como preprint en bioRxiv. Van desde cuánto cambia la expresión de un gen hasta cómo se altera la transcripción del ADN, en cientos de tipos celulares y tejidos de humano y de ratón. Ese volumen es inmanejable de un vistazo, así que la compañía añadió un resumen: el AlphaGenome Variant Impact, o AVI, un número único que funde las predicciones de AlphaGenome sobre regulación génica con las de AlphaMissense, el modelo anterior de la casa dedicado a las mutaciones que alteran proteínas.
Un AVI de 10 significa que la variante está en el 10% más impactante del genoma; uno de 30, que entra en el grupo de una de cada mil con mayor efecto. Cada puntaje viene además descompuesto en las causas que lo empujan hacia arriba, como el splicing, la expresión génica, la accesibilidad de la cromatina o el impacto sobre la proteína, de modo que el investigador ve no solo cuánto pesa una variante sino por qué. El puntaje funciona tanto en el 2% del genoma que codifica proteínas como en el 98% restante, el territorio no codificante donde vive la mayoría de las variantes asociadas a rasgos y donde la interpretación ha sido más difícil. A eso se suman un catálogo de más de 2,500 motivos recurrentes de ADN, las secuencias cortas donde se anclan los factores de transcripción, y el puntaje de más de 100 millones de inserciones y deleciones observadas en bases poblacionales como el UK Biobank y All of Us, el programa genómico de los Institutos Nacionales de Salud de Estados Unidos.
Pushmeet Kohli, vicepresidente de ciencia de Google DeepMind, lo planteó en la sesión informativa con reporteros como un cambio de acceso: es la primera vez que cualquier investigador del mundo llega a un mapa completo de la variación genética humana «con solo abrir un navegador». Kohli encuadró el lanzamiento como el pendiente que dejó el Proyecto Genoma Humano, que en 2003 terminó de secuenciar el ADN sin explicar qué hace cada tramo. Jonathan Sebat, genetista psiquiátrico de la Universidad de California en San Diego, le vio una ventaja concreta en declaraciones a Scientific American: sus flujos de laboratorio pueden simplificarse bastante porque ya no tienen que computar nada.
Un gen que casi no se expresa en la sangre destrabó un caso sin resolver
DeepMind repartió acceso anticipado a varios grupos académicos. Laura Covill y Anne O'Donnell-Luria, del Broad Institute, trabajaron con el consorcio GREGoR, dedicado a trastornos genéticos sin explicación, y usaron el AVI para revisar casos cerrados en falso. En un paciente con encefalopatía epiléptica, el puntaje apuntó a una variante en DNM1, un gen que importa para la función sináptica en el cerebro. El 69% de su AVI venía del splicing: el modelo predijo que la variante crea un sitio de corte espurio en una versión del gen que solo aparece en tejido cerebral y que alarga la proteína resultante en 13 aminoácidos. Como ese segmento casi no se expresa en sangre, la secuenciación de ARN sobre muestras sanguíneas había resultado no concluyente. Los experimentos de laboratorio confirmaron la predicción y la variante quedó reclasificada como probablemente patogénica.
El paper incluye una prueba retrospectiva sobre casos de GREGoR que ya estaban resueltos, y ahí la comparación queda medida: el AVI colocó la variante causal conocida entre los 50 primeros candidatos del paciente en 29.5% de los casos, frente a 12.5% de CADD, uno de los métodos de ranking que la genética clínica ya usa.
Exeter pasó de 526 candidatos a cuatro
Gareth Hawkes, investigador del Medical Research Council en la Universidad de Exeter, aplicó el Atlas a los genomas completos de más de 54,000 participantes del UK Biobank para rastrear variantes raras no codificantes que alteran los niveles de proteínas circulantes. Al filtrar los candidatos por su efecto molecular predicho obtuvo 22% más asociaciones que con el mismo análisis sin el Atlas, y en un caso estrechó una región de 526 candidatos a cuatro. Entre las señales que sobrevivieron identificó variantes reguladoras que gobiernan la abundancia de PLA2G7, ligada al envejecimiento, y de EGLN1, un sensor celular de oxígeno.
En un segundo ejercicio con cientos de millones de variantes no codificantes del mismo biobanco, Hawkes se quedó únicamente con el 1% que el Atlas predice como más impactante y sacó 19 regiones genéticas ligadas al índice de masa corporal. En el Stowers Institute for Medical Research, Julia Zeitlinger tomó otro camino y usó los mapas de motivos para clasificar factores de transcripción según su función en cada tipo celular, y separar por ejemplo los represores que dejan el ADN accesible pero aun así impiden que un gen se encienda. Hacer ese mapeo con experimentos, apuntó, habría sido inviable por la carga de trabajo que implica.
Las predicciones no llegan a la precisión de AlphaFold
Žiga Avsec, responsable de genómica de Google DeepMind, fue explícito sobre dónde falla el modelo: funciona bien en algunas clases de variante, como las que afectan el splicing o los promotores, y se le escapan otras, sobre todo en los enhancers. En conjunto, dijo, las predicciones del Atlas no alcanzan la exactitud que AlphaFold logró para la estructura de proteínas; sirven para orientar los estudios que vienen después, pero no deben tomarse como «la verdad universal». Scientific American lo resume con la misma aritmética incómoda: la base es 30 veces más grande que la de AlphaFold y bastante menos precisa.
El propio paper describe al Atlas como una herramienta de investigación que solo puede formar parte de la cadena de evidencia detrás de un diagnóstico clínico, y señala huecos en los datos de entrenamiento y una capacidad limitada para capturar efectos indirectos, los que pasan por cambios en los niveles de proteínas reguladoras. DeepMind añade en el propio anuncio que AlphaGenome no está validado ni aprobado para ningún uso clínico y que nada de esto sustituye la consulta médica.
El otro asterisco es comercial. La base de AlphaFold se abrió sin condiciones y se volvió infraestructura pública de la biología; el Atlas es gratuito solo para uso no comercial, y las farmacéuticas y demás usuarios de pago tendrán que licenciarlo a través de Google Cloud cuando ese canal abra. Kohli dijo que Isomorphic Labs, la hermana de DeepMind dedicada al descubrimiento de fármacos, también tendrá acceso, pero igualmente con licencia comercial. No detalló los términos.
Ewan Birney, director del Instituto Europeo de Bioinformática del EMBL, dijo que su organización trabaja para integrar el AVI en el Variant Effect Predictor de Ensembl, la herramienta de anotación que el propio EMBL-EBI aloja. Si eso ocurre, el puntaje dejará de vivir en un portal aparte y aparecerá dentro del flujo que los genetistas ya abren todos los días.
