En noviembre de 2026, Google DeepMind anunció AlphaGenome 2, un modelo de inteligencia artificial que representa un salto cualitativo en la capacidad de predecir cómo las variaciones del ADN afectan a tipos celulares específicos. El lanzamiento marca la evolución directa de AlphaGenome 1 — lanzado en 2025 — y del Atlas AlphaGenome, que mapeó los 9.000 millones de posibles cambios de una sola letra en el genoma humano, pero sin especificar qué tipo de célula sería afectado por cada variante.
El problema central de la genética moderna ya no es simplemente identificar variantes asociadas a enfermedades; es comprender por qué la misma mutación tiene efectos radicalmente diferentes dependiendo del contexto celular. El mismo tramo de ADN es leído de manera distinta por una célula muscular cardíaca, un linfocito T o una célula beta pancreática. Esta especificidad celular es exactamente lo que AlphaGenome 2 fue diseñado para descifrar, y el resultado, según sus autores, es un cambio de paso en la precisión predictiva.
El equipo liderado por Žiga Avsec entrenó el modelo con más de 100 millones de células individuales, abarcando 68 tejidos diferentes. Mientras que AlphaGenome 1 recibía datos recolectados en muestras 'bulk' —es decir, mezclas heterogéneas de muchos tipos celulares—, AlphaGenome 2 opera a resolución de célula individual. Esto permite al modelo aprender cómo la misma secuencia de ADN es interpretada de forma diferente por distintos tipos celulares.
El nuevo modelo también identificó casi el doble de variantes que alteran la expresión génica en las células en comparación con el estado del arte anterior. Pero la característica más notable podría ser su arquitectura condicional: en lugar de predecir propiedades en paralelo para todos los tejidos a la vez, AlphaGenome 2 está diseñado para predecir los efectos del ADN para UNA condición biológica específica —un tejido, tipo celular o estado— como entrada junto con la secuencia de ADN en cada etapa de su arquitectura.
Esto permite lo que los investigadores llaman 'imputación cruzada de modalidad': si un científico proporciona solo una medición, como datos de actividad génica de células individuales, el modelo puede predecir propiedades no medidas, como la accesibilidad de la cromatina. En otras palabras, AlphaGenome 2 puede llenar lagunas experimentales que antes requerían semanas de trabajo en el laboratorio.
El caso emblemático es la enfermedad inflamatoria intestinal (EII). En 2024, investigadores del Francis Crick Institute identificaron un nuevo factor de riesgo: una variante de ADN que hace que el gen ETS2 sea hiperactivo en células inmunitarias. El problema era que esta variante estaba ubicada en una región de 'desierto génico', lejos de secuencias codificadoras de proteínas, lo que hacía su función virtualmente inexplicable por métodos tradicionales. ¿Qué hizo DeepMind con AlphaGenome 2? Replicó aspectos de este descubrimiento en 30 minutos, sin utilizar ninguna técnica de biología molecular. "Lograron descubrir la respuesta en 30 minutos, y nos tomó un año y medio de experimentos", dijo James Lee, el inmunólogo que lideró el estudio original.
Disponible para investigación académica no comercial vía API y en vista privada para investigación comercial, AlphaGenome 2 se suma a la creciente familia de modelos de IA genómica de DeepMind que están transformando la forma en que la ciencia lee el genoma humano. El equipo ahora trabaja en entrenar versiones futuras con datos de múltiples especies y en alimentar proyectos de 'células virtuales' — simulaciones digitales que imitan sistemas biológicos enteros.
Fuentes: The Verge, Nature, Google DeepMind
✓ Fuentes independientes cruzadas y verificadas antes de la publicación
