AlphaGenome 2 lee el ADN célula a célula

El mismo ADN, trabajos distintos

Google DeepMind, el laboratorio de IA de Google, filial de Alphabet, presentó el 11 de noviembre AlphaGenome 2, un modelo que predice cómo el ADN y sus variaciones afectan a tipos concretos de células humanas.

Todas las células del cuerpo llevan el mismo ADN, pero cada tipo y cada estado enciende o apaga genes distintos. Según DeepMind, predecir cómo una variación sutil del ADN altera esa actividad en cada célula sigue sin resolverse, y es clave para entender los rasgos humanos y las enfermedades.

El primer AlphaGenome, de 2025, predecía el efecto de las variantes en tejidos amplios, y con él DeepMind publicó en septiembre AlphaGenome Atlas, un catálogo de predicciones para los 9.000 millones de cambios de una letra posibles en el genoma humano. AlphaGenome 2 no amplía ese catálogo: es un modelo nuevo.

Un modelo que mira una célula cada vez

El modelo original leía un tramo de un millón de letras de ADN y predecía de golpe miles de experimentos de muchos tejidos, lo que, según DeepMind, le impedía distinguir bien células muy parecidas.

AlphaGenome 2 es un modelo condicional (conditional model): recibe el mismo tramo de ADN, humano o de ratón, junto con la condición que interesa —un tejido, un tipo de célula o un estado— y predice solo para ella. Así aprende cómo cada célula lee de forma distinta el mismo trozo de ADN.

Según el artículo técnico, se entrenó con promedios de tejido y con datos de células individuales humanas y de ratón, y se ajustó al final con células tomadas de 107 millones de perfiles humanos. La pieza que resume el estado de cada célula, su codificador de expresión, aprendió de más de 100 millones de perfiles humanos de 68 tejidos.

Predice también lo que no se ha medido

AlphaGenome 2 predice lo mismo que su antecesor —qué genes están activos, qué marcas llevan las proteínas que empaquetan el ADN y qué tramos quedan abiertos para leerse— y añade la metilación del ADN, una de las medidas que más le pedían, según DeepMind.

También rellena huecos: si un científico solo ha medido la actividad de los genes, el modelo puede estimar qué tramos de ADN están abiertos, y eso, según DeepMind, ayuda a decidir qué experimento hacer después.

Casi el doble de variantes, según DeepMind

Según DeepMind, AlphaGenome 2 identifica casi el doble de variantes con efecto en la expresión génica de las células que su mejor modelo anterior. La prueba principal es TenK10K, un gran estudio publicado en Nature en 2026 que midió en 28 tipos de células inmunitarias de la sangre cómo cambia la actividad de los genes según las variantes de cada donante.

El modelo tenía que encontrar la variante causal y acertar si sube o baja la actividad del gen. La base de comparación fue el AlphaGenome original reentrenado con datos de células individuales. La métrica del «casi el doble» es la recuperación (recall): qué parte de las variantes reales encuentra cuando se le exige acertar en nueve de cada diez que señala.

El artículo añade IBDverse, un estudio de 47 tipos de células del intestino, y GTEx, un catálogo de expresión génica en 49 tejidos humanos. En la métrica global, que cuenta todos los casos, la distancia es pequeña. Todas las pruebas las diseñó, midió y publicó la propia DeepMind.

De la inflamación intestinal a la COVID-19

Un estudio reciente mostró que una variante en un interruptor regulador lejano impulsa la enfermedad inflamatoria intestinal al sobreactivar el gen ETS2 en los macrófagos del intestino. Según DeepMind, AlphaGenome 2 reprodujo ese hallazgo en el ordenador: señaló la variante causal y mostró que activa ETS2 solo en esos macrófagos. Es la reproducción de un resultado conocido, no un descubrimiento.

El segundo ejemplo usa células nuevas: basta una muestra de scRNA-seq de unas pocas decenas de células. Según DeepMind, con datos de un estudio de la vacuna de ARN mensajero contra la COVID-19, el modelo distinguió las células T activadas por la vacuna de las que estaban en reposo y predijo que una variante ligada a la COVID-19 grave altera más la actividad génica en las activadas.

Sarah Teichmann, cofundadora del Human Cell Atlas —un consorcio internacional que cartografía todos los tipos de células humanas, sostenido por muchos financiadores de todo el mundo— y catedrática en la Universidad de Cambridge, destaca en la nota de DeepMind que el modelo «se adapta directamente a nuevos datos de célula única sin reentrenarse». Es una valoración elegida por el laboratorio.

Abierto para investigar, no para diagnosticar

AlphaGenome 2 está disponible para investigación no comercial a través de la API de AlphaGenome y, en vista previa privada, para investigación comercial. DeepMind anuncia que pronto llegarán a Google Antigravity, su plataforma para programar con agentes, unas skills de AlphaGenome 2 para usarlo desde ella, y abre un formulario hasta el 30 de noviembre para proyectos que podrán optar a más cuota y créditos.

El aviso es explícito: según DeepMind, AlphaGenome y AlphaGenome 2 son «solo para investigación» y «no se han validado ni aprobado para fines clínicos ni de diagnóstico». El modelo estima el efecto de una variante; no dice a nadie si va a enfermar.

DeepMind colabora con investigadores del Wellcome Sanger Institute, un instituto británico de genómica cercano a Cambridge financiado desde 1992 por la fundación benéfica Wellcome. Y Peter Donnelly, consejero delegado de Genomics Limited, dice en la nota que incorporará el modelo a Mystra, la plataforma de su empresa. Genomics es una compañía de genómica nacida en la Universidad de Oxford que él mismo cofundó; según su web, la respalda un gran inversor en ciencias de la vida, al que no nombra.