Deepmind's AlphaGenome Atlas mapea cada posible cambio en el ADN humano

Google Deepmind ha logrado predecir qué sucedería en el cuerpo humano ante cada uno de los aproximadamente nueve mil millones de cambios de una sola letra en el genoma. El AlphaGenome Atlas tiene como objetivo ayudar a los investigadores a detectar las pocas variantes relevantes entre una inundación de cambios genéticos. El genoma humano contiene unos tres mil millones de letras de ADN. Cada persona porta millones de pequeñas desviaciones respecto a la secuencia de referencia, generalmente una letra intercambiada. La mayoría de estas variantes son inofensivas, pero unas pocas causan enfermedades. Determinar cuáles son dañinas no puede leerse directamente del ADN, y probar cada una en el laboratorio es básicamente imposible cuando existen cerca de nueve mil millones de posibles intercambios.

El recién lanzado AlphaGenome Atlas intenta cerrar esa brecha con predicciones. Para cada uno de esos nueve mil millones de cambios, ofrece una estimación de cómo afectaría el cambio a los procesos moleculares en cientos de tipos de células y tejidos. El dataset abarca un petabyte, lo que lo hace más de 30 veces más grande que la base de datos AlphaFold para estructuras de proteínas.

Se basa en el modelo de IA AlphaGenome, presentado en 2025. El modelo lee tramos de ADN de un millón de letras y predice con qué intensidad se lee un gen, si las proteínas reguladoras pueden unirse al ADN y cómo se empalma el transcrito de un gen. Hasta ahora, el modelo debía consultarse por cada variante una a una. Ahora las respuestas están precomputadas. Según el paper, cada variante viene con aproximadamente 27,000 valores de predicción individuales en promedio.

Esto es especialmente importante para el 98 por ciento del genoma que no contiene planos para proteínas. Estas regiones no codificantes actúan como interruptores y diales que deciden cuándo y en qué tejido está activo un gen. Ahí es donde se encuentran la mayoría de las variantes vinculadas a enfermedades, y también donde sus efectos han sido más difíciles de leer.

¿Un solo número para cada mutación?

Miles de valores de predicción por variante son demasiado para el uso diario, señala el equipo. Por lo tanto, Deepmind creó el AlphaGenome Variant Impact Score (AVI), que resume todo en un solo número. Una pequeña red neuronal combina las predicciones de AlphaGenome con el modelo de proteínas AlphaMissense y dos medidas de qué tan inalterado ha permanecido un sitio de ADN a lo largo de millones de años de evolución. AVI trabaja con 18 características de entrada, mientras que la herramienta de referencia establecida, CADD, utiliza más de 150.

Casi no existe variante de la cual se sepa con certeza si causa daño. El equipo sorteó esto tratando las variantes muy raras en la población como probablemente dañinas, y las comunes como probablemente inofensivas, ya que las mutaciones dañinas se propagan con menos frecuencia a través de las generaciones. A pesar de este entrenamiento indirecto, AVI superó a las herramientas existentes en pruebas sobre variantes ya clasificadas clínicamente, especialmente en regiones no codificantes, según el paper. En algunas tareas, la competencia se mantuvo a la par. El atlas también desglosa para cada variante qué proceso impulsa su puntuación, como si se ve afectado el empalme del transcrito de un gen o un interruptor.

Un caso de epilepsia demuestra la utilidad

Un caso del consorcio GREGoR, que estudia enfermedades raras no resueltas, muestra cómo esto ayuda en la práctica. Un niño con epilepsia severa no había obtenido un diagnóstico a pesar de la secuenciación del genoma. AVI elevó una variante en el gen DNM1, previamente clasificada como poco clara, a la parte superior de la lista de candidatos.

Las predicciones de AlphaGenome también suministraron el mecanismo. La variante crea un sitio de empalme incorrecto durante el procesamiento del transcrito del gen, lo que alarga la proteína en 13 bloques de construcción. Pero esto ocurre solo en una versión del gen que se lee exclusivamente en el cerebro. Por eso, trabajos anteriores en muestras de sangre no habían encontrado nada. Un experimento de laboratorio confirmó la predicción y los investigadores recomiendan clasificarla como probablemente causante de la enfermedad. Al revisar casos que el consorcio ya había resuelto, AVI clasificó la variante causal entre los 50 mejores candidatos en el 29.5 por ciento de los casos, en comparación con el 12.5 por ciento de CADD.

Más señal en medio del ruido

El atlas también tiene como objetivo impulsar los estudios poblacionales. Para averiguar si las variantes raras en una región del genoma afectan algo como un valor sanguíneo, hay que analizar muchas de ellas juntas, porque cada una por sí sola es demasiado rara para las estadísticas. Si las variantes inofensivas y las efectivas se mezclan, la señal desaparece en el ruido.

Gareth Hawkes, de la Universidad de Exeter, utilizó el atlas para agrupar solo aquellas variantes predichas para actuar de la misma manera, basándose en datos genómicos de más de 54,000 participantes del UK Biobank. Eso reveló un 22 por ciento más de vínculos entre variantes no codificantes y niveles de proteínas en la sangre que los filtros convencionales.

A partir de las predicciones, el equipo también derivó 2,601 patrones cortos de ADN recurrentes, esencialmente las "palabras" del genoma donde se enganchan las proteínas reguladoras.

¿Es una herramienta de diagnóstico o de investigación?

AlphaGenome también tiene límites. No conoce todos los tipos de células y pierde efectos que funcionan a través de la cantidad de otras proteínas reguladoras. El atlas y AVI son herramientas de investigación, dice Deepmind, y solo pueden ser un eslabón en la cadena de evidencia detrás de un diagnóstico. El atlas está disponible para uso no comercial a través de un portal web, una API y como una habilidad en Google Antigravity. Una versión comercial está programada para seguir a través de Google Cloud. Vía The Decoder.