AlphaGenome Atlas predice el efecto de nueve mil millones de cambios de ADN
AlphaGenome Atlas predice los efectos moleculares de nueve mil millones de cambios en el ADN humano. Aquí está su utilidad, su acceso y sus limitaciones.
El genoma humano contiene unos tres mil millones de pares base. En casi todas las posiciones, una carta de ADN puede sustituirse teóricamente por una de las otras tres, representando unos nueve mil millones de posibles sustituciones.
Las pruebas individuales de laboratorio serían poco realistas. Google DeepMind por lo tanto utilizó su modelo AlphaGenome para predecir sus efectos moleculares, luego consolidó los resultados en AlphaGenome Atlas, lanzado el 8 de septiembre de 2026.
Este mapa podría acelerar la investigación sobre enfermedades raras y el funcionamiento del gen. Sin embargo, no constituye una prueba de diagnóstico o evidencia de que cada predicción es exacta.
Un mapa de predicción, no nueve mil millones de experimentos
AlphaGenome compara una secuencia normal de ADN con una versión modificada. Luego trata de predecir cómo esta diferencia podría influir en la expresión del gen, la rociación del ARN, la accesibilidad de la cromatina o la unión de proteínas.
El modelo puede examinar hasta un millón de pares base alrededor de una variante y producir miles de predicciones que cubren diferentes tejidos y tipos de células. Su arquitectura y sus evaluaciones se publicaron en un [estudio revisado por el usuario en Nature] (https://www.nature.com/articles/s41586-025-10014-0).
Anteriormente, un investigador tenía que elegir una variante, preparar sus datos y ejecutar el modelo. AlphaGenome Atlas contiene resultados precalculados para todas las sustituciones de letras individuales en el genoma humano de referencia.
Según la presentación oficial de Google DeepMind, el conjunto completo ocupa alrededor de un petabyte, o un millón de gigabytes. Sin embargo, el usuario no necesita descargar todo: un portal le permite ver una variante específica.
Una puntuación a las variantes de rango
El Atlas añade un indicador llamado Impacto Variante AlfaGenoma o AVI. Combina las predicciones de AlphaGenome con las de AlphaMissense, otro modelo especializado en variantes de modificación de proteínas.
El resultado es un número diseñado para ayudar a los científicos a clasificar rápidamente miles de oportunidades. El Atlas también indica qué mecanismos, como el espolvor o la expresión génica, han influido más en la puntuación.
Esta simplificación supone un riesgo. Carl de Boer, investigador en genómica de la Universidad de Columbia Británica, advierte en [IEEE Spectrum] (https://spectrum.ieee.org/alphanome-atlas) que sólo un número podría ser malinterpretado ante un sistema biológico tan complejo.
Una puntuación alta significa que un efecto molecular parece más probable según los modelos. No significa automáticamente que el portador desarrolle una enfermedad.
First results to be confirmed
Google presenta varios usos realizados con socios universitarios.
Un equipo que estudia enfermedades raras utilizó AVI para identificar una variante previamente descuidada del gen DNM1. Los experimentos confirmaron entonces que esta variante creó un mal sitio de riego y produjo una proteína anormal.
In another analysis of more than 54,000 UK Biobank participants, a team from the University of Exeter reportedly discovered 22% more associations involving non-coding variations. Al centrarse en el 1% más probable que tenga un efecto, también habría identificado 19 áreas asociadas con el índice de masa corporal.
Estos resultados son descritos por Google DeepMind. No demuestran una mejora universal del 22% y tendrán que ser replicadas por equipos independientes.
Why non-coding regions matter
Cerca del 2% de las proteínas de código genoma directamente. Algunos del 98% restante están involucrados en controlar la ubicación, el tiempo y la intensidad con que se activan los genes.
Por lo tanto, una variante situada lejos de un gen puede cambiar su funcionamiento. Estas relaciones son difíciles de estudiar porque varían entre células, tejidos y etapas de desarrollo.
El Atlas podría ayudar a los investigadores a reducir una larga lista de variantes antes de realizar experimentos costosos. Como señala [IEEE Spectrum] (https://spectrum.iee.org/alphagenome-atlas), su objetivo principal es dar prioridad a las hipótesis que deben revisarse, no sustituir el laboratorio.
Precios y disponibilidad en Canadá
El portal y la API están disponibles gratuitamente para la investigación no comercial. No hay exclusiones para Canadá.
Google planea ofrecer Atlas a las empresas de Google Cloud, pero este servicio comercial todavía no está disponible y no se han comunicado tarifas.
Los costos reales pueden variar dependiendo del uso de recursos en la nube, almacenamiento, secuenciación, experimentos de validación, personal y condiciones institucionales.
El alfaGenoma no es validado ni aprobado para uso clínico. Un paciente o profesional de la salud no debe usar sus predicciones como recomendación diagnóstica o médica.
Limits or Considerations
El Atlas abarca sustituciones de cartas individuales. No mapea las grandes eliminaciones, duplicaciones, inversiones u otros cambios estructurales del genoma de la misma manera.
Su ventana de un millón de bases es enorme, pero algunos elementos regulatorios actúan sobre distancias aún mayores. Por lo tanto, el modelo puede carecer de interacciones importantes.
Las enfermedades comunes a menudo dependen de muchas variaciones, el medio ambiente, la edad y el estilo de vida. Una predicción aislada no resume estas interacciones.
Finalmente, la calidad de los resultados depende de los tejidos, poblaciones y datos representados durante el entrenamiento. El alto rendimiento promedio no garantiza la misma fiabilidad para todas las ancestros o enfermedades genéticas.
Conclusión
AlphaGenome Atlas transforma cálculos anteriormente exigentes en un recurso de búsqueda que cubre unos nueve mil millones de sustituciones genéticas.
Su interés no es predecir el destino médico de una persona. Es mostrar a los científicos que las variantes parecen probablemente alterar un mecanismo biológico y que merecen experiencia.
Las validaciones independientes determinarán ahora si este mapa enorme realmente resuelve enfermedades más raras y comprende mejor las regiones todavía poco conocidas del genoma.
