Motor de IA de Google mapea los posibles efectos moleculares de variantes genéticas
Un nuevo recurso predictivo desarrollado por Google DeepMind ha creado un mapa a escala del genoma humano que estima las posibles consecuencias moleculares de más de nueve mil millones de variaciones genéticas, permitiendo a investigadores priorizar qué alteraciones deben estudiarse en el laboratorio.
El estudio de la genética humana enfrenta un desafío considerable debido al inmenso número de variantes genéticas posibles. Si bien es factible identificar una secuencia de ADN y localizar un cambio específico en una de sus bases, determinar el efecto funcional de esa variación trasciende los límites de la experimentación actual. El Atlas AlphaGenome, creado por Google DeepMind, aborda esta limitación generando un modelo predictivo avanzado sobre las implicaciones moleculares de todas las posibles sustituciones de una única letra en el genoma.
Este recurso va más allá de ser un simple repositorio de mutaciones observadas; es un mapa predictivo que ha sido construido utilizando inteligencia artificial. El Atlas estima el efecto molecular de más de nueve mil millones de variantes de un solo nucleótido, que corresponde a todas las combinaciones posibles de cambio de bases en el ADN humano.
En cuanto a su estructura, el Atlas reúne estimaciones sobre diversos procesos moleculares cruciales. Dichas predicciones cubren desde la expresión génica y el splicing (empalme) hasta la accesibilidad de la cromatina. El volumen de datos es de gran magnitud, ocupando casi un petabyte, y proporciona información predicha para diversos tipos de células y tejidos humanos y de ratón.
Una mejora práctica añadida al conjunto de datos es la métrica AlphaGenome Variant Impact (AVI). Esta puntuación unifica el potencial impacto de la variante, combinando las predicciones del Atlas AlphaGenome con las de AlphaMissense, que es el modelo de la compañía encargado de estimar cómo alteran las variaciones los aminoácidos de las proteínas.
El uso del Atlas ya ha permitido avances significativos en la investigación biomédica. En colaboración con el consorcio GREGoR, investigadores del Broad Institute utilizaron la puntuación AVI para acotar variantes asociadas a enfermedades raras. Gracias a esta herramienta, fue posible identificar una alteración en el gen DNM1 que, aunque había pasado inadvertida previamente, fue confirmada experimentalmente al predecir que generaba un sitio de splicing incorrecto.
Además, el Atlas se aplicó a estudios de cohortes poblacionales más amplias. Gareth Hawkes, investigador de la Universidad de Exeter, utilizó la herramienta sobre datos genómicos de más de 54.000 participantes del UK Biobank y logró detectar un porcentaje superior al 22% de asociaciones genéticas no codificantes que de otra manera habrían quedado ocultas por el ruido estadístico.
Este desarrollo no es un trabajo aislado. DeepMind ha estado expandiendo su uso de la IA en la genética a lo largo de varios años. En 2021 presentaron Enformer, centrado en predecir la influencia de secuencias de ADN en la regulación génica. Posteriormente, llegaron AlphaMissense en 2023 y AlphaGenome en 2025, capaz de anticipar múltiples efectos moleculares. La versión actual representa un salto de escala, trasladando estas capacidades a la escala completa del genoma y dejando los resultados precalculados para consulta directa.
A pesar de su potencial para reducir la inmensidad de variantes posibles y ayudar a determinar cuáles merecen prioridad de estudio, DeepMind advierte que el Atlas AlphaGenome aún no ha sido validado para uso clínico.
Fuentes: Xataka
Foto de Nathana Rebouças en Unsplash