AlphaGenome permite analizar cómo las variantes genéticas influyen en la regulación del genoma, incluso en regiones no codificantes.
El modelo, desarrollado por Google DeepMind, ha demostrado un rendimiento igual o superior al de otras herramientas de referencia y acaba de publicarse en Nature.
Interpretar cómo la información en el ADN se traduce en procesos biológicos concretos sigue siendo uno de los grandes retos de la genética moderna. En los últimos años se ha avanzado notablemente en la identificación de variantes genéticas asociadas a enfermedades. Pero entender cómo afectan a nivel funcional en la célula o tejidos, sigue siendo una tarea compleja, especialmente cuando se localizan fuera de los genes.
Para abordar esta complejidad, la genómica ha recurrido de forma creciente a herramientas computacionales capaces de integrar grandes volúmenes de datos y extraer relaciones funcionales a partir de la secuencia del ADN.
Aunque no directamente relacionado con el genoma, la creación de AlphaFold, una herramienta de IA que predice la estructura de las proteínas, supuso un salto importante para resolver problemas complejos en biología molecular. No en vano, sus creadores, recibieron el Premio Nobel de Química en 2024, por este importante avance. El pasado julio, dieron un paso más con la presentación de un nuevo modelo de inteligencia artificial dirigido esta vez a interpretar el genoma humano: AlphaGenome.
El equipo de Google DeepMind ha publicado esta semana en la revista Nature más detalles técnicos sobre el modelo y su capacidad para generar predicciones precisas sobre cómo las variantes genéticas afectan el funcionamiento del genoma.
“AlphaGenome proporciona un modelo potente y unificado para analizar el genoma regulador”, concluyen los autores del trabajo. “Mejora nuestra capacidad para predecir funciones moleculares y efectos variantes a partir del ADN, ofreciendo valiosas herramientas para el descubrimiento biológico y permitiendo aplicaciones en biotecnología”.
Cómo funciona AlphaGenome y cómo amplía el análisis del genoma
AlphaGenome es un modelo de aprendizaje profundo capaz de procesar secuencias de ADN de hasta un millón de pares de bases y generar predicciones a resolución de nucleótido. Esta combinación de longitud y precisión supone un salto respecto a modelos previos, que debían sacrificar detalles o contexto para poder operar de forma eficiente.
Desde el punto de vista técnico, el sistema integra diferentes capas que detectan patrones locales en la secuencia, con arquitecturas tipo transformer, encargadas de captar interacciones entre regiones distantes del ADN. A partir de esta representación, el modelo produce miles de predicciones sobre propiedades moleculares relacionadas con la regulación génica. Entre ellas se incluyen niveles de expresión, accesibilidad del ADN, unión de factores de transcripción, patrones de splicing y organización tridimensional de la cromatina.
El entrenamiento de AlphaGenome se ha realizado utilizando genomas humanos y de ratón, junto con datos experimentales procedentes de grandes consorcios públicos. Gracias a ello, el modelo ha podido predecir de forma simultánea 5.930 señales funcionales en humanos y más de 1.100 en ratón, cubriendo distintos tipos celulares y tejidos.
Una de sus principales fortalezas es la capacidad para comparar una secuencia de referencia con otra que contiene una variante concreta y estimar cómo cambia su comportamiento molecular. De este modo, además de describir la función potencial de una región del genoma, AlphaGenome también ayuda a interpretar el impacto de mutaciones específicas.
“AlphaGenome muestra lo lejos que ha llegado la IA para ayudarnos a comprender nuestros genomas”, ha indicado Fergal Martin, investigador del Instituto Europeo de Bioinformática a Science Media Center. “Demuestra que ahora podemos predecir muchas características biológicas importantes directamente a partir del ADN, sin necesidad de realizar nuevos experimentos para cada genoma. Esto permite interpretar más rápidamente las diferencias entre los genomas humanos”.
Novedades de AlphaGenome para el análisis del genoma humano respecto al lanzamiento en 2025
Aunque en julio de 2025 ya se habían presentado las bases conceptuales de AlphaGenome, el artículo publicado ahora en Nature incorpora datos adicionales sobre su rendimiento y nuevas funcionalidades que refuerzan su valor como herramienta de investigación.
Uno de los avances destacados es la capacidad del modelo para realizar predicciones multimodales de forma conjunta, sin necesidad de recurrir a herramientas especializadas para cada tarea. En las evaluaciones comparativas, AlphaGenome iguala o mejora a los modelos de referencia en 25 de 26 pruebas de predicción del efecto de variantes, tanto en tareas relacionadas con expresión génica como con splicing o accesibilidad del ADN. En 22 de 24 evaluaciones centradas en la predicción de propiedades de secuencias individuales, su rendimiento también supera al de otros métodos.
El trabajo describe además un modelado explícito de los puntos de unión del splicing o procesado del ARN, un aspecto especialmente relevante en enfermedades raras causadas por alteraciones en este mecanismo. Esta capacidad permite predecir no solo si una variante afecta al splicing, sino también en qué lugar y con qué intensidad, directamente a partir de la secuencia de ADN.
Los investigadores también destacan la eficiencia computacional de AlphaGenome, que requiere menos recursos que modelos previos, a pesar de manejar secuencias más largas y generar un mayor número de predicciones. Esta eficiencia facilita su uso a gran escala y su integración en flujos de trabajo de investigación.
AlphaGenome tiene un gran potencial pero todavía está en evolución
Frente al amplio potencial de AlphaGenome, los propios expertos señalan que no debe interpretarse como una solución definitiva para todos los problemas de la genómica. El modelo destaca especialmente en aquellos procesos que siguen reglas relativamente definidas en la secuencia del ADN, pero presenta limitaciones cuando entran en juego factores más complejos. Como señala Robert Goldstone, del Francis Crick Institute, a Science Media Center “AlphaGenome no es una bala mágica para todas las preguntas biológicas”, ya que procesos como la expresión génica están influidos por condiciones ambientales y contextos celulares que el modelo no puede capturar directamente.
En una línea similar, Ben Lehner, del Wellcome Sanger Institute, recuerda que “los modelos de inteligencia artificial son tan buenos como los datos con los que se entrenan”, y apunta a la falta de conjuntos de datos amplios y estandarizados como uno de los principales retos para seguir mejorando este tipo de herramientas. Otra cuestión es la necesidad de validaciones independientes y evaluaciones continuas antes de integrar plenamente AlphaGenome en los flujos de trabajo de investigación. Por lo tanto es una base sólida y prometedora, pero todavía en evolución .
Futuro e implicaciones para la genética y la biomedicina
La publicación en Nature consolida a AlphaGenome como una de las herramientas más completas disponibles para el análisis funcional del genoma. Además, más allá de su rendimiento actual, AlphaGenome se ha concebido como una herramienta con proyección a largo plazo. Su arquitectura unificada y su capacidad para integrar múltiples señales reguladoras abren la puerta a aplicaciones que van desde la investigación más básica hasta áreas directamente vinculadas con el desarrollo de nuevas estrategias terapéuticas.
Los autores del estudio señalan varios ámbitos en los que este modelo podría tener un impacto relevante en los próximos años. Sus predicciones pueden contribuir a profundizar en la biología fundamental del genoma, mejorar la comprensión de los mecanismos moleculares implicados en distintas enfermedades y facilitar la identificación de variantes reguladoras con relevancia clínica, incluidas aquellas implicadas en cáncer. Además, su capacidad para modelar procesos como el splicing abre nuevas posibilidades en el diseño de terapias basadas en ARN y en el desarrollo de estrategias de biología sintética y terapia génica. En conjunto, estas líneas apuntan a un uso creciente de AlphaGenome como apoyo para generar hipótesis y orientar estudios experimentales en genética y genómica. De momento, AlphaGenome se encuentra ya disponible para su uso en investigación no comercial a través de una API.
“AlphaGenome es una gran obra de ingeniería que reúne las ideas desarrolladas por muchos científicos diferentes en un modelo que establece los estándares”, ha señalado Ben Lehner, director de Genómica Sintética y Generativa en el Wellcome Sanger Institute. “En el Instituto Wellcome Sanger hemos probado AlphaGenome con más de medio millón de nuevos experimentos y, efectivamente, funciona muy bien”.
Artículo científico
Avsec Z, et al. Advancing regulatory variant effect prediction with AlphaGenome. Nature. 2025. DOI: https://doi.org/10.1038/s41586-025-10014-0
Fuentes
AlphaGenome: AI for better understanding the genome. https://deepmind.google/blog/alphagenome-ai-for-better-understanding-the-genome/
