Google DeepMind presentó AlphaGenome 2, un modelo de inteligencia artificial diseñado para descubrir los factores celulares que impulsan las enfermedades. El anuncio, realizado el 11 de noviembre de 2026, llega como la evolución de AlphaGenome, el modelo que el laboratorio presentó en junio de 2025 para interpretar el genoma humano. Su promesa es ambiciosa: predecir cómo una variante genética afecta a cientos de tipos de células humanas y, con ello, ayudar a entender por qué una misma secuencia de ADN puede derivar en enfermedad en una persona y no en otra.
La clave está en un problema que la genética conoce bien: todas las células de una persona contienen prácticamente el mismo código genético, pero no todas usan los mismos genes. Lo que cambia es la expresión genética, es decir, qué genes se activan, cuándo y en qué célula. AlphaGenome 2 apunta justo a esa diferencia: en lugar de analizar el comportamiento promedio de los genes en tejidos completos, estudia tipos y estados celulares individuales, donde muchas señales de enfermedad permanecen invisibles para los modelos tradicionales.
¿Cómo funciona AlphaGenome 2?
El modelo parte de una secuencia de ADN y predice cómo las variantes genéticas —pequeños cambios de una sola letra en el genoma— modifican la actividad de determinados genes en células específicas. Para lograrlo, DeepMind rediseñó la arquitectura de AlphaGenome y lo entrenó con más de 100 millones de perfiles de células individuales de 68 tejidos humanos, una escala que le permite distinguir comportamientos que un análisis de tejido completo promedia y pierde.
Según Google DeepMind, el resultado es un modelo que casi duplica la capacidad de su antecesor para identificar variantes genéticas que modifican la expresión de los genes en las células. Además, puede hacer predicciones para estados celulares y de enfermedad que no había visto durante su entrenamiento, lo que amplía su utilidad más allá de los datos con los que fue entrenado.
Como lo resume el propio laboratorio, AlphaGenome 2 es «una nueva y poderosa herramienta para descubrir los factores celulares que impulsan las enfermedades». Su objetivo no es diagnosticar pacientes, sino dar a los investigadores una forma más precisa de priorizar qué variantes estudiar cuando buscan el origen molecular de una enfermedad.
El contexto: de AlphaGenome y AlphaGenome Atlas a la resolución unicelular
AlphaGenome 2 no surge de la nada. Su antecesor, AlphaGenome, es un modelo de aprendizaje profundo que interpreta las secuencias del genoma no codificante —las regiones del ADN que no contienen instrucciones para fabricar proteínas, pero que regulan cuándo y dónde se activan los genes— y anticipa múltiples efectos biológicos al mismo tiempo. Sobre esa base, Google DeepMind lanzó también AlphaGenome Atlas, una plataforma que reúne predicciones sobre 9,000 millones de posibles cambios de una sola letra en el genoma humano.
Estas herramientas, explica DeepMind, ayudan a los investigadores a priorizar e interpretar los efectos de las variantes, impulsando descubrimientos en enfermedades raras, rasgos complejos y biología fundamental. AlphaGenome 2 añade la pieza que faltaba: la resolución a nivel de célula individual, con la que es posible vincular potenciadores (enhancers) con los genes que regulan con mucha más precisión.
Un ejemplo concreto de lo que esto permite ya se vio con la primera versión del modelo: investigadores usaron AlphaGenome para relacionar variantes no codificantes cercanas al gen ETS2 con el riesgo de enfermedad inflamatoria intestinal. Con los datos unicelulares de AlphaGenome 2, ese tipo de conexiones —qué variante, en qué célula y sobre qué gen actúa— se pueden establecer con mayor precisión y a mayor escala, incluso para enfermedades en las que los estudios genéticos señalan regiones del genoma sin un gen culpable evidente.
El modelo también se apoya en datos reales de células individuales. En colaboración con el consorcio TenK10K, DeepMind utilizó más de 10,000 perfiles multi-ómicos unicelulares de células inmunes para validar que sus predicciones de efectos de variantes se sostienen en estados celulares reales, lo que abre la puerta a afinar los estudios de asociación del genoma completo (GWAS) en enfermedades inmunes.
Qué puede hacer AlphaGenome 2
- Resolución unicelular: predice los efectos de las variantes en tipos y estados celulares individuales, no solo en tejidos completos.
- Casi el doble de capacidad: identifica variantes que modifican la expresión de los genes con casi el doble de precisión que su antecesor.
- Predicción en lo desconocido: estima los efectos de las variantes en estados celulares y de enfermedad que el modelo no vio durante su entrenamiento.
- Vínculos potenciador-gen: conecta regiones reguladoras con los genes que controlan e identifica hasta 10 veces más vínculos verdaderos que el método ABC con una recuperación alta (70%).
- Datos a escala: entrenado con más de 100 millones de perfiles de células individuales de 68 tejidos humanos.
Disponibilidad: quién puede usarlo y cuándo
Por ahora, AlphaGenome 2 está disponible para investigación no comercial a través de la API de AlphaGenome, mientras que el acceso comercial se encuentra en una fase preliminar privada. DeepMind publicó además tutoriales en Google Colab para que los investigadores puedan probarlo, y abrió un formulario de interés para una vista previa de investigación que acepta solicitudes hasta el 30 de noviembre de 2026. El objetivo del laboratorio es poner el modelo a disposición de la comunidad científica en general durante 2027.
Es importante matizar el alcance: el modelo es una herramienta de investigación y no un instrumento de diagnóstico clínico. Su valor está en acelerar la parte más lenta de la genética de enfermedades —pasar de una lista de variantes sospechosas a una hipótesis concreta sobre qué célula, qué gen y qué mecanismo están implicados— y en hacerlo antes de que los experimentos de laboratorio confirmen o descarten cada pista.
Una semana intensa para la IA de Google
El anuncio se suma a una semana de movimientos importantes en la inteligencia artificial de Google, que también presentó Gemini 4 Carbon, su modelo más potente hasta ahora. Y el contexto es más amplio: la carrera por la IA científica avanza con inversiones millonarias, como la de TSMC en Anthropic y OpenAI, mientras las plataformas de IA ganan peso en todos los sectores. En ese tablero, AlphaGenome 2 representa la apuesta de DeepMind por una IA que no solo genera texto o imágenes, sino que ayuda a leer el manual de instrucciones de la vida: el ADN.
Si las promesas del modelo se confirman en manos de la comunidad científica, la investigación de enfermedades raras y complejas podría ganar años de trabajo: menos variantes descartadas por falta de contexto celular y más hipótesis precisas sobre dónde buscar el origen de una enfermedad. La próxima parada será ver qué descubrimientos publican los primeros laboratorios que lo usen en 2027.
Para más noticias de tecnología, cultura geek, gadgets y entretenimiento, visita: GeekAndLife.com.mx. Descubre más contenido en nuestras redes: Instagram | YouTube | TikTok
Fuente: Wired en Español