AlphaGenome 2 encuentra casi el doble de variantes causales del ADN en células — mediante API

Todas las células del cuerpo tienen el mismo genoma, pero funcionan de forma distinta: una célula del músculo cardíaco y una célula inmunitaria que combate una infección activan genes diferentes. Una mutación en el ADN puede alterar el funcionamiento de un solo tipo celular y no manifestarse en los demás. Los modelos anteriores, que predecían el efecto de las mutaciones a partir de tejidos promediados, a menudo pasaban por alto esos efectos. DeepMind ha lanzado AlphaGenome 2, que intenta resolver este problema.

Qué cambió en la arquitectura

La primera AlphaGenome tomaba una secuencia de ADN de un millón de letras y generaba de inmediato miles de predicciones paralelas para distintos tejidos y líneas celulares. Es cómodo, pero la capacidad del modelo se diluía y distinguía mal los tipos celulares cercanos.

La segunda versión adopta otro enfoque. El modelo es ahora condicional: como entrada recibe el ADN y una descripción de la condición biológica: un tejido, un tipo celular o su estado. Esta condición se introduce en cada etapa de la arquitectura, de modo que el modelo aprende cómo un mismo tramo de ADN se lee de forma diferente en distintas células. La condición puede elegirse de un catálogo o construirse a partir de un experimento propio de célula única mediante un codificador de células especial.

Se entrenó con datos de humanos y ratones, incluidos más de 107 millones de perfiles de células individuales de 68 tejidos. A las predicciones anteriores (expresión génica, modificaciones de histonas, accesibilidad de la cromatina) se suma la metilación del ADN, la que más se pedía.

Qué muestran las cifras y los ejemplos

En el conjunto de datos TenK10K, un mapa unicelular de 28 tipos de células inmunitarias, AlphaGenome 2 identifica correctamente el 30 % de las variantes causales frente al 16 % del primer modelo reentrenado con datos unicelulares. La dirección del efecto (si un gen se activa más o menos) la acierta en el 43 % de los casos frente al 23 %.

También hay ejemplos reales. Un estudio reciente mostró que una variante situada en una región reguladora distante provoca enfermedad inflamatoria intestinal al reactivar el gen ETS2 en los macrófagos. El modelo reprodujo esto de forma computacional: señaló la variante causal y mostró que intensifica ETS2 precisamente en los macrófagos intestinales, mientras que apenas afecta a otras células.

Otra capacidad es trabajar con estados desconocidos sin reentrenamiento. Basta una instantánea de la actividad génica (scRNA-seq) de apenas unas decenas de células. Con datos de un estudio de la vacuna contra la COVID-19, el modelo distinguió los linfocitos T activados de los en reposo. También mostró que una variante asociada a una COVID-19 grave altera más el funcionamiento de los genes precisamente en el estado activado, mientras que en las células en reposo ese efecto pasaría inadvertido.

Por separado, DeepMind calculó de antemano predicciones para variantes halladas en GWAS (la búsqueda de asociaciones entre regiones del ADN y rasgos como la estatura o la diabetes de tipo 2) en cientos de condiciones. Esto ayuda a buscar la variante causal, el gen y la célula sin tener que ejecutar cálculos pesados por cuenta propia.

Limitaciones y qué hacer en la práctica

Hay salvedades importantes. El modelo está destinado solo a investigación y no se ha validado para tareas clínicas ni diagnósticas. Las métricas las proporciona la propia DeepMind y todavía no hay verificación independiente. Y aun el 30 % de variantes causales encontradas implica que la mayor parte sigue sin detectarse: es una herramienta para priorizar hipótesis, no un sustituto del experimento.

Para quienes trabajan en biotecnología y su entorno, las conclusiones son estas:

• Si está construyendo una plataforma de búsqueda de dianas o de análisis GWAS, conviene probar la API: está abierta para investigación no comercial y existe una vista previa cerrada para usos comerciales. Ya se anuncian las primeras integraciones, por ejemplo, de Genomics Limited con su plataforma Mystra.
• Si dispone de datos propios de célula única, preste atención al aprendizaje condicional sin reentrenamiento: incluso una pequeña instantánea de células puede fijar el contexto de las predicciones.
• El modelo es capaz de completar mediciones que faltan, por ejemplo la accesibilidad de la cromatina a partir de datos de expresión; es una forma de decidir qué experimentos plantear a continuación.

Otro detalle para quienes siguen las herramientas agénticas: está previsto el lanzamiento de AlphaGenome 2 Skills en Google Antigravity, donde el modelo especializado trabajará junto con Gemini. Así, los modelos científicos especializados se convierten poco a poco en herramientas que invoca un agente.