Google DeepMind lanza AlphaGenome 2 para decodificar el ADN

Si tuviéramos que señalar un área donde la inteligencia artificial está demostrando un valor incuestionable más allá de redactar correos o generar vídeos divertidos, esa sería la biología molecular. Hace unos años, Google DeepMind asombró a la comunidad científica con AlphaFold, resolviendo el plegamiento de las proteínas. Sin embargo, entender las proteínas es solo leer el producto final; el verdadero manual de instrucciones de la vida humana sigue escondido en la parte no codificante de nuestro ADN, ese 98% del genoma que durante décadas llamamos erróneamente "ADN basura" y donde se originan miles de enfermedades complejas.

Este 11 de noviembre de 2026, Google DeepMind ha dado un salto gigantesco en esta frontera científica con el lanzamiento oficial de AlphaGenome 2. Como explicó el propio CEO de Alphabet, Sundar Pichai, todas las células de nuestro cuerpo comparten exactamente el mismo plano genético, pero una célula del músculo cardíaco lee ese plano de forma muy distinta a como lo hace una célula del sistema inmunitario. He estado revisando el artículo científico y las especificaciones técnicas de este nuevo modelo, y su capacidad para predecir cómo una minúscula variación genética afecta a cientos de tipos de células humanas específicas está a punto de transformar la investigación farmacológica.

El salto a la resolución unicelular

La primera versión de AlphaGenome ya era una herramienta potente, pero analizaba los tejidos en bloque, promediando el comportamiento de millones de células juntas. El problema de ese enfoque es que ocultaba los detalles críticos: una mutación puede ser completamente inofensiva en el hígado, pero resultar devastadora en un tipo muy concreto de célula inmunitaria del intestino.

AlphaGenome 2 soluciona este cuello de botella pasando a una arquitectura condicional con resolución unicelular. Los investigadores de DeepMind entrenaron el modelo utilizando más de 107 millones de perfiles celulares individuales extraídos de 68 tejidos distintos, tanto humanos como de ratón. Gracias a esta base de conocimiento colosal, el modelo identifica casi el doble de variantes genéticas que alteran la expresión de los genes en comparación con su predecesor.

Además, el sistema incorpora nuevas lecturas de metilación del ADN junto con la accesibilidad de la cromatina. En términos sencillos, permite a los científicos observar no solo qué letras tiene el código genético, sino qué interruptores moleculares están encendidos o apagados en una célula específica bajo una condición biológica concreta.

Validación real: El caso de la enfermedad inflamatoria intestinal

Para demostrar que el modelo funciona fuera de los benchmarks teóricos, el equipo de DeepMind sometió a AlphaGenome 2 a una prueba ciega utilizando datos reales sobre la enfermedad inflamatoria intestinal (EII), una dolencia crónica grave.

Estudios médicos previos habían vinculado una variación genética específica con el aumento de la actividad de un gen llamado ETS2 en los macrófagos intestinales (células clave de defensa en el sistema digestivo). Al introducir la secuencia de ADN en AlphaGenome 2, el algoritmo reprodujo computacionalmente el hallazgo médico desde cero. Señaló con precisión quirúrgica cuál era la variante causal y predijo que afectaría exclusivamente a esos macrófagos intestinales, dejando intactos al resto de los tejidos.

Lo mismo ocurrió al analizar datos inéditos de respuesta inmunitaria frente a vacunas de ARNm: el modelo logró distinguir entre células T activadas y en reposo, mostrando cómo ciertas variantes alteran la respuesta genética solo cuando el sistema inmune está en alerta.

El coste de la precisión y su disponibilidad

A pesar de su potencia, AlphaGenome 2 no viene a reemplazar por completo al modelo original, sino a complementarlo.El líder del proyecto, Žiga Avsec, reconoció que alcanzar este nivel de detalle celular exige una capacidad de computación muchísimo más pesada y costosa. Por ello, los científicos utilizarán el primer modelo para hacer barridos generales rápidos de todo el genoma, y activarán AlphaGenome 2 cuando necesiten poner una lupa microscópica sobre una región sospechosa.

DeepMind ha puesto el modelo a disposición de la comunidad académica de forma gratuita para investigación no comercial a través de su API, mientras abre una vista previa privada para empresas farmacéuticas y biotecnológicas.Aunque aclaran que todavía no está aprobado para diagnóstico clínico directo en hospitales, el impacto en el desarrollo de nuevos fármacos será inmediato. Entender exactamente qué célula falla y por qué permite diseñar medicamentos dirigidos con una precisión sin precedentes, reduciendo años de ensayos fallidos en el laboratorio.