LO ESENCIAL EN 30 SEGUNDOS
- AlphaGenome 2 recibe una secuencia de ADN de un millón de letras y un tejido, tipo o estado celular, y predice la actividad reguladora en ese contexto.
- En 28 tipos de células inmunitarias, DeepMind afirma que identifica el 30 % de las variantes causales de expresión, frente al 16 % de AlphaGenome 1 ajustado.
- El acceso es a través de la API de AlphaGenome para investigación no comercial; DeepMind aclara que no está validado para uso clínico ni diagnóstico.
Google DeepMind presentó el 11 de noviembre de 2026 AlphaGenome 2, la continuación de su modelo de secuencias de ADN. Su propósito es indicar no solo si una variante genética altera la regulación de los genes, sino en qué tipo de célula lo hace.
De los tejidos a los estados celulares
El primer AlphaGenome predecía en paralelo muchos tejidos y líneas celulares a partir de un mismo fragmento de ADN. Según el blog de DeepMind, eso repartía en exceso la capacidad del modelo y dificultaba distinguir tipos celulares parecidos. AlphaGenome 2 es, en cambio, condicional: recibe una secuencia de un millón de letras junto con una única condición objetivo, ya sea un tejido, un tipo o un estado celular, y esa condición guía el cálculo desde las primeras capas. Se puede elegir una condición de referencia o crearla a partir de datos propios de ARN de célula única; DeepMind asegura que bastan unas pocas docenas de células y que no hace falta reentrenar.
El modelo se entrenó con datos masivos y de célula única de humanos y ratones. De acuerdo con el artículo, su codificador de célula única aprendió de más de 100 millones de perfiles de células humanas procedentes de 68 tejidos. Además de la expresión génica, predice la accesibilidad de la cromatina, las marcas de histonas y, como novedad, la metilación del ADN, y puede estimar un tipo de medición a partir de otro.
Resultados comunicados
En el conjunto TenK10K, con 28 tipos de células inmunitarias primarias, DeepMind indica que AlphaGenome 2 detecta el 30 % de las variantes causales de expresión con alta precisión, frente al 16 % del modelo original ajustado con datos de célula única. Acierta la dirección del efecto en el 43 % de los casos, frente al 23 %. DeepMind añade que el modelo reprodujo de forma computacional un hallazgo publicado que vincula una variante de la enfermedad inflamatoria intestinal con una mayor actividad del gen ETS2 en macrófagos del intestino.
Acceso y límites
El modelo es gratuito para investigación no comercial a través de la API y está en vista previa privada para uso comercial, junto con predicciones precalculadas de variantes asociadas a rasgos en cientos de condiciones. DeepMind lo limita a la investigación y subraya que no está aprobado para fines clínicos ni diagnósticos. El propio artículo admite que todavía se le escapan la mayoría de las variantes finamente mapeadas con alta precisión, que los estados transitorios y patológicos están poco representados y que requiere una ejecución por condición, lo que encarece el cómputo. Interesting Engineering recuerda que las predicciones aún deben confirmarse en el laboratorio; las cifras de rendimiento son de DeepMind.
