Imagínate intentar encontrar una sola errata en una biblioteca que contiene millones de libros. Eso es, poco más o menos, lo que supone hoy en día rastrear mutaciones genéticas. Google DeepMind acaba de patear el tablero científico anunciando AlphaGenome Atlas, un mapa predictivo masivo diseñado para descifrar el impacto de cada posible cambio de una sola letra en el ADN humano. Una auténtica locura.
A nivel técnico, sabemos que la medicina actual tiene muy dominada la secuenciación. Tenemos la maquinaria perfecta para leer secuencias enormes y localizar dónde cambia una de sus letras. Sin embargo, adivinar las consecuencias moleculares de ese cambio puntual es otro cantar muy distinto.
De hecho, algunas variantes genéticas pasan completamente desapercibidas y no alteran la actividad celular. Otras, por el contrario, desajustan el reloj interno de los genes y están vinculadas, en determinados casos, con enfermedades graves y raras. El problema de base es que el número de variantes es absurdamente grande como para comprobarlas una a una en un tubo de ensayo. Sencillamente, no hay tiempo humano para eso.
Un petabyte de predicciones para 9.000 millones de variantes
Y es justo aquí donde la rama de inteligencia artificial de Google acaba de llevar ese problema a una escala difícil de imaginar. Han creado un catálogo que aglutina más de 9.000 millones de variantes de un solo nucleótido. Hablamos de analizar qué pasaría si sustituyes cada base del genoma por cualquiera de las otras tres alternativas químicas posibles.
En concreto, debes tener claro que este Atlas no es un registro de mutaciones observadas en pacientes reales. Es un mapa puramente algorítmico. La IA escupe predicciones sobre procesos clave como el splicing, la accesibilidad de la cromatina o la expresión génica para cientos de tejidos y tipos celulares, tanto en humanos como en ratones.
Si nos fijamos en los datos duros, el dataset de AlphaGenome ronda un petabyte de almacenamiento. Básicamente, necesitas un centro de datos entero para ti solo si quieres descargarlo de golpe. Pero la genialidad del proyecto es que las predicciones ya están precalculadas.
La métrica AVI: El filtro para encontrar oro genético
Para no volver locos a los biólogos con miles de métricas aisladas, DeepMind ha desarrollado una puntuación bautizada como AVI (AlphaGenome Variant Impact). Según explican en una publicación oficial, este indicador sirve para priorizar qué variantes genéticas merecen que te dejes el presupuesto del laboratorio en ellas. Así de simple.
Evidentemente, este sistema no nace de la nada. La puntuación AVI es un híbrido que combina la capacidad del nuevo modelo con las inferencias de AlphaMissense. Este último es aquel LLM especializado en alteraciones de aminoácidos en proteínas que ya rompió los esquemas del sector biomédico allá por 2023.
Y ya tenemos pruebas de fuego. Trabajando codo con codo con el consorcio GREGoR y el Broad Institute, usaron el sistema AVI para cribar datos de enfermedades raras. Hubo sorpresa. La IA alertó sobre una alteración oculta en el gen DNM1 prediciendo un sitio de splicing totalmente incorrecto. Meses después, se comprobó físicamente en el laboratorio que el modelo tenía toda la razón. Funcionó.
Eliminando el ruido estadístico de la biología
A ello se le suma el reciente trabajo de Gareth Hawkes, un investigador de la Universidad de Exeter. Este científico cruzó el Atlas con las bases de datos de más de 54.000 pacientes del famoso UK Biobank. ¿El resultado? Logró detectar un 22% más de asociaciones genéticas no codificantes. Sin esta IA, todos esos datos habrían quedado sepultados por el mero ruido estadístico.
Como era de esperar, este despliegue de músculo computacional viene de lejos. DeepMind ya nos dejó pistas cuando en 2021 presentó Enformer, su primera apuesta seria para predecir la regulación génica. Ahora, con AlphaGenome en 2025, expanden esa visión a la totalidad de las secuencias largas del ADN.
Por suerte para la comunidad internacional, todos los resultados de esta titánica red neuronal pueden consultarse directamente desde una interfaz web. La IA hace el trabajo sucio y los investigadores solo buscan lo que necesitan. Pero claro, aquí toca pinchar un poco la burbuja. La propia DeepMind lo avisa en rojo: este modelo no está validado para uso clínico. No puedes usarlo para diagnosticar a un paciente en un hospital.
Es decir, la inteligencia artificial te marca el mapa del tesoro, te dice dónde es muy probable que haya un fallo genético y te ahorra años de palos de ciego. Sin embargo, la pala la tienes que coger tú para excavar en el laboratorio y demostrar biológicamente que el algoritmo no alucina. Veremos si la competencia se anima a replicar algo de este calibre o si Google se queda solo dominando la biología computacional del futuro.
Me dedico al SEO y la monetización con proyectos propios desde 2019. Un friki de las nuevas tecnologías desde que tengo uso de razón.
Estoy loco por la Inteligencia Artificial y la automatización.
