AlphaGenome Atlas, lanzado por Google DeepMind el 8 de septiembre de 2026, convierte AlphaGenome de un modelo consultado variante por variante en un gran catálogo precalculado de efectos moleculares previstos. La cifra que más llama la atención — unos 9.000 millones de variantes — no significa 9.000 millones de variantes encontradas en pacientes ni 9.000 millones de diagnósticos. Representa, en esencia, todas las sustituciones posibles de una sola letra del ADN en el genoma humano de referencia: en cada posición, la letra existente puede cambiarse por tres alternativas.
El valor científico del Atlas está en hacer consultable ese enorme espacio de posibilidades. En lugar de probar cada cambio en el laboratorio o ejecutar el modelo desde cero para cada variante, los investigadores pueden utilizar predicciones ya calculadas para priorizar hipótesis, investigar mecanismos reguladores y decidir qué cambios merecen validación experimental. La distinción central es esta: el Atlas predice efectos moleculares; no determina por sí solo si una persona tiene, tendrá o no tendrá una enfermedad.
Qué significa realmente “9.000 millones de variantes”
El genoma humano contiene aproximadamente 3.000 millones de posiciones de ADN. Para una variante de un solo nucleótido, o SNV, cada posición puede cambiarse por cualquiera de las otras tres letras. Aplicar esa lógica a escala genómica produce unos 9.000 millones de sustituciones posibles. AlphaGenome Atlas precalculó predicciones para ese espacio, creando un conjunto de datos de aproximadamente 1 petabyte.
Esa escala es distinta de tres conceptos que suelen confundirse:
- Variantes posibles: todas las sustituciones de una sola letra que podrían existir respecto al genoma de referencia.
- Variantes observadas: cambios que han sido identificados realmente en personas, poblaciones o bases de datos genómicas.
- Variantes causales: cambios para los que existe evidencia suficiente de que contribuyen a un mecanismo biológico o fenotipo específico.
El Atlas cubre la primera categoría y puede ayudar a estudiar las otras dos. No convierte automáticamente una posibilidad computacional en una variante observada, funcional o causante de enfermedad.
Qué tipos de predicciones ofrece el Atlas
El Atlas reúne recursos conectados que van desde la priorización rápida hasta la investigación mecanística. Su base es AlphaGenome, un modelo que recibe contexto de secuencia de ADN y predice miles de señales funcionales. El trabajo publicado en Nature describe AlphaGenome procesando hasta 1 millón de pares de bases y generando predicciones en múltiples modalidades, muchas de ellas con resolución de una sola base.
| Recurso | Para qué sirve | Cómo no interpretarlo |
|---|---|---|
| Predicciones de efecto molecular | Estimar cómo un cambio podría modificar señales como expresión génica, inicio de la transcripción, accesibilidad de la cromatina, modificaciones de histonas, unión de factores de transcripción y splicing. | No son mediciones directas realizadas en una muestra del paciente. |
| Puntuación AVI | Resumir en un número la prioridad de una variante según su impacto molecular previsto, combinando información de AlphaGenome y, cuando corresponde, de AlphaMissense. | No es una probabilidad de enfermedad ni una clasificación clínica automática. |
| Atribuciones del AVI | Indicar qué componentes — por ejemplo, splicing, expresión, cromatina o conservación — contribuyeron más a la puntuación. | No demuestran que ese mecanismo ocurra realmente en un organismo vivo. |
| Motivos de secuencia | Relacionar variantes con patrones recurrentes de ADN que pueden ayudar a formular hipótesis sobre regulación génica. | No constituyen por sí solos evidencia causal de unión de una proteína o de un efecto fenotípico. |
Por qué una sola puntuación ayuda — y por qué no basta
Una dificultad práctica de la genómica es que un solo genoma puede contener millones de diferencias respecto a la referencia. En investigación de enfermedades raras, por ejemplo, el problema a menudo no es encontrar variantes, sino decidir cuáles pocas merecen atención primero. La puntuación AlphaGenome Variant Impact (AVI) se creó para ayudar en ese triaje.
La puntuación permite ordenar variantes codificantes y no codificantes en una escala común de impacto previsto. Esto es importante porque la mayor parte del genoma no codifica directamente proteínas, pero puede influir en cuándo, dónde y cuánto se activa un gen, cómo se procesa el ARN y cómo se organiza la cromatina.
Sin embargo, ordenar no es diagnosticar. Un AVI alto significa que el sistema predice una alteración molecular relativamente importante. Por sí solo, no informa la penetrancia de una condición, la edad de inicio, la gravedad clínica, las interacciones con otras variantes, los efectos ambientales ni si el mecanismo previsto se manifiesta en el tejido y estado celular relevantes para una persona concreta.
Qué cambia respecto al AlphaGenome original
AlphaGenome ya permitía analizar secuencias y variantes específicas mediante una API. El Atlas cambia principalmente la escala y la accesibilidad: en lugar de exigir que cada grupo ejecute predicciones repetidamente, los resultados para miles de millones de SNV se calcularon de antemano y se organizaron para consulta mediante un portal y una API.
Esto elimina una barrera computacional importante. El artículo original de AlphaGenome informó un rendimiento igual o superior al de los mejores modelos externos en 25 de 26 evaluaciones de efecto de variantes. El mismo trabajo también describe limitaciones: algunos efectos específicos de tipo celular siguen siendo difíciles y los modelos de efecto molecular no equivalen a modelos de consecuencias fenotípicas.
Cómo están usando ya los investigadores el Atlas
Los ejemplos divulgados con el lanzamiento muestran el tipo de mejora que el Atlas pretende ofrecer: priorización y generación de hipótesis, seguidas de verificación mediante otros métodos.
En una colaboración con investigadores del Broad Institute y el consorcio GREGoR, el AVI ayudó a priorizar una variante relacionada con el gen DNM1 en un caso de enfermedad rara no resuelto. Las predicciones indicaron que la variante creaba un sitio de splicing incorrecto, y experimentos posteriores validaron el efecto funcional. El punto importante no es que el Atlas “hiciera el diagnóstico”, sino que ayudó a encontrar y explicar una candidata que después fue sometida a prueba experimental.
En otro uso comunicado por DeepMind, Gareth Hawkes, de la Universidad de Exeter, aplicó el Atlas a datos de genoma completo de más de 54.000 participantes del UK Biobank. Al agrupar variantes raras según sus efectos moleculares previstos, el análisis identificó un 22% más de asociaciones genéticas no codificantes que las que se habrían detectado de otro modo con esa estrategia. De nuevo, se trata de una herramienta para aumentar la capacidad de investigación, no de convertir una puntuación en una conclusión clínica individual.
Qué no diagnostica AlphaGenome Atlas
Google DeepMind lo expresa de forma explícita: la información de AlphaGenome Atlas no sustituye el asesoramiento, el diagnóstico ni el tratamiento profesional, y AlphaGenome no ha sido validado ni aprobado para ningún uso clínico.
Hay razones científicas para ese límite. Una predicción de efecto molecular responde a preguntas como “¿podría este cambio de base alterar el splicing?” o “¿el modelo espera un cambio de expresión en este contexto?”. Un diagnóstico exige integrar mucho más: fenotipo del paciente, antecedentes familiares, calidad y origen de la variante observada, frecuencia poblacional, patrón de herencia, evidencia funcional, literatura, criterios de clasificación y, cuando corresponda, confirmación de laboratorio.
También es posible que una variante tenga un gran efecto molecular previsto y poca relevancia para un desenlace clínico específico, o lo contrario. La biología reguladora depende del tejido, el estado celular, el contexto del desarrollo, las interacciones entre variantes y factores ambientales que no están plenamente representados por una sola puntuación.
Una forma segura de leer un resultado del Atlas
- Use el AVI para priorizar, no para concluir. Una puntuación alta indica que la variante merece una investigación más detallada.
- Abra las atribuciones y predicciones detalladas. Compruebe si la señal procede de splicing, expresión, cromatina, impacto proteico u otra categoría.
- Revise el contexto biológico. Pregunte si el tejido, el gen y el mecanismo previstos encajan con la hipótesis de investigación.
- Compare con evidencia externa. Las bases poblacionales, la literatura, los datos experimentales y otras herramientas siguen siendo necesarios.
- Valide cuando la conclusión dependa del mecanismo. Una predicción computacional fuerte puede orientar un experimento, pero no lo sustituye.
Qué cambia el lanzamiento para la investigación genómica
El principal avance de AlphaGenome Atlas es hacer consultable una capa de predicción que sería demasiado costosa para muchos grupos si tuvieran que generarla por sí mismos a escala genómica. Puede acelerar el cribado, dar más atención a variantes no codificantes y conectar el análisis de variantes más directamente con hipótesis sobre mecanismos moleculares.
Sin embargo, su utilidad depende de mantener clara la frontera entre predicción, evidencia y diagnóstico. El sistema proporciona un mapa de hipótesis computacionales a una escala inédita; el trabajo científico sigue siendo determinar cuáles de esas hipótesis corresponden a la biología real y en qué condiciones.
Fuentes
- Google DeepMind, anuncio de AlphaGenome Atlas: https://deepmind.google/blog/alphagenome-atlas-a-predictive-map-of-every-possible-dna-letter-change-in-the-human-genome/
- Avsec et al., Nature (2026), artículo de AlphaGenome: https://www.nature.com/articles/s41586-025-10014-0
- Nature, cobertura independiente del lanzamiento del Atlas: https://www.nature.com/articles/d41586-026-02835-4
- UCSC Genome Browser, descripción del track AVI para hg38: https://genome.ucsc.edu/goldenPath/newsarch.html
