Google DeepMind presentó AlphaGenome 2 el 11 Nov 2026. El modelo predice cómo influyen los cambios en el ADN en la actividad de los genes en tipos y estados celulares específicos, algo que las herramientas anteriores solo podían hacer a nivel de tejido. Ahora, los investigadores pueden preguntar qué ocurre con una variante determinada en una célula del músculo cardíaco frente a una célula inmunitaria intestinal. La empresa ofrece hoy el modelo a través de la API de AlphaGenome para investigación no comercial y, para proyectos comerciales, en una versión preliminar privada.
Por qué importan las predicciones más precisas
Todas las células del cuerpo tienen el mismo ADN, pero cada una activa o desactiva genes distintos. Una variante inofensiva en las células de la piel podría alterar un gen en las células cerebrales y provocar una enfermedad. Al tener en cuenta la identidad de cada célula, AlphaGenome 2 puede detectar efectos que los modelos basados en tejidos completos no captan. Žiga Avsec, responsable de genómica de DeepMind, afirma que este nivel de detalle es fundamental para desarrollar fármacos, ya que los tratamientos se dirigen a proteínas presentes en determinados tipos celulares.
Qué mejora AlphaGenome 2 respecto a su predecesor
AlphaGenome 1 utilizaba una arquitectura paralela que distribuía su capacidad entre muchos tejidos a la vez, lo que limitaba su sensibilidad a las diferencias sutiles entre tipos celulares. AlphaGenome 2 rediseña el modelo como un sistema condicionado: incorpora una secuencia de ADN y una condición celular específica como entradas en cada capa. Entrenado con más de 100 millones de perfiles unicelulares de 68 tejidos, el nuevo modelo identifica casi el doble de variantes que modifican la expresión génica que AlphaGenome 1. También puede predecir efectos en estados celulares que nunca ha visto, como el de células inmunitarias activadas por una vacuna, sin necesidad de volver a entrenarlo.
Por qué importa
Para los científicos biomédicos, AlphaGenome 2 ofrece una forma de vincular directamente las variantes de ADN asociadas a enfermedades con los tipos celulares que provocan los síntomas, lo que podría acelerar la identificación de dianas terapéuticas. A los desarrolladores de fármacos, el modelo puede ayudarles a priorizar qué variantes abordar en un tejido concreto y enfocar mejor el trabajo preclínico. La versión preliminar comercial permite a las empresas biotecnológicas empezar a probar la herramienta, aunque su mayor coste computacional implica que no sustituirá a AlphaGenome 1, más económico, en los análisis generales.
