Google DeepMind lanza AlphaGenome Atlas con 9.000M variantes

DeepMind publica AlphaGenome Atlas: 9.000 millones de variantes del ADN, servidas en un click

El genoma humano tiene unos 3.000 millones de pares de letras químicas (A, C, G y T). Cambiar una sola de esas letras puede no hacer nada, explicar por qué tienes los ojos marrones o, en el peor caso, provocar una enfermedad. Hay aproximadamente 9.000 millones de sustituciones posibles de una sola letra y, hasta hoy, saber cuáles importaban requería costosas simulaciones o años de laboratorio. Google DeepMind presentó este martes AlphaGenome Atlas, un catálogo que ya tiene precalculada la predicción de qué hace cada una de esas variantes a nivel molecular. Según la propia compañía, es el mapa más completo que existe sobre cómo las mutaciones afectan a la biología.

La cifra importa para los founders de healthtech: el dataset pesa alrededor de 1 petabyte (un millón de gigabytes) y, por primera vez, cualquier investigador puede consultarlo desde un navegador web sin escribir una línea de código.

¿Qué hay realmente dentro de Atlas?

El Atlas se apoya en AlphaGenome, el modelo que DeepMind lanzó en 2025 y que ya han usado unos 9.000 investigadores a través de su API, según recoge Nature. El nuevo lanzamiento es, en esencia, ese modelo ejecutado a escala genómica completa y empaquetado en una interfaz accesible.

👥 ¿Quieres ir más allá de la noticia?

En nuestra comunidad discutimos las tendencias, compartimos oportunidades y nos ayudamos entre emprendedores. Sin humo, solo acción.

👥 Unirme a la comunidad

Tres piezas concretas que debes entender:

Cobertura del 98% del genoma no codificante. Solo el 2% del ADN codifica proteínas. Atlas se enfoca en el resto, la enorme masa reguladora que decide cuándo, dónde y cuánto se expresa cada gen. La herramienta predecesora, AlphaMissense, cubría justamente la otra porción, la que codifica proteínas.
El AVI score. Un único número, llamado AlphaGenome Variant Impact, que clasifica cada variante según su impacto funcional probable. La idea es resolver la queja más repetida por los usuarios de la API: "dame un solo puntaje para saber si esta variante me importa". DeepMind y académicos independientes publicaron en un preprint que el AVI discriminó con fiabilidad mutaciones causantes de enfermedad de cambios中立 inofensivos en una base de datos clínica de genómica.
Más de 100 millones de inserciones y deleciones cortas además de las 9.000 millones de sustituciones de una sola letra, lo que lo convierte, según Scientific American, en un recurso 30 veces más grande que la base de datos de AlphaFold.

Para usar Atlas, los investigadores pueden entrar al portal web, invocarlo como skill dentro de Antigravity (la plataforma agentic de Google) o seguir usando la API clásica. El acceso es gratuito para uso no comercial desde el día del lanzamiento; el uso comercial en Google Cloud llegará "próximo", según la compañía.

El laboratorio Broad ya lo está usando en casos reales

Uno de los ejemplos más concretos llega del Broad Institute en Cambridge, Massachusetts: su equipo usó Atlas para priorizar una variante no codificante como posible causa de un caso severo de epilepsia, una pista que luego podrán validar en el laboratorio. Mafalda Dias y Jonathan Frazer, biólogos computacionales del Centre for Genomic Regulation en Barcelona, lo resumen en Nature: "Al eliminar la barrera computacional, Atlas debería ser un recurso valioso", especialmente para equipos pequeños que antes no podían permitirse correr AlphaGenome sobre un genoma completo.

Julia Zeitlinger, del Stowers Institute for Medical Research y coautora del preprint, lo describe como "un diccionario consultable para el ADN no codificante". Esa metáfora es útil para founders: lo que Atlas ofrece no es un reemplazo del experimento, sino una capa de priorización que dice por dónde empezar a mirar.

El rearme de DeepMind: Hassabis se aparta para enfocarse en ciencia

El lanzamiento llega en un momento bisagra para DeepMind. El 6 de agosto de 2026, Demis Hassabis anunció que dejaba la operación diaria de Google DeepMind para asumir el rol de chairman de la división y convertirse en chief scientist de Alphabet, manteniendo el liderazgo de Isomorphic Labs, la spin-off de drug discovery. El mando operativo pasó a Koray Kavukcuoglu como nuevo SVP. El anuncio cayó mal entre inversores y la acción de Alphabet cayó ese día, según CNBC.

El cambio se interpreta como una señal de la tensión interna: Hassabis quiere usar la IA para transformar la ciencia, mientras Alphabet presiona para monetizar más rápido ante una inversión de capital planeada de entre 195.000 y 205.000 millones de dólares este año, en plena carrera con OpenAI y Anthropic. En paralelo, Jeff Dean, 27 años en Google, dejó la compañía junto con varios colegas para lanzar Discovery Loop, una corporación de beneficio público enfocada en automatizar el machine learning científico. Google será inversionista fundador y socio cloud.

Dicho de otra forma: la camada fundadora de DeepMind se está reposicionando hacia la biotech justo cuando AlphaFold y AlphaGenome se vuelven productos con precio.

Por qué esto importa al ecosistema biotech y a tu startup

El Atlas no es el único movimiento. El dinero está cayendo en cascada sobre el drug discovery con IA: Isomorphic Labs cerró en mayo una ronda de 2.100 millones de dólares liderada por Thrive Capital, con alianzas ya firmadas con Novartis, Eli Lilly y Johnson & Johnson. Genesis Molecular AI e Incyte ampliaron una colaboración con un valor potencial superior a 1.000 millones de dólares. Chai Discovery firmó con Pfizer acceso temprano a su modelo Chai-3 para diseño de anticuerpos. Y Anthropic adquirió a la startup Coefficient Bio por 400 millones de dólares para acelerar su propio stack biotecnológico.

Para founders hispanohablantes, la lectura es directa: la infraestructura fundacional del genoma y la proteína se está convirtiendo en commodity. El valor migrará hacia tres capas:

Datos propietarios que los modelos genéricos no tienen (cohortes de pacientes, muestras clínicas, multi-ómica).
Aplicaciones verticales sobre Atlas o AlphaFold (diagnóstico de enfermedades raras, priorización de variantes en paneles clínicos, herramientas para genetistas que no programan).
Validación experimental rápida que cierre el ciclo entre la predicción y el resultado clínico.

Qué puedes hacer esta semana si trabajas en healthtech

Prueba Atlas antes que tu competidor. El portal no comercial está abierto. Dedica dos tardes a correr el AVI score sobre las 50 variantes que más te interesan en tu dominio. Si reduces la lista de wet-lab experiments aunque sea un 30%, el ROI del tiempo invertido es brutal.
Audita qué capa de la pila cubres. Si tu startup depende de modelos fundacionales de genómica, Atlas es una amenaza competitiva; si trabajas en datos propietarios (cohortes, biopsias, single-cell) o en la capa clínica/regulatoria que esos modelos no tocan, es una oportunidad de alejarte del commodity.
Mide el coste de cambio. Si hoy pagas a un proveedor cloud por predicciones AlphaGenome, pregúntale cuándo migrará a Atlas comercial en Google Cloud y a qué precio. La guerra de precios entre Anthropic, Google y los proveedores tradicionales de bioinformática va a empezar, y conviene estar en el lado correcto de la curva.