AlphaGenome Atlas: DeepMind mapea 9.000M de mutaciones

Qué es AlphaGenome Atlas y por qué importa

Google DeepMind presentó este martes AlphaGenome Atlas, una base de datos de un petabyte (un millón de gigabytes) que reúne predicciones sobre los efectos moleculares de los 9.000 millones de cambios de una sola letra posibles en el genoma humano, más de 100 millones de inserciones y deleciones cortas observadas en cohortes poblacionales. El anuncio fue recogido por Nature, Scientific American y Unite.AI.

El atlas no es un modelo nuevo: es la precomputación masiva del modelo AlphaGenome, que DeepMind lanzó en 2025 para analizar cómo las variantes en el ADN no codificante afectan la regulación de los genes. Cada variante lleva asociadas, según el equipo técnico, unas 27.000 predicciones escalares que cubren cientos de tipos celulares y tejidos humanos y de ratón, lo que elimina la barrera de cómputo para los laboratorios que antes no podían correr el modelo variante por variante.

Para hacerlo usable, DeepMind acompañó el lanzamiento del AlphaGenome Variant Impact (AVI) score: un único número por variante que combina las predicciones de AlphaGenome con las de AlphaMissense ( modelo previo de DeepMind enfocado en variantes que alteran proteínas) más señales de conservación y de pérdida de función. Es, en la práctica, una “aguja en un pajar” convertida en una métrica ordenada de mayor a menor impacto.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

Qué cambia respecto a AlphaFold

El contraste con AlphaFold es inevitable: la base de datos de AlphaFold, que según Scientific American impulsó parte de la reorganización interna en DeepMind, almacena más de 200 millones de predicciones de estructuras de proteínas y ha sido consultada por millones de investigadores. AlphaGenome Atlas es, según la propia empresa, más de 30 veces más grande que esa base de datos, pero su objetivo es distinto: no predice proteínas, sino cómo las mutaciones en el ADN alteran la maquinaria que las produce y las regula.

La diferencia práctica para un laboratorio, según explica el psiquiatra genético Jonathan Sebat, de la Universidad de California en San Diego, a Scientific American, es que ya no hace falta computar nada: “literalmente podemos buscarlo todo”. La bioinformática Mafalda Dias y el biólogo computacional Jonathan Frazer, del Centre for Genomic Regulation en Barcelona, escribieron a Nature que el atlas “debería ser un recurso valioso” porque elimina la barrera computacional que hasta ahora reservaba AlphaGenome a grupos con infraestructura propia.

El propio equipo de DeepMind es cauto: en el preprint, disponible en los servidores de DeepMind, los autores aclaran que Atlas y AVI son herramientas de investigación, no evidencia suficiente para diagnósticos clínicos por sí solas, y que AlphaGenome no ha sido validado ni aprobado para uso clínico.

Ya se aplica en estudios reales

DeepMind publicó junto al atlas tres casos de uso con colaboradores académicos que ilustran qué tipo de problemas resuelve:

Enfermedad rara sin diagnóstico. Investigadores del Broad Institute (Cambridge, Massachusetts), Laura Covill y Anne O’Donnell-Luria, del consorcio GREGoR, aplicaron el AVI para priorizar variantes en casos sin resolver e identificaron una variante intrónica profunda en el gen DNM1, asociado a encefalopatía epiléptica. El modelo predijo que la variante creaba un sitio de splicing críptico específico del cerebro que alargaba la proteína en 13 aminoácidos; los ensayos experimentales validaron la predicción, según reporta Unite.AI.
Epidemiología genómica a gran escala. Gareth Hawkes, investigador del Medical Research Council en la Universidad de Exeter, aplicó el atlas a datos de más de 54.000 participantes del UK Biobank y, al agrupar variantes raras por su efecto molecular predicho, identificó un 22 % más de asociaciones genéticas con niveles de proteínas en sangre que las que se detectaban antes. Entre las variantes destacadas están las que afectan a PLA2G7 (vinculada al envejecimiento) y a EGLN1 (sensor celular de oxígeno). Según Unite.AI, también detectó 19 regiones genéticas asociadas al índice de masa corporal.
Regulación génica. El Stowers Institute for Medical Research (Kansas City, Missouri) usó el atlas para clasificar qué factores de transcripción solo modifican la accesibilidad del ADN y cuáles además encienden o apagan genes. La bióloga molecular Julia Zeitlinger, coautora del preprint, lo resumió en la rueda de prensa como “un diccionario consultable para el ADN no codificante”.

El atlas incluye además un compendio de 2.601 motivos de ADN recurrentes, los “palabras regulatorias” del genoma, mapeadas por tipo celular. Para Pushmeet Kohli, vicepresidente de ciencia en Google DeepMind, es “la primera vez que cualquier investigador del mundo puede acceder a un mapa completo del genoma humano y sus variaciones simplemente abriendo un navegador”.

Disponibilidad y modelo de negocio

AlphaGenome Atlas se liberó el 8 de septiembre de 2026 desde tres accesos simultáneos:

Web pública para uso no comercial.
API de AlphaGenome, que según el product manager Dhavi Hariharan ya usaban unos 9.000 investigadores desde el lanzamiento del modelo en 2025.
Una skill integrada en Google Antigravity, la plataforma de desarrollo agéntico de Google.

El acceso comercial vía Google Cloud se habilitará “próximamente”, según DeepMind, y la descarga estática de los AVI scores está licenciada de forma permisiva para uso comercial y no comercial, como aclara el preprint. El modelo base de AlphaGenome, en tanto, sigue disponible en GitHub, según la nota original de Hipertextual.

Qué significa esto para tu startup

Más allá del laboratorio, AlphaGenome Atlas abre tres líneas de oportunidad concretas para founders de biotecnología, healthtech y herramientas para investigación:

Servicios de priorización de variantes sobre tu propia pipeline. Si tu startup ofrece paneles genéticos, asesoramiento genético o herramientas de diagnóstico, puedes montar un wrapper sobre la API pública y entregar a clínicos o pacientes un ranking AVI interpretado, en lugar de devolverles listas crudas de variantes. La barrera de cómputo desaparece y tu diferenciador pasa a ser UX, integración con historiales clínicos y validación regulatoria. Estudia el modelo de licencia: el atlas web es no comercial, pero los AVI scores estáticos y el acceso por Google Cloud sí permiten uso comercial.
Productos de descubrimiento de fármacos centrados en ADN no codificante. El 98 % del genoma no codifica proteínas pero regula cuándo y cómo se expresan. Si trabajas en target discovery o en variantes asociadas a eficacia y seguridad de fármacos, el atlas te da, por variante y por tejido, una señal de impacto molecular lista para cruzar con datos farmacológicos propios.
Datos sintéticos y benchmarks para entrenar modelos propios. El compendio de 2.601 motivos de ADN con su efecto predicho por tejido es un dataset etiquetado a escala petabyte que sirve para entrenar o fine-tunear modelos de genómica sin tener que pagar el coste del preentrenamiento. Antes de invertir en tu propio pipeline, valida con atlas + AlphaMissense qué tanto margen hay frente a un modelo base del estado del arte.

Implicación estratégica: las barreras de entrada en genómica con IA bajaron. Lo que sigue siendo caro, y donde se juega el valor, es la integración clínica, la regulación y el acceso a datos propietarios de pacientes. Esa es la zona donde una startup bien posicionada todavía puede construir una defensa competitiva real.