DeepMind publica AlphaGenome Atlas: 9.000M de variantes de ADN

Por qué un mapa con 9.000 millones de variantes cambia la genética

El genoma humano tiene unos 3.000 millones de pares de bases y, en teoría, cada letra puede mutar a otras tres. El espacio total de cambios de una sola letra alcanza los 9.000 millones, una cifra tan grande que ningún laboratorio del mundo podría testearlos experimentalmente uno por uno. Google DeepMind publicó este 8 de septiembre de 2026 AlphaGenome Atlas, un recurso que precalcula con IA el efecto molecular de cada una de esas variantes y lo entrega ya listo para consultar desde el navegador. La compañía asegura que el dataset ocupa cerca de 1 petabyte y es más de 30 veces más grande que la base de datos de AlphaFold expandida en 2022, según Unite.ai.

Lo nuevo no es el modelo de IA (AlphaGenome se presentó en 2025), sino el salto de escala: pasar de «predice cuando le pasas una variante» a «ya predijo todas las variantes posibles del genoma humano». Para una startup biotech, esto significa sustituir semanas de cómputo en la nube por una consulta web.

Qué contiene exactamente el Atlas

El equipo de Žiga Avsec en DeepMind ejecutó lo que en bioinformática se llama in silico saturation mutagenesis: para cada posición del genoma de referencia hg38 generaron las tres sustituciones posibles de nucleótido y pidieron al modelo que predijera su efecto. El resultado, según el paper técnico, son unas 27.000 predicciones específicas por variante distribuidas en cientos de tipos celulares humanos y de ratón, según el paper reportado por Unite.ai.

🤖 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

Además del catálogo principal, el Atlas incluye:

Predicciones sobre expresión génica, splicing de ARN y accesibilidad de la cromatina.
Más de 100 millones de inserciones y deleciones cortas observadas en cohortes reales como gnomAD, UK Biobank y All of Us.
Un compendio de 2.601 motivos de ADN recurrentes, mapeados por tipo celular, que funciona como un «diccionario buscable del ADN no codificante», según Julia Zeitlinger del Stowers Institute, recogido por Nature.
Una nueva métrica: AlphaGenome Variant Impact (AVI), que combina las predicciones de AlphaGenome y AlphaMissense en un único número por variante. El paper técnico reporta desempeño de estado del arte en benchmarks de patogenicidad y enfermedad rara, con las mayores ganancias en variantes no codificantes.

El acceso no comercial es gratuito desde el 8 de septiembre de 2026 vía web, API y un skill dentro de Google Antigravity. La descarga estática de los puntajes AVI tiene licencia permisiva también para uso comercial, según Unite.ai.

Qué ya se logró con el Atlas en pocas semanas

Aunque lleva días publicado, los colaboradores externos ya muestran resultados. DeepMind destaca tres casos:

Broad Institute + consorcio GREGoR: Laura Covill y Anne O’Donnell-Luria aplicaron el puntaje AVI a casos de enfermedad rara sin resolver y priorizaron una variante profunda en el intrón de DNM1, un gen asociado a encefalopatía epiléptica. Las predicciones de AlphaGenome indicaban que la variante creaba un sitio de splicing críptico específico de cerebro que alargaba la proteína en 13 aminoácidos. Las pantallas experimentales validaron el efecto y se reclasificó la variante como Probablemente Patogénica.
Universidad de Exeter (Gareth Hawkes): al cruzar el Atlas con datos de genoma completo de más de 54.000 participantes del UK Biobank, detectó un 22% más de asociaciones genéticas no codificantes con niveles de proteínas en sangre, incluyendo PLA2G7 (ligada al envejecimiento) y EGLN1 (sensor de oxígeno). En el 1% de variantes no codificantes con mayor puntaje AVI, identificó además 19 regiones genéticas asociadas al índice de masa corporal.
Stowers Institute (Julia Zeitlinger y Melanie Weilert): usaron el compendio de motivos para clasificar qué factores de transcripción sólo afectan la accesibilidad del ADN y cuáles, además, activan o desactivan genes.

Nature recoge la reacción de Mafalda Dias y Jonathan Frazer, del Centre for Genomic Regulation en Barcelona: «Al eliminar esa barrera computacional, el Atlas debería ser un recurso valioso» para laboratorios pequeños que antes no podían correr AlphaGenome sobre un genoma completo.

Qué significa esto para tu startup

Si estás construyendo en biotech, drug discovery o medicina personalizada, el Atlas cambia dos variables a la vez: coste y velocidad de iteración. Antes, priorizar variantes para validar en laboratorio requería correr AlphaGenome (o modelos similares) sobre cada genoma candidato, algo que pocos equipos podían pagar. Ahora el cómputo ya está hecho y se consulta gratis para uso no comercial. La descarga estática de puntajes AVI con licencia permisiva, según Unite.ai, abre la puerta a productos comerciales sin tener que entrenar tu propio modelo.

Tres movimientos accionables esta semana:

Audita tu pipeline genómico. Si tu producto prioriza variantes para diagnóstico, investigación clínica o descubrimiento de fármacos, integra el puntaje AVI como filtro previo antes de gastar reactivos. Un +22% de asociaciones detectadas en UK Biobank (dato de Nature) sugiere que hay señal que hoy estás descartando por ruido estadístico.
Explora el catálogo de motivos. El compendio de 2.601 motivos es una mina para founders que construyen herramientas de diseño de promotores, terapias génicas o análisis de regulación transcripcional. Puedes mapear dónde actúa cada motivo sin entrenar nada.
Evalúa la ventana comercial. DeepMind dijo a Scientific American que el uso comercial requerirá licenciamiento vía Google Cloud. Si tu modelo de negocio depende del Atlas, conviene revisar los términos antes de comprometerse con clientes enterprise.

Las limitaciones que DeepMind misma reconoce

El paper técnico, reportado por Unite.ai, es claro: el Atlas no es una herramienta de diagnóstico clínico. DeepMind advierte que AlphaGenome no está validado ni aprobado para uso clínico, y que el recurso debe verse sólo como una pieza más dentro de la cadena de evidencia. El equipo también señala huecos en los datos de entrenamiento (tipos celulares faltantes, ARN no poliadenilados) y presenta esta primera versión como una línea base que mejorará conforme evolucionen los modelos subyacentes.

El propio Kircher, bioinformático del Max Delbrück Centre citado por Nature, lo resume así: «Esta es una forma útil y generosa de escalar el acceso a un modelo potente», pero no reemplaza al experimento en sistemas biológicos reales. Para founders, eso se traduce en una regla práctica: el Atlas te dice dónde mirar primero, no te dice qué vas a encontrar.

El precedente AlphaFold y qué anticipa

El Atlas sigue el manual que DeepMind escribió con AlphaFold en 2020: modelo de IA potente, base de datos pública masiva, millones de usuarios y luego licenciamiento comercial. La base de AlphaFold, expandida en 2022 con más de 200 millones de estructuras de proteínas, es citada por DeepMind como inspiración directa. Scientific American apunta que la gratuidad de AlphaFold trajo cambios organizativos en DeepMind, incluido el movimiento de Demis Hassabis a Alphabet, y que AlphaGenome Atlas repetirá el patrón: gratis para investigación, licencia para farmacéuticas.

El linaje técnico también es trazable: Enformer (2021) para regulación génica, AlphaMissense (2023) para variantes que alteran proteínas, AlphaGenome (2025) para múltiples efectos moleculares a partir de secuencias largas y, ahora, Atlas (2026) para llevar todo eso a escala del genoma completo. Cada paso cubre una pieza del problema; el Atlas es la primera donde un investigador puede abrir el navegador y preguntar por cualquier letra del ADN humano sin escribir una línea de código.