Google DeepMind presenta AlphaGenome 2, una IA que predice cómo actúa una mutación en cada tipo de célula
El nuevo modelo fue entrenado con más de 100 millones de perfiles de células individuales y, según la empresa, identifica casi el doble de variantes genéticas que alteran la expresión de los genes. Está disponible para investigación no comercial. Las cifras de rendimiento son de DeepMind.
Por Redacción EPOCH
4 min de lectura

Casi todas las células del cuerpo humano llevan el mismo ADN, pero una célula del músculo cardíaco y una célula inmunitaria que combate una infección no leen ese texto de la misma manera: cada una enciende y apaga genes distintos. Por eso una misma variante genética puede no tener efecto en un tejido y ser decisiva en otro. Google DeepMind presentó este miércoles 11 de noviembre AlphaGenome 2, un modelo de inteligencia artificial diseñado para predecir justamente eso: qué hace un cambio en el ADN en un tipo de célula concreto.
Qué cambia frente a la primera versión
El primer AlphaGenome, lanzado el año pasado, tomaba una secuencia de un millón de letras de ADN y predecía de una sola vez su actividad molecular en miles de experimentos de muchos tejidos. Según explica DeepMind en su blog, ese enfoque en paralelo repartía demasiado la capacidad del modelo y le dificultaba distinguir entre tipos de células parecidos, porque trabajaba con promedios de tejidos completos.
AlphaGenome 2 es un modelo condicional: además de la secuencia de ADN recibe como entrada una condición biológica (un tejido, un tipo de célula o un estado celular) y predice para esa condición, una a la vez. La condición puede elegirse de un catálogo de referencia o generarse a partir de los datos de un experimento propio del investigador.
La empresa afirma que lo entrenó con datos humanos y de ratón, entre ellos más de 107 millones de perfiles de células individuales de 68 tejidos. Además de las lecturas que ya ofrecía la versión anterior, como expresión génica o accesibilidad de la cromatina, añade la metilación del ADN.
Lo que dice DeepMind sobre su rendimiento
Las cifras que siguen provienen de la propia compañía:
- En un conjunto de datos de 28 tipos de células inmunitarias, AlphaGenome 2 identificó de forma fiable el 30 % de las variantes causales, frente al 16 % que alcanzaban el AlphaGenome original, ajustado con datos de células individuales, y otras herramientas especializadas.
- Acertó la dirección del efecto sobre el gen en el 43 % de los casos, frente al 23 %.
- Reprodujo por computadora un hallazgo reciente sobre la enfermedad inflamatoria intestinal: señaló la variante que sobreactiva el gen ETS2 en los macrófagos del intestino y predijo que ese efecto casi no aparece en otras células.
DeepMind sostiene también que el modelo puede hacer predicciones para tipos y estados celulares que no vio durante el entrenamiento, sin reentrenarlo, y completar mediciones que un experimento no hizo, lo que serviría para decidir qué probar después en el laboratorio.
Para qué serviría
Los grandes estudios genéticos de población han encontrado miles de variantes asociadas a enfermedades, pero la mayoría están en regiones del genoma que no codifican proteínas y regulan cuándo y dónde se activan los genes. Saber que una variante está asociada a una enfermedad no dice en qué célula actúa ni cómo.
"Cuando desarrollas fármacos, apuntas a proteínas específicas y a tipos de células específicos", dijo a The Verge Žiga Avsec, responsable de genómica de DeepMind. Adam Gayoso, investigador del proyecto, resumió el avance al mismo medio como "unir la genética humana con la biología celular".
Recibe cada semana la selección de EPOCH →
Los límites
Tres advertencias ayudan a leer el anuncio.
Son predicciones, no diagnósticos. El modelo propone qué variantes merece la pena estudiar; confirmarlo sigue requiriendo experimentos. Incluso con la mejora, según los números de la empresa, deja sin identificar la mayoría de las variantes causales del conjunto de prueba.
Las cifras son de la empresa. La información consultada es el anuncio de DeepMind y la cobertura de The Verge, que entrevistó a sus investigadores. Hasta que otros grupos usen el modelo y publiquen resultados, las comparaciones no tienen validación independiente, la misma cautela que aplicamos a otras herramientas de IA que se presentan con cifras propias.
Es más caro de ejecutar. Avsec reconoció a The Verge que las predicciones detalladas tienen un costo de cómputo mayor que las del modelo anterior, al punto de que no habría sido práctico usarlo para el atlas con todos los cambios posibles de una letra en el genoma humano que DeepMind publicó en septiembre. Por eso no reemplaza por ahora a la primera versión.
Quién puede usarlo
AlphaGenome 2 está disponible desde hoy para investigación no comercial mediante la API de AlphaGenome, y en una vista previa privada y limitada para investigación comercial. Para laboratorios universitarios y centros públicos, incluidos los de América Latina, eso significa acceso sin pagar licencia, pero mediante los servidores de Google: el modelo se consulta, no se descarga.
Lo que viene
Avsec adelantó que el equipo trabaja en generar más datos para estados celulares hoy poco representados y que versiones futuras podrían entrenarse con varias especies. A más largo plazo, modelos como este podrían alimentar los intentos de construir "células virtuales", simulaciones digitales de sistemas biológicos.
El anuncio se suma a una carrera en la que los grandes laboratorios de IA compiten por mostrar resultados en ciencia y medicina. En genómica, la prueba real no será el comunicado sino lo que encuentren, o no, los investigadores que empiecen a usarlo esta semana.
Fuentes y referencias
- AlphaGenome 2: Deciphering how cells read DNA to better understand disease — Google DeepMind, 11 de noviembre de 2026. Consultado el 10 de noviembre de 2026
- Google's AlphaGenome 2 zooms in on the cellular roots of disease — The Verge, 11 de noviembre de 2026. Consultado el 10 de noviembre de 2026
¿Encontraste un error? Escríbenos según nuestra política de correcciones.


