Google ha mapeado las 9 mil millones de posibles mutaciones en el ADN humano. Esto podría acelerar la búsqueda de las causas de las enfermedades

El ADN humano es, en esencia, un texto gigantesco de tres mil millones de letras. Un solo error tipográfico en él puede ser completamente inofensivo, pero también puede ser la causa de una enfermedad grave, y averiguar de qué caso se trata suele ser un trabajo tedioso para los científicos. Por ello, Google DeepMind ha hecho que su inteligencia artificial AlphaGenome revise de antemano todos los cambios de una sola letra imaginables. El resultado se ha publicado como el AlphaGenome Atlas, un mapa de libre acceso donde los investigadores pueden consultar el impacto estimado de cualquiera de ellos.

El ADN humano es un texto de tres mil millones de letras

Puedes imaginar el ADN como un manual de instrucciones que el cuerpo utiliza para construir y dirigir sus células. Está escrito con solo cuatro «letras» A, C, G y T, y el genoma humano completo contiene aproximadamente 3 mil millones de ellas. En cualquier punto, la letra original puede cambiar a una de las tres restantes. Tres mil millones de posiciones multiplicadas por tres posibles sustituciones dan precisamente esos 9 mil millones de mutaciones de una sola letra.

Solo alrededor del 2 % del ADN codifica directamente las proteínas, es decir, los bloques de construcción y los «trabajadores» de las células. Los científicos entienden esta parte bastante bien. El 98 % restante funciona más como un sistema de interruptores y reguladores que determinan en qué célula se activa un gen, cuándo y con qué intensidad. Es aquí donde, según Google, se esconde la mayoría de las variantes relacionadas con las características humanas, incluida la susceptibilidad a las enfermedades. Y es aquí donde es más difícil estimar qué causará un cambio de una sola letra. Las secciones reguladoras se influyen mutuamente, se comportan de manera diferente en cada tejido y algunas controlan genes que se encuentran en otras partes del genoma.

Comprender cómo los cambios en el ADN alteran esta regulación es, según el genetista Carl de Boer de la Universidad de Columbia Británica, «fundamental para comprender la mayoría de las enfermedades», como declaró al portal IEEE Spectrum.

Google ha realizado de antemano el trabajo que los científicos calculaban por sí mismos hasta ahora

El modelo AlphaGenome en sí no es una novedad completa. Google DeepMind lo presentó en junio de 2025, lo describió en detalle en la revista científica Nature en enero de este año y lo lanzó de forma gratuita para investigación no comercial. El modelo puede comparar una sección de ADN original y una modificada y estimar cómo el cambio afectará la actividad de los genes. Sin embargo, los científicos tenían que seleccionar ellos mismos qué mutaciones querían probar, escribir el código para ello y ejecutar el cálculo en su propio hardware. Aunque De Boer considera AlphaGenome el mejor modelo en el campo, también lo describe como «muy lento y computacionalmente exigente».

El Atlas elimina este paso. DeepMind realizó el cálculo de antemano para los 9 mil millones de cambios y puso los resultados a disposición a través de un portal web que no requiere programación alguna. Así, un científico puede simplemente buscar una mutación específica y ver inmediatamente lo que el modelo espera de ella. La base de datos tiene un tamaño de aproximadamente 1 petabyte, es decir, alrededor de un millón de gigabytes, lo que, según Google, es más de treinta veces el tamaño de la base de datos AlphaFold con estructuras de proteínas.

Na podobném principu Google DeepMind staví už několik let. AlphaFold v roce 2020 předpověděl 3D tvar bílkovin a dva z jeho tvůrců za něj v roce 2024 získali Nobelovu cenu za chemii. V roce 2023 pak AlphaMissense odhadl u 71 milionů možných změn v bílkovinách, jestli jsou spíš neškodné, nebo nebezpečné.

Esta vez, sin embargo, al principio todo parecía una tarea imposible. Según Žiga Avsec, de la dirección de investigación genómica de DeepMind, las primeras estimaciones mostraron que el equipo debía acelerar los cálculos unas ochenta veces para completar el atlas en un tiempo razonable. Ayudó, entre otras cosas, una versión más pequeña y rápida del modelo o la eliminación de cálculos que se repetían innecesariamente.

Un solo número indica qué mutación investigar primero

Además de las predicciones detalladas, el atlas también introduce una novedad que, según IEEE Spectrum, los científicos llevaban mucho tiempo pidiendo. Se llama puntuación AVI y es un único número que resume cuánto puede una mutación dada alterar los procesos en la célula. Combina las predicciones de AlphaGenome con el modelo AlphaMissense y funciona tanto para la parte codificante como para la reguladora del ADN. De este modo, los investigadores pueden ordenar rápidamente una larga lista de mutaciones sospechosas según su impacto probable, en lugar de tener que examinar miles de datos individuales para cada una.

Además, detrás de cada puntuación se puede ver qué proceso en la célula sería el más afectado por el cambio, según el modelo. Por ejemplo, si afecta la fuerza con la que se activa un gen, o el llamado empalme. Durante este proceso, la célula recorta las piezas innecesarias de la información genética transcrita, y un error en este paso puede llevar a una proteína defectuosa. Según las mediciones de DeepMind, la puntuación AVI se desempeña mejor que todas las herramientas disponibles en pruebas comparativas centradas en mutaciones dañinas y enfermedades raras, aunque no podemos verificar esto de forma independiente.

El Atlas ya ha ayudado a descubrir la causa de una epilepsia rara

Los primeros investigadores que trabajaron con el atlas antes de su publicación muestran cómo se ve en la práctica. El equipo de Laura Covill y Anne O’Donnell-Luria del Broad Institute de EE. UU. lo aplicó a casos no resueltos de enfermedades raras. En estos casos, la mayor dificultad suele ser encontrar entre miles de candidatos los pocos cambios que realmente causan la enfermedad. La clasificación por puntuación AVI destacó una mutación en el gen DNM1 que la investigación anterior había pasado por alto. Este gen está fuertemente asociado con la encefalopatía epiléptica, una forma grave de epilepsia en la que las convulsiones alteran el desarrollo y el funcionamiento del cerebro.

Además, el modelo describió qué hace exactamente la mutación: creó un sitio de empalme defectuoso, lo que provocó que la célula produjera una proteína anormalmente alargada. Los experimentos de laboratorio confirmaron la predicción y también encontraron otras mutaciones cercanas con un efecto similar. Según Google, esta fue una prueba clave que ayudó a resolver el caso.

Gareth Hawkes, de la Universidad de Exeter en el Reino Unido, utilizó el atlas con datos genéticos de más de 54 000 participantes del proyecto UK Biobank, una gran base de datos británica con información de salud y genética de voluntarios. Las mutaciones raras en la parte reguladora del ADN son tan numerosas y la mayoría de ellas tan inofensivas que las significativas se pierden fácilmente en el ruido estadístico. Sin embargo, cuando Hawkes las agrupó según el efecto predicho, encontró un 22 % más de asociaciones entre ellas y los niveles de proteínas importantes en la sangre, como la proteína PLA2G7, relacionada con el envejecimiento. Al centrarse en el 1 % de las mutaciones que el atlas considera más influyentes, identificó 19 segmentos de ADN asociados con el índice de masa corporal (IMC). Estos ahora pueden servir como guía para futuras investigaciones dirigidas.

El atlas no establece diagnósticos médicos

Muchas enfermedades no son causadas por una sola mutación, sino por la interacción de muchos cambios genéticos, que una vista de una sola letra no puede capturar. Además, AlphaGenome ve una sección de 1 millón de letras alrededor de cada cambio. Sin embargo, algunas secciones reguladoras, los llamados potenciadores, afectan a los genes a una distancia aún mayor, por lo que el modelo solo puede estimar su influencia con dificultad.

De Boer también señala la propia puntuación AVI. Un solo número es, por naturaleza, una simplificación de un sistema muy complejo. «Tiene un uso claro, pero probablemente será fácil de malinterpretar», opina el genetista. Google mismo enfatiza que AlphaGenome no está aprobado para uso clínico y sus predicciones no reemplazan un diagnóstico médico. Por lo tanto, para una persona común, el atlas no es una herramienta para deducir de su propia prueba genética qué enfermedades padecerá.

El principal beneficio está en otra parte. El atlas está diseñado para ayudar a los científicos a seleccionar qué mutaciones tiene sentido verificar primero en el laboratorio, y según Avsec, puede acelerar significativamente la investigación básica, el estudio de enfermedades y el desarrollo de tratamientos. Para la investigación no comercial, está disponible de forma gratuita desde el 8 de septiembre; una versión comercial llegará pronto a Google Cloud.

¿Confiaría algún día la interpretación de su propio ADN a la inteligencia artificial?

Fuentes: Google DeepMind, IEEE Spectrum, Google