Google DeepMind afirma que su AlphaGenome Atlas da a los investigadores una puntuación para cada uno de los 9 mil millones de cambios posibles de una letra en el ADN humano, para decidir qué variantes estudiar primero. DeepMind también lanzó AlphaGenome 2, que predice efectos en tipos de células individuales, y presenta ambas herramientas como apoyo a la investigación, no como herramientas clínicas.
El científico investigador Žiga Avsec explicó el trabajo en la serie Ask a Scientist de Google el 17 de noviembre de 2026. La publicación de DeepMind sobre AlphaGenome 2, fechada el 11 de noviembre de 2026, aporta el detalle técnico.
¿Qué es AlphaGenome Atlas?
El genoma humano tiene 3 mil millones de pares de bases y cada letra puede cambiarse por otras tres, lo que da 9 mil millones de cambios de una letra. Muchas enfermedades genéticas se deben a uno solo de esos cambios, pero ningún laboratorio puede probarlos todos.
DeepMind usó AlphaGenome, presentado en junio de 2025, para predecir el resultado de cada uno de esos cambios y publicó los resultados como AlphaGenome Atlas en septiembre. Cada variante recibe una puntuación AVI (AlphaGenome Variant Impact) que, según DeepMind, indica el impacto potencial en todo el genoma y ayuda a elegir los cambios más disruptivos para seguir investigando.
- Entrada: una secuencia parcial de ADN de 1 millón de pares de bases
- Salida: miles de predicciones por secuencia
- Escala: predicciones para los 9 mil millones de cambios de una letra

¿Qué añade AlphaGenome 2?
AlphaGenome se entrenó sobre todo con tejidos completos o líneas celulares, y DeepMind señala la especificidad por tipo de célula como su principal limitación. AlphaGenome 2 recibe una secuencia de 1 millón de letras y una condición, como un tejido o un tipo de célula, y predice los efectos para esa condición. DeepMind dice que lo entrenó con más de 100 millones de perfiles de células individuales de 68 tejidos.
DeepMind informa que encuentra casi el doble de variantes que cambian la expresión en células que el mejor modelo anterior. En un conjunto de datos de 28 tipos de células inmunitarias, reporta variantes causales en 30% frente a 16% del modelo original ajustado con datos de una sola célula, y efectos direccionales en genes en 43% frente a 23%. Estas cifras provienen de DeepMind y sus colaboradores, y la publicación no menciona validación independiente. El artículo es un preprint en bioRxiv.
¿Qué han hecho ya los investigadores?
Según DeepMind, Gareth Hawkes, de la Universidad de Exeter, usó el Atlas para reducir una lista de 1 mil millones de variantes. Al centrarse en el 1% más impactante, encontró 19 grupos de variantes ligados al índice de masa corporal para priorizar.
Laura Covill, del Broad Institute, usó la puntuación AVI en enfermedades raras sin resolver. El Atlas señaló una variante crítica en un gen vinculado con trastornos del neurodesarrollo, lo que dio evidencia de apoyo a un caso que luego se resolvió.
Precios
No se indica ningún precio. Según DeepMind, los investigadores no comerciales pueden usar la API de AlphaGenome y tutoriales en Colab. La investigación comercial está en vista previa privada a través de Google Cloud, con un formulario de interés en la página de AlphaGenome 2. DeepMind también invita a enviar casos de uso hasta el 30 de noviembre y dice que algunos proyectos seleccionados podrían recibir cuota y créditos adicionales. Consulta la página de DeepMind para ver las condiciones vigentes.
¿A quién le conviene?
Investigadores en genética. Quien revisa millones de variantes de la muestra de un paciente obtiene una forma de ordenarlas. Avsec da el ejemplo de 4 millones de variantes en un paciente con una enfermedad rara, reducidas a las raras, y aun así quedan cientos o miles de opciones.
Equipos de descubrimiento de fármacos. DeepMind dice que las herramientas podrían ayudar a identificar y validar más rápido objetivos terapéuticos prometedores.
Investigadores agrícolas. DeepMind sugiere que el diseño del modelo podría ayudar a mejorar cultivos resistentes al clima, aunque aún no presenta resultados.
Lectores y pacientes. Las herramientas no diagnostican nada. DeepMind aclara que AlphaGenome 2 no está validado ni aprobado para uso clínico o diagnóstico y que sus predicciones deben leerse junto con otras fuentes de información.
¿Qué falta por saber?
DeepMind dice que sigue buscando mejores formas de medir la confianza del modelo y que solo da predicciones direccionales cuando está seguro. La meta a largo plazo de una simulación digital completa de una célula humana es un objetivo declarado, no un producto.
Siguiente paso
Lee la publicación de DeepMind sobre AlphaGenome 2 para el enlace al artículo, el acceso a la API y el formulario de interés, y toma las cifras anteriores como resultados del propio desarrollador hasta que grupos externos los confirmen.







