Portada Web - AlphaGenome 2 descifra el impacto de las variantes de ADN célula a célula
|

AlphaGenome 2 descifra el impacto de las variantes de ADN célula a célula

Seguir en Google
Resumen estructurado — DeepMind lanza AlphaGenome 2

El contexto: Google DeepMind presenta AlphaGenome 2 para predecir mutaciones en tipos celulares específicos mediante condicionamiento biológico directo.


Arquitectura condicionada

Modula representaciones internas con incrustaciones vectoriales de 256 dimensiones en cada bloque.

Salto en causalidad

Identifica 30% de variantes causales frente al 16% del modelo fundacional anterior.

Cómputo en inferencia

Requiere evaluación dedicada por estado celular, impidiendo catálogos precomputados masivos inmediatos.

«El condicionamiento biológico dinámico permite identificar variantes genéticas invisibles en los promedios tisulares tradicionales.»

Escuchar artículo
AlphaGenome 2 descifra el impacto de las variantes de ADN célula a célula
0:00 –:–

Google DeepMind ha presentado AlphaGenome 2, un modelo de secuencia a función diseñado para predecir la actividad regulatoria del ADN y el impacto funcional de mutaciones genéticas en tipos celulares concretos. Entrenado sobre más de 107 millones de perfiles celulares individuales procedentes de 68 tejidos humanos y murinos, el sistema duplica la capacidad de identificación de variantes causales respecto a su versión previa, alcanzando un 30% de recuperación en bancos de pruebas inmunológicos frente al 16% registrado por la primera generación.

La superación técnica de los promedios tisulares en genómica computacional

Durante la primera fase del proyecto genómico de DeepMind, los modelos analizaban secuencias de hasta 1.048.576 pares de bases prediciendo miles de pistas experimentales de forma simultánea en tejidos globales. Esa aproximación paralela diluía las señales moleculares específicas. Un cambio de base en una región no codificante podía ser letal dentro de un macrófago activado durante una respuesta inflamatoria, pero pasaba desapercibido al promediar la masa tisular completa del intestino.

La genética humana contemporánea afronta un cuello de botella persistente en las regiones no codificantes, que abarcan cerca del 98% del genoma. La inmensa mayoría de las variantes descubiertas mediante estudios de asociación del genoma completo residen fuera de los exones que codifican proteínas. Determinar si un polimorfismo puntual altera la afinidad de un factor de transcripción o interrumpe un bucle de cromatina requería modelos capaces de interpretar el contexto biológico exacto en el que opera el genoma.

AlphaGenome 2 aborda este reto reconfigurando el tratamiento del contexto celular. En lugar de generar salidas multipropósito fijas, la red evalúa una única condición biológica a la vez. Esta condición puede ser una línea celular establecida, un subtipo celular raro o un estado patológico extraído directamente de una biopsia de un paciente. La predicción se convierte en una función estricta de la secuencia de nucleótidos modulada por el estado transcriptómico de la célula diana.

Evolución metodológica entre AlphaGenome 1 y AlphaGenome 2

Comparación estructural en el procesamiento del contexto biológico y la resolución celular

AlphaGenome 1: Salidas paralelas promedio

  • Inferencia paralela de miles de pistas tisulares promediadas en bulk
  • Dilución de variantes funcionales activas únicamente en tipos celulares raros
  • Catálogo estático cerrado sin adaptación dinámica a muestras externas
Riesgo: Dilución de señal

AlphaGenome 2: Condicionamiento celular unitario

  • Evaluación de un único estado celular por llamada mediante capas FiLM a 256 dimensiones
  • Recuperación del doble de variantes causales en linajes inmunitarios específicos
  • Ingesta directa de datos scRNA-seq para generalizar sin reentrenamiento
Logro: Resolución específica

Inyección de estado celular mediante modulación lineal de características

La estructura de AlphaGenome 2 mantiene una topología basada en redes U-Net que combina un codificador convolucional, un núcleo central compuesto por 11 bloques de atención de transformadores y un decodificador multiescala. La innovación fundamental reside en la inyección transversal de un vector de incrustación de 256 dimensiones que codifica el estado celular. Este vector modula las activaciones intermedias a lo largo de todas las etapas de la red mediante capas FiLM (Feature-wise Linear Modulation).

Los experimentos de ablación conducidos por el equipo liderado por Žiga Avsec y Pushmeet Kohli en Google DeepMind confirmaron que restringir el condicionamiento celular al decodificador o a las cabezas de salida producía ganancias insignificantes. El comportamiento diferencial de las variantes genéticas exige que las capas convolucionales tempranas y los bloques de atención procesen la secuencia de 1 megabase bajo el sesgo del estado celular activo, alterando la extracción de patrones de unión desde los primeros filtros espaciales.

El sistema genera perfiles continuos de cobertura de ARN, sitios de inicio transcripcional mediante CAGE, cinética de elongación PRO-cap, patrones de corte y empalme, accesibilidad de cromatina mediante ATAC-seq, modificaciones de histonas y mapas de contacto tridimensional. Como novedad metodológica frente a la versión original, la arquitectura incorpora predicción de metilación de ADN en dinucleótidos CpG, una capa epigenética crítica para el silenciamiento génico y la diferenciación celular.

Generalización sobre datos unicelulares sin reentrenamiento

La capacidad más relevante para los entornos de investigación radica en la ingesta directa de datos de secuenciación de ARN unicelular (scRNA-seq) externos. Un codificador celular independiente mapea perfiles de expresión génica procedentes de experimentos de laboratorio hacia el espacio latente de 256 dimensiones del modelo. Este paso permite que AlphaGenome 2 evalúe el impacto de mutaciones en estados celulares nunca vistos durante la fase de entrenamiento sin requerir ajuste fino ni actualización de pesos neuronales.

Esta propiedad habilita la imputación cruzada de modalidades moleculares. Si un equipo de investigación solo dispone del recuento transcripcional de un tipo celular infrecuente obtenido mediante muestras clínicas reducidas, el modelo utiliza esa señal para inferir la accesibilidad de la cromatina y la metilación en esas mismas células. El modelo transforma perfiles celulares estáticos en motores de predicción molecular dinámica.

«Lo verdaderamente relevante de AlphaGenome 2 es cómo se adapta directamente a nuevos datos unicelulares sin necesidad de reentrenamiento, prediciendo cómo actúan las variantes de ADN en estados celulares recién caracterizados a partir de muestras muy reducidas», señala Sarah Teichmann, profesora de medicina de células madre en la Universidad de Cambridge, en el Reino Unido, y cofundadora del atlas celular internacional Human Cell Atlas.

PIPELINE CONDICIONAL

Flujo de inferencia multiescala con inyección de estado biológico

Ingesta de Fuentes
ADN BRUTO
Ventana genómica de 1 Mb
ESTADO CELULAR
Perfil scRNA-seq de entrada

U-Net híbrida condicional

Modulación FiLM en convoluciones y transformadores con embedding de 256 dimensiones

Flujo Estructurado Final
Expresión génica celular Verificado
Accesibilidad y corte y empalme Verificado
Metilación de ADN CpG Verificado

Rendimiento empírico en bancos de pruebas inmunológicos

DeepMind midió el rendimiento del sistema utilizando el conjunto de datos de validación TenK10K, que integra perfiles moleculares de 28 tipos primarios de células del sistema inmunitario. En las pruebas de localización de loci de rasgos cuantitativos de expresión unicelular (sc-eQTLs), AlphaGenome 2 identificó la variante causal en un 30% de los casos evaluados, superando el 16% obtenido por la primera versión de AlphaGenome reajustada y aventajando a modelos de referencia en la literatura como Borzoi y Scooby.

En la predicción de la dirección funcional del efecto génico, que define si una mutación incrementa o disminuye la expresión del gen diana, el modelo alcanzó un 43% de recuperación con una precisión de signo del 90%, frente al 23% registrado por su predecesor. En aplicaciones biomédicas directas, el modelo reprodujo computacionalmente la cascada de sobreactivación del gen ETS2 en macrófagos intestinales que desencadena inflamación crónica en la enfermedad inflamatoria intestinal.

Fricciones de cómputo y barreras de gobernanza clínica

A pesar de los avances métricos, la adopción de AlphaGenome 2 impone compromisos de infraestructura severos. El entrenamiento requirió clústeres masivos sobre 2.048 aceleradores TPU v4. En fase de inferencia, la naturaleza condicional del modelo elimina la ventaja de la amortización computacional. La primera versión de AlphaGenome permitió precalcular el atlas estático AlphaGenome Atlas con 9.000 millones de variantes mononucleotídicas en un único catálogo de 1 petabyte. Con AlphaGenome 2, calcular todas las combinaciones posibles para cientos de estados celulares diferenciados resulta inasumible en costes de inferencia.

La precisión predictiva experimenta además una degradación técnica acusada cuando las variantes evaluadas caen fuera de las regiones de cromatina accesible, donde el área bajo la curva ROC para la predicción de signo desciende hasta un modesto 0,63. En el ámbito operativo, DeepMind mantiene los pesos restringidos bajo su API propietaria sin descarga local inmediata, con acceso gratuito exclusivo para investigación académica no comercial y un programa de prueba privada para entidades farmacéuticas comerciales. El sistema carece de certificación para su despliegue en entornos de diagnóstico clínico regulados por autoridades sanitarias.

BENCHMARK TENK10K

Métricas cuantitativas de identificación causal en células inmunes

Dirección de efecto con 90% de precisión43% (AlphaGenome 2) vs 23% (AlphaGenome 1)
Recuperación de variantes causales sc-eQTLs30% (AlphaGenome 2) vs 16% (AlphaGenome 1)
Dataset de preentrenamiento
107M perfiles

Células individuales mapeadas en 68 tejidos distintos

Ventana de contexto
1.048.576 pb

Resolución de interacciones de cromatina a larga distancia

Glosario Técnico

sc-eQTL Core Tech
Locus de rasgos cuantitativos de expresión unicelular que asocia variaciones genéticas específicas con niveles alterados de ARN en células individuales.
Capa FiLM Arquitectura
Técnica de modulación lineal de características que altera los pesos y activaciones neuronales mediante factores de escala y desplazamiento condicionados.
Imputación cruzada Inferencia
Predicción algorítmica de marcas moleculares no medidas, como la accesibilidad de cromatina, a partir únicamente del perfil de expresión génica.
Metilación CpG Gobernanza
Adición biológica de grupos metilo a citosinas contiguas a guaninas en el ADN, fundamental en la regulación epigenética del desarrollo celular.
AUROC Seguridad
Área bajo la curva de características operativas del receptor utilizada para medir la capacidad de discriminación diagnóstica de un clasificador binario.
TPU v4 Hardware
Unidad de procesamiento tensorial de cuarta generación desarrollada por Google optimizada para entrenamiento distribuido a escala masiva.
Autoría y colaboración técnica
Foto del avatar
Arquitecto de Arkosia

Miguel Ángel Navarro

Innovador en IA y Coordinador Técnico. Fusiona desarrollo web, audiovisual y soporte para integrar la IA en flujos de trabajo creativos y eficientes.

Foto del avatar
System Architect (IA)

Kanon System Arquitect

IA especializada en verificación de datos y estructura técnica. Colabora en el análisis y diseño bajo estricta supervisión humana.

Reparto de carga operativa
Miguel Ángel Navarro: 13% Kanon System Arquitect: 87%
Arkosia · Continuum Digitalis

La IA está reescribiendo las reglas. Pensamiento crítico y análisis sin ruido ni titulares vacíos.

Cargando boletín...