Google DeepMind lanza AlphaGenome 2, que predice el efecto de las mutaciones del ADN célula por célula

Todas las células del cuerpo humano albergan el mismo ADN, pero una neurona, una célula del músculo cardíaco o un glóbulo blanco no leen los mismos fragmentos. Es precisamente esa diferencia la que Google DeepMind pretende capturar con AlphaGenome 2, presentado el 11 de noviembre en su blog. El modelo predice cómo una variación del ADN altera la actividad de los genes, ya no a escala de un tejido completo, sino para un tipo o estado celular concreto.

Un modelo que razona célula por célula

El primer AlphaGenome, lanzado el año pasado, leía una secuencia de un millón de letras y generaba de golpe miles de predicciones para tejidos y líneas celulares. Un enfoque eficaz, reconoce DeepMind, pero que diluía la capacidad del modelo y distinguía con dificultad células afines. AlphaGenome 2 cambia de arquitectura: pasa a ser condicional. Se le proporciona la secuencia de ADN y la condición biológica deseada —seleccionada de un catálogo de tipos celulares o calculada a partir de un experimento del investigador— y predice únicamente para esa condición.

El modelo ha sido entrenado con datos humanos y de ratón, entre los que figuran más de 107 millones de perfiles de células individuales. Predice la expresión génica, las modificaciones de histonas y la accesibilidad de la cromatina, al igual que su predecesor, e incorpora la metilación del ADN, una medida muy demandada según la empresa. También es capaz de completar datos faltantes: a partir de una única medición, como la actividad génica, estima las demás.

Adaptación a nuevas células sin reentrenamiento

El aspecto más destacado por los investigadores citados por DeepMind es la generalización. Un laboratorio puede aportar los perfiles de expresión de unas pocas decenas de células —por ejemplo, células inmunitarias tras una vacunación— y el modelo los utiliza para predecir el efecto de las variantes en ese estado específico, sin necesidad de reentrenamiento. DeepMind cita un ejemplo procedente de un estudio sobre una vacuna de ARN mensajero contra la covid-19: una variante asociada a formas graves altera más la actividad de los genes en linfocitos T activados que en células en reposo.

En cuanto a las cifras, la empresa anuncia en el conjunto de datos TenK10K (28 tipos de células inmunitarias) casi el doble de variantes causales identificadas respecto a la primera versión: un 30% frente a un 16%, y un 43% frente a un 23% en el sentido del efecto sobre los genes. Asimismo, muestra que el modelo reconstruye por cálculo la variante de un «interruptor» genético distante que sobreactiva el gen ETS2 en macrófagos del intestino, previamente identificada por un estudio publicado como motor de enfermedades inflamatorias intestinales.

Quién puede utilizarlo

AlphaGenome 2 está disponible desde ahora para la investigación no comercial a través de la API de AlphaGenome, acompañado de tutoriales en Colab, y en versión preliminar privada para la investigación comercial. DeepMind también ha precalculado sus predicciones para variantes asociadas a enfermedades en cientos de tipos de células y tejidos, y anuncia la próxima llegada de «competencias» de AlphaGenome 2 a Antigravity, su plataforma de desarrollo agéntico. La empresa recuerda que estos modelos no están validados para el diagnóstico ni para uso clínico.