Science & Technology

AlphaGenome 2: Teaching AI to read the entire human genome

Name: AlphaGenome 2: Teaching AI to read the entire human genome
Uploaded: 2026-11-13T04:05:26.655012+00:00
Channel: Google DeepMind
Description: Qué hace AlphaGenome: El modelo analiza secuencias de ADN y predice qué ocurre en una región del genoma, además de cómo podrían cambiar esos efectos si se…

by Google DeepMind

📚 Temas principales

Qué hace AlphaGenomeEl modelo analiza secuencias de ADN y predice qué ocurre en una región del genoma, además de cómo podrían cambiar esos efectos si se modifica una letra. AlphaGenome 2 busca hacer estas predicciones con mayor precisión para tipos celulares concretos. 1:03
El genoma no codificanteAunque solo alrededor del 2 % del genoma codifica proteínas, el resto contiene elementos reguladores que ayudan a determinar cuándo y dónde se expresan los genes en los distintos tipos celulares. 6:21
Del genotipo al fenotipoEl equipo se centra en efectos moleculares —como cambios en la expresión génica o en el procesamiento del ARN— porque la relación entre una variante y una enfermedad puede ser compleja y pasar por muchos pasos. 4:15
Del modelo al AtlasAlphaGenome amplió la longitud de secuencia analizada y la resolución de sus predicciones. El AlphaGenome Atlas ofrece predicciones precalculadas para unos 9.000 millones de posibles cambios de una letra en el genoma humano. 10:58
Más detalle con AlphaGenome 2La nueva versión mejora las predicciones para tipos celulares específicos, en vez de limitarse a promedios de tejidos, y puede ayudar a identificar variantes que afectan genes lejanos. 25:33

✨ Conclusiones clave

Una herramienta para priorizar variantesLas puntuaciones ayudan a los investigadores a ordenar variantes candidatas y a investigar cuáles podrían tener efectos moleculares relevantes. El modelo es una herramienta de investigación, no una prueba clínica definitiva. 14:38
Un caso de enfermedad raraEn un caso de epilepsia infantil, AlphaGenome ayudó a priorizar una variante relacionada con el procesamiento del ARN. Los investigadores comprobaron experimentalmente su efecto y pudieron resolver el caso. 17:45
Asociación no significa causalidadLos estudios de asociación genética pueden señalar grupos de variantes heredadas juntas, pero hace falta determinar cuál es causal, qué gen afecta y en qué tipo celular actúa. 22:27
Predicciones útiles, pero incompletasLos modelos pueden ser precisos cuando detectan un efecto fuerte, pero también pasan por alto muchos casos. Sus resultados sirven para orientar investigaciones y experimentos, no para sustituirlos. 31:13
Los datos condicionan el rendimientoLa disponibilidad de datos varía entre tejidos y estados celulares, y esto puede sesgar las predicciones. AlphaGenome 2 permite incorporar datos propios para analizar contextos de investigación concretos. 28:38

🧠 Lecciones aprendidas

La biología es más compleja que una secuencia linealEl ADN está plegado y organizado en el espacio; la accesibilidad de una región puede influir en la capacidad del modelo para predecir sus efectos. 32:15
La validación experimental sigue siendo esencialLos modelos no simulan por completo lo que ocurre dentro de una célula y pueden pasar por alto excepciones. Los experimentos permiten comprobar las hipótesis que generan. 30:12
Identificar una variante es solo el comienzoIncluso si se encuentra una variante relevante, aún hay que investigar las vías biológicas posteriores y cómo podrían contribuir a la enfermedad. 31:45

🏁 Conclusión y próximos pasos

Hacia una célula virtualLa visión a largo plazo es combinar el genoma con otros datos celulares para predecir cómo respondería una célula a cambios genéticos o a fármacos. El equipo recalca que aún falta mucho para lograrlo. 35:57
Mejores datos y mejores medicamentosAmpliar y completar los datos biológicos será clave para entender mejor las enfermedades y, con el tiempo, aumentar las probabilidades de desarrollar tratamientos eficaces. 37:02
Un paso fundamentalAlphaGenome no resuelve por sí solo la complejidad de la biología, pero contribuye a conectar las variantes genéticas con sus efectos moleculares y a avanzar hacia una medicina más precisa. 38:33

Transcript excerpt

0:00 Welcome to Google DeepMind. The podcast sequencing human DNA took 13 years, and the result is a string of text that is many hundreds of times longer than the complete works of Shakespeare, and deciphering what those strings of letters actually do has taken much longer. As Eric Lander, a geneticist involved in the Human Genome project, put it. We bought the book, but it's quite hard to read. But now with AI, that book is gradually becoming more legible.

0:32 Now, way back in season two of this podcast, we heard how Google DeepMind had developed a transformer model that could predict the effect of DNA sequences across the body. We're trying to build AI that essentially can understand the genome. The fact is, we now have the kind of level of data where deep learning can really take hold, and we've been able to build together the kind of deep learning models that are able to read a DNA sequence, a bit like you might read a piece of text. Since then, progress has been rapid.

1:03 In 2025, they unveiled alpha genome, which predicts the function of non-coding DNA across whole tissues. And now alpha genome two zooms down to individual cell types to shed light on how single mutations drive disease. Adam, thank you so much. Welcome to the podcast. Thanks for having us. In a nutshell, what is alpha genome actually designed to do. Give it to me simply so alpha genome is designed

🔒 The full, searchable transcript is available with Pro.

Questions & Answers

Common questions about this video

¿Qué hace AlphaGenome?

Lee un tramo de ADN y predice qué ocurre en la célula en esa región, así como qué podría cambiar si se modifica una letra de la secuencia. Sirve para estudiar variantes a nivel molecular. 1:36

¿Qué función cumple el 98 % del genoma que no codifica proteínas?

Contiene elementos reguladores que ayudan a indicar a las células cuándo y dónde producir proteínas, y en qué cantidad. Distintos tipos celulares utilizan estos elementos en diferentes combinaciones. 6:52

¿En qué se diferencia AlphaGenome 2 de los modelos anteriores?

Busca hacer predicciones con mayor precisión a nivel de tipos celulares, en vez de limitarse principalmente a mediciones generales de tejidos. Esto ayuda a estudiar cómo una variante puede tener efectos distintos según la célula. 26:03

¿Para qué sirve el AlphaGenome Atlas?

Permite consultar predicciones precalculadas para unos 9.000 millones de posibles cambios de letras en el genoma humano. Su sitio web ayuda a explorar variantes y sus posibles efectos moleculares y en distintos tipos celulares. 11:31

¿Cómo ayudó AlphaGenome a investigar un caso de epilepsia infantil poco común?

La herramienta clasificó las variantes de la paciente y destacó una que afectaba a una proteína relacionada con la enfermedad. Los investigadores comprobaron experimentalmente que la variante alteraba el procesamiento del ARN, lo que ayudó a resolver el caso. 18:16

¿AlphaGenome es una herramienta de diagnóstico clínico?

No. Es una herramienta de investigación que puede ayudar a priorizar e interpretar variantes, pero sus predicciones son pistas que deben comprobarse mediante experimentos y otras evidencias. 16:43

¿Cuál es la visión a largo plazo que describen para estos modelos?

Aspiran a construir una célula virtual capaz de predecir cómo cambiaría una célula ante perturbaciones, como una modificación genética o un tratamiento con un fármaco. Aclaran que todavía están muy lejos de lograrlo. 35:57