Google DeepMind acaba de liberar AlphaGenome Atlas, el catálogo más ambicioso de genómica computacional hasta la fecha: predice el efecto de los cerca de 9.000 millones de cambios de una sola letra posibles en el genoma humano. El resultado es un dataset de 1 petabyte, más de 30 veces mayor que la base de datos de AlphaFold.

El genoma humano tiene unos 3.000 millones de pares de bases, pero solo el 2% codifica proteínas y se entiende relativamente bien. El 98% restante —regiones no codificantes— era hasta ahora un misterio. AlphaGenome ya había mostrado cómo un solo cambio ahí puede alterar procesos como la producción de proteínas; el Atlas precalcula ese impacto regulatorio para cada variante posible.

Para que los científicos no se ahoguen en datos, DeepMind introduce la puntuación AVI (AlphaGenome Variant Impact): un solo número que combina predicciones de regiones codificantes y no codificantes. Permite priorizar variantes sin revisar miles de puntos de datos uno por uno.

El Atlas ya resuelve casos reales. En el Broad Institute, el equipo de Laura Covill usó AVI en enfermedades raras sin diagnóstico: destacó una variante crítica en el gen DNM1 que creaba un sitio de empalme incorrecto y aportó la evidencia clave para cerrar el caso. En rasgos complejos, Gareth Hawkes lo aplicó a más de 54.000 participantes del UK Biobank y descubrió 22% más asociaciones genéticas no codificantes, con 19 regiones ligadas al índice de masa corporal.

El acceso es abierto desde hoy en alphagenome.google/atlas, con un portal web que no exige programar, pensado para clínicos y biólogos de todo el mundo. Es genómica computacional democratizada: del paper de Nature al navegador.

Fuentes: [Google Blog — AlphaGenome Atlas](https://blog.google/innovation-and-ai/models-and-research/google-deepmind/alphagenome-atlas/) y [DeepMind](https://deepmind.google/blog/alphagenome-atlas-a-predictive-map-of-every-possible-dna-letter-change-in-the-human-genome/). Modelo base: [Nature — Advancing regulatory variant effect prediction with AlphaGenome](https://www.nature.com/articles/s41586-025-10014-0). Imagen: Google DeepMind.