La arquitectura AlphaGenome (Unified DNA Sequence Model) es un modelo avanzado de inteligencia artificial desarrollado por Google DeepMind para predecir propiedades funcionales del genoma directamente a partir de secuencias de ADN de hasta aproximadamente un millón de pares de bases.
Su principal innovación consiste en combinar contexto genómico de largo alcance, predicción multimodal y resolución de hasta un solo nucleótido dentro de una arquitectura unificada.
AlphaGenome fue presentada públicamente en junio de 2025 y descrita posteriormente en el artículo científico Advancing regulatory variant effect prediction with AlphaGenome, publicado en la revista Nature el 28 de enero de 2026.
La investigación fue liderada por Žiga Avsec y colaboradores de Google DeepMind y otras instituciones.
A diferencia de modelos que se especializan exclusivamente en una propiedad del ADN, AlphaGenome puede predecir simultáneamente una amplia variedad de señales biológicas, incluyendo expresión génica, inicio de transcripción, accesibilidad de cromatina, modificaciones de histonas, unión de factores de transcripción, procesamiento del ARN y contactos entre regiones de cromatina.
La arquitectura original utiliza una ventana máxima de:
[
2^{20}=1.048.576
]
pares de bases, aproximadamente un megabase de contexto.
A partir de esta entrada, produce miles de señales funcionales para humano y ratón, con resoluciones que dependen de la modalidad. Muchas predicciones están disponibles a resolución de un par de bases, mientras que otras, como determinados mapas de contacto, utilizan resoluciones más gruesas.
El modelo incorpora una arquitectura neuronal de tipo U-Net, con un encoder que reduce la resolución de la secuencia, bloques Transformer que integran información de largo alcance y un decoder que recupera representaciones detalladas.
Además, AlphaGenome puede comparar secuencias de referencia y alternativas para estimar cómo una variante genética podría modificar distintas propiedades moleculares.
En la evaluación publicada en Nature, AlphaGenome obtuvo los mejores resultados entre los métodos comparados en 22 de 24 tareas de predicción de señales genómicas y 25 de 26 tareas de evaluación de efectos de variantes.
Estos resultados convierten a AlphaGenome en una referencia importante dentro de la investigación sobre modelos sequence-to-function.
Sin embargo, es fundamental aclarar que sus predicciones representan estimaciones computacionales. No demuestran por sí solas causalidad biológica ni deben utilizarse como diagnósticos médicos.
En septiembre de 2026, Google DeepMind amplió el proyecto mediante AlphaGenome Atlas, un recurso que contiene predicciones precalculadas sobre aproximadamente nueve mil millones de posibles sustituciones de un solo nucleótido en el genoma humano.
En esta guía exploraremos qué es AlphaGenome, cómo funciona su arquitectura, qué señales puede predecir, cómo analiza variantes genéticas y cuáles son sus principales diferencias respecto a Enformer, Borzoi, HyenaDNA y Nucleotide Transformer.
También incluiremos ejemplos prácticos en Python utilizando la API oficial, estrategias de interpretación, limitaciones científicas y metadatos SEO para WordPress.
¿Qué es la arquitectura AlphaGenome?
AlphaGenome es un modelo neuronal supervisado diseñado para aprender una relación entre secuencias de ADN y determinadas propiedades funcionales observadas experimentalmente.
En términos generales:
\hat{Y}_{\mathrm{funcional}}
]
Donde:
- (X_{\mathrm{ADN}}) representa una secuencia de ADN.
- (s) indica la especie compatible.
- (f_\theta) representa la red neuronal entrenada.
- (\hat{Y}_{\mathrm{funcional}}) contiene las señales genómicas predichas.
Las señales pueden describir diferentes aspectos de la regulación y actividad del genoma.
Por ejemplo, el modelo puede estimar cómo se distribuye una señal RNA-seq en una región genómica o qué posiciones podrían participar en el empalme de ARN.
También puede producir predicciones relacionadas con la accesibilidad de cromatina y las interacciones entre regiones genómicas.
El término unified, o unificado, es especialmente importante.
AlphaGenome no se limita a combinar resultados de numerosos modelos completamente independientes.
Utiliza una arquitectura compartida con componentes especializados para diferentes modalidades.
Esto permite aprender representaciones comunes y utilizar información procedente de varios tipos de ensayos.
Origen y desarrollo de AlphaGenome
La arquitectura AlphaGenome continúa una línea de investigación sobre modelos neuronales capaces de predecir funciones genómicas directamente desde ADN.
Uno de sus antecedentes es Basenji2, que utiliza convoluciones para predecir señales funcionales.
Posteriormente apareció Enformer, presentado en 2021.
Enformer incorporó bloques Transformer capaces de relacionar regiones distantes dentro de una ventana de aproximadamente 197 kilobases.
En 2023 surgió Borzoi, publicado definitivamente en 2025, que amplió el contexto a 524 kilobases e introdujo un decodificador U-Net para producir perfiles RNA-seq de mayor resolución.
Estas arquitecturas demostraron que la combinación de contexto largo y redes neuronales profundas podía mejorar ciertas predicciones de regulación génica.
Sin embargo, continuaban existiendo compromisos.
Algunos modelos ofrecían contexto muy largo, pero producían predicciones a una resolución relativamente gruesa.
Otros alcanzaban alta resolución, pero se concentraban en modalidades específicas.
Los investigadores de Google DeepMind desarrollaron AlphaGenome para integrar tres propiedades:
- Contexto de aproximadamente un millón de bases.
- Predicción simultánea de múltiples modalidades.
- Resolución de hasta una sola base para las salidas que la admiten.
La arquitectura se anunció en junio de 2025.
El estudio revisado por pares se publicó en enero de 2026.
Posteriormente, en septiembre de 2026, el proyecto incorporó AlphaGenome Atlas, ampliando el acceso a predicciones precalculadas de variantes.
¿Por qué es importante comprender las regiones no codificantes?
El genoma humano contiene aproximadamente 3.100 millones de pares de bases.
Una fracción relativamente pequeña corresponde a secuencias que codifican directamente proteínas.
Gran parte del ADN se encuentra fuera de esas regiones.
Sin embargo, no debe suponerse que todo el ADN no codificante cumple una función reguladora conocida.
Algunas regiones participan en regulación de la expresión, procesamiento del ARN o estructura cromosómica.
Otras tienen funciones menos claras o carecen de evidencia funcional específica.
Las variantes en regiones no codificantes pueden resultar difíciles de interpretar.
Por ejemplo, una modificación de una sola base puede encontrarse lejos de un gen.
La variante podría afectar a un enhancer, un promotor o una señal de procesamiento.
También podría tener un efecto muy pequeño o ninguno detectable.
AlphaGenome intenta proporcionar predicciones sobre estos posibles efectos moleculares.
Su objetivo consiste en ayudar a formular hipótesis que puedan investigarse posteriormente mediante experimentos.
¿Qué problemas intenta resolver AlphaGenome?
La arquitectura aborda cuatro desafíos principales.
1. Dependencias genómicas de largo alcance
Los elementos reguladores pueden encontrarse a grandes distancias de los genes asociados.
Un modelo necesita una ventana amplia para observar simultáneamente regiones distales y genes potencialmente afectados.
2. Resolución espacial
Las variantes de un solo nucleótido pueden modificar señales biológicas.
Por ello, resulta útil disponer de predicciones detalladas a nivel de base.
3. Diversidad de modalidades
La regulación génica no puede describirse solamente mediante una medida de expresión.
También intervienen el procesamiento del ARN, la cromatina y diferentes proteínas reguladoras.
4. Evaluación de variantes
La interpretación de variantes requiere comparar secuencias de referencia y alternativas, considerando distintos posibles mecanismos moleculares.
AlphaGenome intenta abordar estos desafíos mediante una única arquitectura compartida.
¿Cómo funciona AlphaGenome paso a paso?
El procesamiento puede dividirse en ocho etapas.
Paso 1. Seleccionar una región genómica
El usuario identifica un intervalo del genoma humano o de ratón.
La región debe utilizar las coordenadas y el ensamblaje de referencia correspondientes.
AlphaGenome utiliza principalmente hg38 para humano y mm10 para ratón.
Paso 2. Obtener la secuencia de ADN
El sistema recupera la secuencia correspondiente al intervalo.
También puede recibir secuencias directamente mediante los métodos compatibles de la API.
Paso 3. Codificar los nucleótidos
Los símbolos A, C, G y T se transforman en representaciones numéricas.
Paso 4. Aplicar el encoder
El modelo utiliza capas convolucionales y operaciones de reducción de resolución para extraer características.
Paso 5. Integrar contexto mediante Transformers
Las representaciones comprimidas atraviesan bloques capaces de intercambiar información entre regiones distantes.
Paso 6. Recuperar resolución
El decoder utiliza una estructura tipo U-Net para reconstruir representaciones detalladas.
Paso 7. Producir salidas multimodales
Las cabezas especializadas generan señales relacionadas con distintas propiedades genómicas.
Paso 8. Interpretar los resultados
El usuario selecciona las modalidades, tejidos, posiciones y métricas apropiadas para su investigación.
Arquitectura interna de AlphaGenome
AlphaGenome utiliza una organización de tipo encoder–Transformer–decoder.
Su diseño puede resumirse mediante el siguiente flujo:
Secuencia de ADN
↓
Codificación de nucleótidos
↓
Encoder convolucional
↓
Reducción progresiva de resolución
↓
Bloques Transformer con contexto largo
↓
Decoder multiescala tipo U-Net
↓
Cabezas especializadas por modalidad
↓
Predicciones funcionales
Esta estructura combina características de arquitecturas anteriores, pero introduce optimizaciones importantes para procesar secuencias de aproximadamente un millón de bases.
Encoder
El encoder extrae patrones locales y reduce progresivamente la longitud de las representaciones.
Esto disminuye el coste de aplicar operaciones posteriores sobre la secuencia completa.
Transformer
Los bloques Transformer integran información procedente de regiones distantes.
Esta etapa es relevante para aprender relaciones entre promotores, enhancers y otras posiciones.
Decoder
El decoder recupera resolución utilizando información procedente de diferentes niveles del encoder.
Cabezas de salida
Cada modalidad utiliza componentes especializados para producir señales con la resolución y estructura correspondientes.
¿Qué es una arquitectura U-Net?
U-Net es una familia de redes neuronales que combina reducción y recuperación de resolución.
La arquitectura original fue desarrollada para segmentación de imágenes biomédicas.
Sin embargo, su principio también puede aplicarse a secuencias unidimensionales.
La primera trayectoria reduce progresivamente la resolución.
La segunda reconstruye una representación detallada.
Las conexiones de salto permiten combinar información de distintas escalas.
En AlphaGenome, este mecanismo ayuda a integrar contexto global y patrones locales.
Por ejemplo, una representación profunda puede contener información sobre relaciones reguladoras distantes.
Una representación de una etapa temprana puede conservar detalles locales importantes para identificar motivos o sitios de empalme.
La combinación permite producir predicciones más detalladas.
¿Por qué AlphaGenome necesita Transformers?
Las convoluciones son útiles para extraer patrones locales.
Sin embargo, las relaciones reguladoras pueden abarcar grandes distancias.
Los Transformers permiten que una posición incorpore información de otras posiciones de la representación interna.
La autoatención puede expresarse como:
[
\operatorname{Attention}(Q,K,V)=
\operatorname{softmax}
\left(
\frac{QK^\top}{\sqrt{d_k}}
\right)V
]
Donde:
- (Q) representa consultas.
- (K) representa claves.
- (V) representa valores.
- (d_k) representa la dimensión de las claves.
En AlphaGenome, la atención se aplica sobre representaciones comprimidas y utiliza estrategias adicionales para distribuir el procesamiento.
El modelo no construye simplemente una matriz cuadrática sobre un millón de nucleótidos individuales.
Las operaciones de reducción y paralelismo son esenciales para mantener un coste viable.
Procesamiento paralelo de secuencias largas
El artículo científico describe una estrategia de sequence parallelism.
La ventana de aproximadamente un millón de bases se divide en fragmentos de:
[
2^{17}=131.072
]
nucleótidos.
Para una entrada completa de:
[
2^{20}=1.048.576
]
bases, esto corresponde a ocho fragmentos.
Los fragmentos pueden procesarse en diferentes dispositivos.
Posteriormente, determinadas operaciones permiten intercambiar información entre ellos.
Esta estrategia facilita distribuir la carga computacional y trabajar con contextos extensos.
Sin embargo, no significa que cada fragmento se procese de manera completamente independiente.
Los mecanismos de comunicación entre dispositivos son importantes para integrar relaciones de largo alcance.
¿Cuál es la longitud máxima de entrada?
AlphaGenome admite una ventana máxima de:
[
1.048.576\ \text{bp}
]
equivalente a aproximadamente 1,05 millones de nucleótidos.
La documentación también contempla longitudes menores compatibles, aproximadamente 16 kb, 100 kb y 500 kb, dependiendo del método utilizado.
La longitud máxima es una propiedad arquitectónica.
No significa que el modelo recuerde perfectamente todos los elementos reguladores.
Tampoco significa que cualquier predicción de un millón de bases sea necesariamente más precisa que otra realizada con una ventana menor.
El rendimiento depende de la modalidad, del contexto y de los datos disponibles.
¿Qué significa resolución de un solo nucleótido?
La resolución de una base significa que una salida puede proporcionar información diferenciada para posiciones individuales.
Por ejemplo, una predicción de sitios de empalme puede requerir identificar una posición concreta.
En otros casos, la señal se produce en intervalos más amplios.
Por tanto, la resolución debe interpretarse según la modalidad.
No sería correcto afirmar que todas las salidas de AlphaGenome tienen exactamente un valor independiente por nucleótido.
La arquitectura utiliza diferentes resoluciones para diferentes tareas.
La ventaja principal consiste en reunir predicciones detalladas y contexto largo dentro de un mismo modelo.
¿Qué modalidades puede predecir AlphaGenome?
La arquitectura publicada predice once tipos de salida funcional.
Podemos agruparlos en cuatro categorías principales.
1. Expresión e inicio de transcripción
Incluye RNA-seq, CAGE y PRO-cap.
2. Procesamiento del ARN
Incluye sitios de empalme, utilización de sitios de empalme y uniones entre exones.
3. Estado de cromatina
Incluye accesibilidad mediante DNase y ATAC-seq, modificaciones de histonas y unión de factores de transcripción.
4. Organización de cromatina
Incluye mapas de contacto entre regiones.
Estas modalidades aportan diferentes perspectivas sobre la actividad del genoma.
| Tipo de salida | Qué representa |
|---|---|
| RNA-seq | Cobertura relacionada con transcritos de ARN |
| CAGE | Actividad asociada con sitios de inicio de transcripción |
| PRO-cap | Señales relacionadas con iniciación transcripcional |
| DNase | Accesibilidad de cromatina |
| ATAC-seq | Accesibilidad estimada mediante transposasa |
| Modificaciones de histonas | Señales de marcas cromatínicas |
| Unión de factores de transcripción | Señales de asociación proteína-ADN |
| Sitios de empalme | Posiciones de procesamiento de ARN |
| Uso de sitios de empalme | Contribución relativa de sitios |
| Uniones de empalme | Coordenadas e intensidad de conexiones |
| Contactos de cromatina | Interacciones espaciales entre regiones |
¿Cuántos tracks predice AlphaGenome?
La publicación original describe:
| Organismo | Tracks funcionales |
|---|---|
| Humano | 5.930 |
| Ratón | 1.128 |
Los tracks representan combinaciones de ensayos y contextos biológicos.
Por ejemplo, un track puede corresponder a una técnica experimental aplicada a un tejido o tipo celular específico.
Es importante distinguir entre modalidades y tracks.
Una modalidad, como RNA-seq, puede contener muchos tracks.
Estos tracks pueden corresponder a tejidos y condiciones diferentes.
Por tanto, AlphaGenome no produce solamente once números por secuencia.
Puede generar numerosos perfiles funcionales correspondientes a diferentes ensayos.
¿Qué es un mapa de contactos de cromatina?
El ADN no se encuentra dispuesto como una línea recta dentro del núcleo celular.
La cromatina tiene una organización tridimensional.
Dos regiones alejadas en la secuencia pueden encontrarse físicamente próximas.
Esta proximidad puede participar en procesos reguladores.
Los mapas de contacto representan relaciones espaciales entre regiones genómicas.
AlphaGenome incorpora una modalidad relacionada con estos contactos.
Esto amplía el alcance del modelo respecto a arquitecturas que solamente predicen perfiles lineales de cobertura.
Sin embargo, las predicciones de contacto no constituyen una reconstrucción completa de la estructura tridimensional del núcleo.
Son estimaciones de señales asociadas con proximidad genómica.
¿Por qué son importantes las predicciones de splicing?
El splicing es un proceso mediante el cual los transcritos de ARN eliminan regiones intrónicas y combinan exones.
Una variante puede modificar señales necesarias para este procesamiento.
Por ejemplo, una sustitución podría alterar un sitio donador o aceptor de empalme.
AlphaGenome predice diferentes aspectos del splicing.
Entre ellos se encuentran:
- Posiciones de sitios de empalme.
- Uso relativo de sitios.
- Uniones entre regiones de transcritos.
Esta combinación permite estudiar diferentes mecanismos de procesamiento.
Sin embargo, una predicción de efecto sobre splicing no sustituye la validación experimental.
La interpretación también depende de la isoforma, el tejido y el contexto biológico.
¿Cómo predice AlphaGenome los efectos de variantes?
Una de sus principales aplicaciones consiste en comparar una secuencia de referencia con otra que contiene una variante.
Sea:
[
X_{\mathrm{REF}}
]
la secuencia de referencia.
Sea:
[
X_{\mathrm{ALT}}
]
la secuencia alternativa.
El modelo calcula:
[
Y_{\mathrm{REF}}=f_\theta(X_{\mathrm{REF}})
]
[
Y_{\mathrm{ALT}}=f_\theta(X_{\mathrm{ALT}})
]
Posteriormente, podemos obtener:
[
\Delta Y=
Y_{\mathrm{ALT}}-
Y_{\mathrm{REF}}
]
Esta diferencia representa el cambio predicho en las señales funcionales.
Por ejemplo, una variante podría aumentar la señal de accesibilidad en una región.
Otra podría disminuir la predicción de un sitio de empalme.
Sin embargo, los perfiles contienen numerosos valores.
Por ello, los investigadores utilizan puntuaciones adaptadas a cada modalidad.
Una suma global de todos los tracks no constituye una medida universal del impacto biológico.
¿Qué es una variante de un solo nucleótido?
Una variante de un solo nucleótido, o SNV, consiste en una sustitución de una base por otra.
Por ejemplo:
Secuencia original:
ACGTACGTACGT
Secuencia alternativa:
ACGTGCGTACGT
En este ejemplo se sustituye una A por una G en la quinta posición.
AlphaGenome puede utilizar este tipo de cambio para comparar predicciones.
Sin embargo, una variante puede ser neutra, funcional o tener efectos que dependan de condiciones no observadas por el modelo.
La predicción debe considerarse una señal de investigación.
¿Qué ocurre con inserciones y deleciones?
AlphaGenome también admite análisis de ciertas inserciones y deleciones, conocidas como indels.
Estas variantes son más complejas que una sustitución.
Una inserción añade nucleótidos.
Una deleción elimina nucleótidos.
Este tipo de cambio puede modificar la alineación entre secuencias de referencia y alternativas.
Por ello, la comparación de posiciones requiere un tratamiento específico.
La documentación oficial también reconoce limitaciones y consideraciones de implementación para determinados análisis de indels.
No debe asumirse que cualquier variante estructural extensa puede evaluarse con la misma fiabilidad que una sustitución sencilla.
¿Qué son las puntuaciones de efecto de variante?
Una puntuación intenta resumir la diferencia entre predicciones.
Por ejemplo, para un track de expresión podemos utilizar una medida agregada:
\sum_{i\in R}
Y_{\mathrm{REF},i}
]
\sum_{i\in R}
Y_{\mathrm{ALT},i}
]
La diferencia sería:
[
\Delta S=
S_{\mathrm{ALT}}-S_{\mathrm{REF}}
]
Donde (R) representa una región seleccionada.
También pueden utilizarse cambios relativos o funciones específicas de la modalidad.
Sin embargo, la definición apropiada depende del ensayo.
Para splicing se necesitan puntuaciones diferentes de las utilizadas para accesibilidad.
Para mapas de contacto también se requieren procedimientos específicos.
La biblioteca oficial incluye estrategias de puntuación adaptadas a distintas modalidades.
¿Qué es In Silico Saturation Mutagenesis?
In Silico Saturation Mutagenesis (ISM) consiste en modificar computacionalmente numerosas posiciones de una secuencia para estudiar cómo cambian las predicciones del modelo.
Por ejemplo, podemos seleccionar un intervalo de 100 nucleótidos.
Para cada posición, evaluamos posibles bases alternativas.
Esto permite construir un mapa de sensibilidad.
Podemos expresar una puntuación como:
s(f_\theta(X_{i\rightarrow b}))
s(f_\theta(X))
]
Donde:
- (i) representa la posición modificada.
- (b) representa la base alternativa.
- (s) representa una función de puntuación.
Este procedimiento puede ayudar a identificar posiciones potencialmente relevantes.
Sin embargo, requiere numerosas predicciones y puede ser costoso.
Además, la sensibilidad del modelo no equivale automáticamente a una medición causal.
¿Qué es AlphaGenome Atlas?
En septiembre de 2026, Google DeepMind presentó AlphaGenome Atlas.
Este recurso contiene predicciones precalculadas de los efectos de aproximadamente nueve mil millones de posibles sustituciones de un solo nucleótido del genoma humano.
La idea consiste en evaluar de forma sistemática las alternativas posibles para cada posición.
Para una base de referencia existen tres sustituciones alternativas entre A, C, G y T.
Como el genoma humano contiene aproximadamente tres mil millones de posiciones, el número de sustituciones posibles es cercano a:
9,000,000,000
]
AlphaGenome Atlas permite consultar predicciones sin ejecutar desde cero el modelo para cada variante.
El recurso también incorpora puntuaciones agregadas de impacto y herramientas de interpretación.
Entre ellas se encuentra AlphaGenome Variant Impact (AVI).
¿Por qué es importante?
Porque permite investigar numerosas variantes de manera más accesible.
También facilita priorizar regiones que merecen análisis experimental posterior.
Sin embargo, Atlas no contiene mediciones funcionales reales para cada variante.
Contiene predicciones computacionales precalculadas.
Su cobertura y puntuaciones no garantizan la identificación correcta de todos los efectos biológicos.
AlphaGenome frente a Enformer
Enformer, estudiada en la Entrada 122, fue uno de los antecedentes importantes de AlphaGenome.
Ambas arquitecturas combinan convoluciones y Transformers.
Sin embargo, presentan diferencias relevantes.
| Característica | Enformer | AlphaGenome |
|---|---|---|
| Publicación | 2021 | 2026 |
| Entrada máxima característica | 196.608 bases | 1.048.576 bases |
| Arquitectura principal | CNN + Transformer | U-Net + Transformer |
| Resolución de salida | 128 bp | Hasta 1 bp según modalidad |
| Humano | 5.313 tracks | 5.930 tracks |
| Ratón | 1.643 tracks | 1.128 tracks |
| Splicing detallado | Limitado | Sitios, uso y uniones |
| Contactos de cromatina | No como modalidad principal | Sí |
| Evaluación de variantes | Sí | Amplia evaluación multimodal |
AlphaGenome amplía el contexto y la variedad de predicciones.
Sin embargo, el número de tracks no constituye una medida directa de calidad.
Las colecciones de ensayos y las metodologías son diferentes.
AlphaGenome frente a Borzoi
Borzoi, estudiada en la Entrada 123, fue diseñada especialmente para predecir perfiles RNA-seq y características relacionadas con el procesamiento del ARN.
AlphaGenome amplía el enfoque mediante una arquitectura multimodal.
| Característica | Borzoi | AlphaGenome |
|---|---|---|
| Publicación | 2025 | 2026 |
| Entrada | 524.288 bases | Hasta 1.048.576 bases |
| Arquitectura | CNN + Transformer + U-Net | Encoder + Transformer + decoder U-Net |
| Resolución característica | 32 bp | Hasta 1 bp |
| Tracks humanos | 7.611 | 5.930 |
| Tracks de ratón | 2.608 | 1.128 |
| RNA-seq | Sí | Sí |
| Splicing | Inferido a partir de perfiles y puntuaciones | Predicciones especializadas |
| Contactos de cromatina | No como modalidad principal | Sí |
AlphaGenome no debe describirse simplemente como Borzoi con una ventana más grande.
La arquitectura incorpora diferentes objetivos, datos y mecanismos de salida.
También ofrece predicciones especializadas de splicing.
Los modelos pueden obtener resultados distintos según la tarea.
AlphaGenome frente a HyenaDNA
HyenaDNA utiliza convoluciones implícitas y fue diseñada para modelado de secuencias de largo alcance.
AlphaGenome utiliza una arquitectura híbrida para predecir señales funcionales.
| Característica | HyenaDNA | AlphaGenome |
|---|---|---|
| Objetivo principal | Modelado fundacional de secuencia | Predicción funcional multimodal |
| Arquitectura | Hyena | U-Net + Transformer |
| Contexto máximo | Hasta aproximadamente 1 millón | 1.048.576 bases |
| Entrada | Nucleótidos | Nucleótidos |
| Entrenamiento principal | Predicción autorregresiva | Supervisión con señales funcionales |
| Salidas | Representaciones y probabilidades | Tracks, splicing y contactos |
| Resolución funcional | Según tarea posterior | Hasta 1 bp según modalidad |
Ambas arquitecturas demuestran la importancia del contexto largo.
Sin embargo, sus objetivos de entrenamiento son muy diferentes.
AlphaGenome frente a Nucleotide Transformer
Nucleotide Transformer utiliza modelos fundacionales entrenados principalmente mediante reconstrucción de tokens ocultos.
AlphaGenome aprende directamente a predecir señales funcionales.
| Característica | Nucleotide Transformer v1/v2 | AlphaGenome |
|---|---|---|
| Familia | Transformer encoder | Arquitectura híbrida multimodal |
| Tokenización original | 6-mers | Representación de ADN a nivel de base |
| Entrenamiento | Masked Language Modeling | Predicción supervisada de señales |
| Contexto | Aproximadamente 6–12 kb | Hasta aproximadamente 1 Mb |
| Salida principal | Embeddings | Predicciones funcionales |
| Predicción de variantes | Según estrategia | Mecanismos especializados |
Los modelos fundacionales generales y los modelos sequence-to-function pueden utilizarse de manera complementaria.
Resultados experimentales de AlphaGenome
El artículo publicado en Nature evaluó AlphaGenome mediante benchmarks relacionados con diferentes modalidades genómicas.
Los investigadores compararon su rendimiento con métodos especializados y modelos anteriores.
Predicción de señales genómicas
AlphaGenome obtuvo los mejores resultados entre los modelos comparados en:
[
22/24
]
tareas de predicción de tracks genómicos.
Predicción de efectos de variantes
En las evaluaciones de efectos de variantes, obtuvo los mejores resultados entre los métodos comparados en:
[
25/26
]
tareas.
Predicciones de splicing
El modelo mostró resultados destacados al integrar información sobre sitios, uso y uniones de empalme.
Regulación de largo alcance
La ventana de aproximadamente un millón de bases permitió evaluar el efecto de incorporar regiones reguladoras distantes.
Aprendizaje multimodal
Los investigadores estudiaron cómo influía entrenar distintas modalidades conjuntamente.
Estos resultados respaldan el potencial de la arquitectura.
Sin embargo, las cifras representan comparaciones dentro de un conjunto definido de benchmarks.
No significan que AlphaGenome sea perfecto ni que sea superior a cualquier método en todas las situaciones.
Teacher Models y Knowledge Distillation
La publicación describe un procedimiento de entrenamiento basado en modelos teacher y un modelo student.
Los investigadores entrenaron modelos utilizando diferentes particiones de regiones genómicas.
Esto permitió realizar evaluaciones sobre regiones no utilizadas durante el entrenamiento.
Posteriormente, utilizaron técnicas de knowledge distillation para construir un modelo destinado a análisis de variantes.
En términos generales, la destilación consiste en entrenar un modelo estudiante para reproducir comportamientos aprendidos por modelos profesores.
Una pérdida simplificada puede expresarse como:
D
\left(
f_{\mathrm{student}}(X),
f_{\mathrm{teacher}}(X)
\right)
]
Donde (D) representa una función de discrepancia.
En AlphaGenome, el procedimiento incluye secuencias aumentadas y perturbaciones mutacionales.
La destilación ayuda a construir un modelo que aprovecha conocimientos de modelos profesores.
Sin embargo, es importante distinguir los resultados de modelos entrenados para evaluación por particiones y los del modelo destilado utilizado para efectos de variantes.
Limitaciones científicas de AlphaGenome
Aunque AlphaGenome presenta resultados importantes, también tiene limitaciones.
Dependencia de los datos
Las predicciones dependen de los ensayos experimentales utilizados durante entrenamiento.
Contexto celular incompleto
La secuencia de ADN no contiene por sí sola información sobre todas las condiciones celulares.
Generalización a otras especies
El modelo fue entrenado principalmente con humano y ratón.
Su precisión en otras especies no está garantizada.
Predicciones causales
Una diferencia entre secuencias no demuestra automáticamente que una variante produzca ese efecto en un organismo real.
Variantes complejas
Las variantes estructurales extensas y determinadas inserciones o deleciones presentan desafíos adicionales.
Restricciones del contexto
Incluso un millón de nucleótidos puede ser insuficiente para algunas relaciones reguladoras.
Limitaciones clínicas
La documentación oficial prohíbe utilizar sus predicciones como base para decisiones clínicas.
Acceso y licencias
La API y sus resultados tienen condiciones de uso específicas, especialmente para aplicaciones comerciales.
Ejemplo práctico 1: representar una variante genética en Python
Antes de utilizar AlphaGenome, podemos construir una función educativa para comparar secuencias.
def apply_snv( sequence, position, reference, alternate): sequence = sequence.upper() if position < 0 or position >= len(sequence): raise IndexError("Position outside sequence") if sequence[position] != reference: raise ValueError( "Reference allele does not match" ) return ( sequence[:position] + alternate + sequence[position + 1:] )reference_sequence = "ACGTACGTACGT"alternate_sequence = apply_snv( reference_sequence, position=4, reference="A", alternate="G")print("Reference:", reference_sequence)print("Alternate:", alternate_sequence)
Este programa modifica una sola base.
La posición utiliza indexación Python de base cero.
En una aplicación genómica real también debemos considerar la referencia, el cromosoma y el ensamblaje utilizado.
Ejemplo práctico 2: instalar la API oficial de AlphaGenome
Google DeepMind proporciona una biblioteca Python denominada alphagenome.
Puede instalarse mediante:
pip install alphagenome
La API permite utilizar el modelo alojado mediante servicios oficiales.
Para acceder a ella es necesario disponer de una clave de API válida.
La biblioteca incluye funciones para:
- Predecir señales genómicas.
- Analizar intervalos de referencia.
- Comparar variantes.
- Calcular puntuaciones de efecto.
- Visualizar perfiles funcionales.
- Consultar recursos relacionados con AlphaGenome Atlas.
El uso de la API está sujeto a sus condiciones oficiales.
Ejemplo práctico 3: crear un cliente AlphaGenome
Podemos utilizar una variable de entorno para almacenar la clave.
import osfrom alphagenome.models.v1 import dna_clientapi_key = os.environ["ALPHAGENOME_API_KEY"]model = dna_client.create(api_key)print("AlphaGenome client initialized")
Antes de ejecutar el programa, la variable debe estar configurada en el entorno.
Por ejemplo, en PowerShell:
$env:ALPHAGENOME_API_KEY="TU_CLAVE_DE_API"
No es recomendable almacenar claves reales directamente en el código fuente ni publicarlas en repositorios.
Ejemplo práctico 4: predecir señales de una región genómica
La API permite seleccionar un intervalo mediante coordenadas genómicas.
from alphagenome.data import genomefrom alphagenome.models.v1 import dna_clientinterval = genome.Interval( chromosome="chr22", start=36_000_000, end=36_010_000)interval = interval.resize( dna_client.SEQUENCE_LENGTH_1MB)outputs = model.predict_interval( interval=interval, requested_outputs=[ dna_client.OutputType.RNA_SEQ, dna_client.OutputType.DNASE, ], ontology_terms=[ "UBERON:0001157" ],)print("RNA-seq:", outputs.rna_seq.values.shape)print("DNase:", outputs.dnase.values.shape)
Este ejemplo solicita predicciones RNA-seq y DNase para un intervalo humano.
El código utiliza el identificador UBERON correspondiente a colon transverso.
La disponibilidad de tracks concretos depende de la modalidad y del término ontológico seleccionado.
El intervalo de 10.000 bases se amplía a una longitud compatible mediante resize.
En un proyecto real conviene seleccionar una región biológicamente relevante y comprobar sus coordenadas.
Ejemplo práctico 5: comparar una variante de referencia y alternativa
La API incluye el método predict_variant.
El siguiente ejemplo sigue el patrón publicado por Google DeepMind.
from alphagenome.data import genomefrom alphagenome.models.v1 import dna_clientvariant = genome.Variant( chromosome="chr22", position=36_201_698, reference_bases="A", alternate_bases="C",)interval = variant.reference_interval.resize( dna_client.SEQUENCE_LENGTH_1MB)results = model.predict_variant( interval=interval, variant=variant, ontology_terms=[ "UBERON:0001157" ], requested_outputs=[ dna_client.OutputType.RNA_SEQ ],)reference_rna = results.reference.rna_seq.valuesalternate_rna = results.alternate.rna_seq.valuesprint("Reference:", reference_rna.shape)print("Alternate:", alternate_rna.shape)
El método produce predicciones correspondientes a la secuencia de referencia y la alternativa.
La comparación permite estudiar posibles cambios en los perfiles RNA-seq.
Sin embargo, las diferencias deben interpretarse mediante regiones y tracks específicos.
No representan directamente una evaluación de riesgo clínico.
Ejemplo práctico 6: calcular diferencias entre predicciones
Una vez obtenidos los perfiles, podemos calcular una diferencia.
import numpy as npdifference = ( alternate_rna - reference_rna)print( "Maximum absolute change:", np.max(np.abs(difference)))print( "Mean absolute change:", np.mean(np.abs(difference)))
Estas estadísticas resumen diferencias numéricas.
Sin embargo, no constituyen puntuaciones de impacto biológico validadas.
Una media sobre todos los valores puede mezclar regiones y tracks con significados diferentes.
Para análisis rigurosos se recomienda utilizar los métodos de puntuación específicos que proporciona la biblioteca oficial.
Ejemplo práctico 7: visualizar una variante
La biblioteca incluye herramientas de visualización.
import matplotlib.pyplot as pltfrom alphagenome.visualization import plot_componentsplot_components.plot( [ plot_components.OverlaidTracks( tdata={ "REF": results.reference.rna_seq, "ALT": results.alternate.rna_seq, }, colors={ "REF": "dimgrey", "ALT": "red", }, ), ], interval=( results.reference.rna_seq.interval.resize( 2**15 ) ), annotations=[ plot_components.VariantAnnotation( [variant], alpha=0.8 ) ],)plt.show()
El gráfico permite observar dos perfiles superpuestos.
La variante se representa mediante una anotación.
Esta visualización es útil para estudiar qué regiones presentan diferencias.
Sin embargo, la interpretación debe considerar la escala, los tracks y los datos experimentales disponibles.
Ejemplo práctico 8: comprobar coordenadas genómicas
Una fuente frecuente de errores en bioinformática es confundir coordenadas de base cero y base uno.
La clase genome.Interval utiliza intervalos de base cero con extremo final exclusivo.
Por ejemplo:
from alphagenome.data import genomeregion = genome.Interval( chromosome="chr1", start=100, end=200)print(region)
Este intervalo contiene 100 posiciones, desde la coordenada 100 hasta la 199 incluidas.
Los archivos VCF, por otro lado, utilizan tradicionalmente posiciones de base uno.
Antes de comparar variantes o extraer secuencias es fundamental verificar la convención correspondiente.
También debemos utilizar el ensamblaje correcto.
Para AlphaGenome original:
- Humano: hg38.
- Ratón: mm10.
Una variante descrita mediante coordenadas hg19 no debe utilizarse directamente como si perteneciera a hg38.
AlphaGenome Atlas: acceso a predicciones precalculadas
AlphaGenome Atlas proporciona una alternativa cuando necesitamos consultar puntuaciones de un gran número de variantes.
En lugar de solicitar una inferencia completa para cada sustitución, podemos utilizar resultados precalculados.
El recurso incluye predicciones relacionadas con:
- Efectos reguladores.
- Señales moleculares.
- Importancia de características.
- Puntuaciones agregadas de impacto.
La API oficial incorpora métodos específicos para interactuar con estos datos.
La disponibilidad de consultas, cuotas y modalidades depende de la versión del servicio y de las condiciones de acceso.
Los resultados están destinados principalmente a investigación.
No deben utilizarse como evidencia clínica suficiente ni como sustituto de experimentos.
Licencias y uso comercial
AlphaGenome dispone de diferentes modalidades de acceso.
La API pública ofrece acceso gratuito bajo determinadas condiciones para uso no comercial.
Los resultados de AlphaGenome y AlphaGenome Atlas están sujetos a restricciones adicionales, incluidas limitaciones sobre entrenamiento de otros modelos.
Para usos comerciales existe una oferta diferenciada mediante Google Cloud.
Por tanto, antes de integrar AlphaGenome en un producto, servicio de pago o aplicación empresarial, es necesario revisar las condiciones vigentes.
La disponibilidad pública de una API no implica autorización automática para comercializar todos sus resultados.
Ventajas de AlphaGenome
Contexto de aproximadamente un millón de bases
Permite analizar regiones reguladoras extensas.
Resolución de hasta un nucleótido
Proporciona predicciones detalladas para modalidades compatibles.
Arquitectura multimodal
Integra expresión, splicing, cromatina y contactos dentro de un mismo modelo.
Predicción de efectos de variantes
Permite comparar secuencias de referencia y alternativas.
Integración de señales funcionales
Aprende representaciones compartidas utilizando diferentes ensayos.
Amplia evaluación científica
El artículo incluye numerosas tareas de predicción y benchmarks de variantes.
API oficial
Facilita ejecutar predicciones y visualizar resultados mediante Python.
AlphaGenome Atlas
Permite consultar predicciones precalculadas de miles de millones de sustituciones.
Limitaciones de AlphaGenome
La arquitectura presenta varias limitaciones.
La primera es que las predicciones dependen de los datos utilizados durante el entrenamiento.
No todos los tejidos, estados celulares o condiciones biológicas están representados.
La segunda es que el contexto, aunque muy amplio, continúa siendo finito.
Determinadas relaciones reguladoras pueden encontrarse fuera de la ventana disponible.
También existen limitaciones relacionadas con especies distintas de humano y ratón.
La extrapolación a organismos más distantes puede reducir la fiabilidad.
Otra limitación es la interpretación de variantes complejas.
Las inserciones, deleciones y variantes estructurales pueden requerir procedimientos especiales.
La arquitectura tampoco proporciona explicaciones causales definitivas.
Las diferencias entre predicciones son hipótesis que deben contrastarse experimentalmente.
Finalmente, el uso de sus salidas está sujeto a restricciones científicas, clínicas y comerciales.
Importancia de AlphaGenome en la evolución de los modelos genómicos
AlphaGenome representa un avance importante en la integración de diferentes modalidades de genómica funcional.
Enformer demostró la utilidad de combinar contexto largo con Transformers.
Borzoi amplió la predicción hacia perfiles RNA-seq de mayor resolución.
AlphaGenome integra esas líneas de investigación dentro de una arquitectura multimodal capaz de producir predicciones de resolución variable, incluyendo señales a nivel de nucleótido.
La arquitectura también incorpora predicciones especializadas de splicing y contactos de cromatina.
Además, su procedimiento de evaluación distingue entre predicción de señales y predicción de efectos de variantes.
Esto permite estudiar más directamente cómo puede utilizarse un modelo sequence-to-function en investigación genética.
La aparición de AlphaGenome Atlas en septiembre de 2026 añade otra dimensión.
Las predicciones de variantes dejan de estar limitadas a consultas individuales y pueden explorarse mediante un recurso precalculado a escala genómica.
Sin embargo, el principal desafío científico continúa siendo distinguir entre predicción estadística y mecanismo biológico real.
Preguntas frecuentes sobre AlphaGenome
¿Qué es AlphaGenome?
AlphaGenome es un modelo de inteligencia artificial desarrollado por Google DeepMind para predecir propiedades funcionales del genoma a partir de secuencias de ADN extensas.
¿Quién desarrolló AlphaGenome?
Fue desarrollada por Google DeepMind y colaboradores, con Žiga Avsec entre los principales investigadores de la publicación científica.
¿Cuándo apareció AlphaGenome?
Fue presentada públicamente en junio de 2025 y publicada en la revista Nature el 28 de enero de 2026.
¿Cuántas bases puede procesar?
Hasta 1.048.576 bases en su configuración máxima documentada.
¿AlphaGenome utiliza Transformers?
Sí. Combina un encoder, bloques Transformer y un decoder multiescala tipo U-Net.
¿Qué significa Unified DNA Sequence Model?
Significa que utiliza una arquitectura compartida para producir múltiples tipos de predicciones funcionales desde ADN.
¿AlphaGenome predice a resolución de un nucleótido?
Sí, para muchas modalidades. Otras salidas utilizan resoluciones más gruesas.
¿Cuántos tracks humanos predice?
La arquitectura publicada describe 5.930 tracks humanos.
¿Cuántos tracks de ratón predice?
La publicación describe 1.128 tracks de ratón.
¿Qué modalidades incluye?
Expresión, inicio de transcripción, accesibilidad, modificaciones de histonas, factores de transcripción, splicing y contactos de cromatina.
¿Qué diferencia existe entre AlphaGenome y Enformer?
AlphaGenome utiliza un contexto mayor y ofrece una gama más amplia de modalidades y resoluciones.
¿Qué diferencia existe entre AlphaGenome y Borzoi?
Borzoi se concentra especialmente en perfiles de cobertura RNA-seq. AlphaGenome integra más modalidades funcionales, incluidas predicciones especializadas de splicing y contactos.
¿Qué es AlphaGenome Atlas?
Es un recurso presentado en septiembre de 2026 que contiene predicciones precalculadas para aproximadamente nueve mil millones de posibles sustituciones de un nucleótido.
¿Qué significa AVI?
AVI significa AlphaGenome Variant Impact. Es una puntuación desarrollada para resumir determinadas predicciones de impacto de variantes.
¿AlphaGenome puede analizar variantes genéticas?
Sí. Puede comparar predicciones de referencia y alternativas mediante métodos específicos de la API.
¿AlphaGenome puede analizar splicing?
Sí. Incluye predicciones de sitios, utilización y uniones de empalme.
¿AlphaGenome predice contactos de cromatina?
Sí. Incluye una modalidad relacionada con contactos entre regiones genómicas.
¿AlphaGenome funciona con Python?
Sí. Google DeepMind proporciona una biblioteca oficial denominada alphagenome.
¿Necesito una clave de API?
Sí, para utilizar los servicios alojados mediante la API pública correspondiente.
¿AlphaGenome es gratuito?
La API pública ofrece acceso gratuito para usos no comerciales sujetos a sus términos y límites. Existen opciones comerciales diferenciadas.
¿AlphaGenome puede diagnosticar enfermedades genéticas?
No. Sus predicciones están destinadas a investigación y no deben utilizarse como base para decisiones clínicas.
¿AlphaGenome es mejor que Enformer?
Obtuvo resultados superiores en numerosas evaluaciones del estudio original, pero no existe una garantía de superioridad universal en todas las tareas.
¿AlphaGenome puede generar ADN?
Su función principal publicada es predecir propiedades funcionales y efectos de variantes, no actuar como generador general de secuencias.
¿Por qué es importante estudiar AlphaGenome?
Porque demuestra cómo integrar contexto genómico largo, resolución fina y predicción multimodal dentro de una arquitectura unificada.
Conclusión
La arquitectura AlphaGenome representa una contribución importante a la evolución de los modelos de inteligencia artificial aplicados a genómica funcional.
Su principal innovación consiste en combinar una ventana de aproximadamente un millón de nucleótidos, predicciones de múltiples modalidades y resolución de hasta una sola base.
La arquitectura utiliza un encoder que extrae patrones locales, bloques Transformer que integran contexto distante y un decoder tipo U-Net que recupera representaciones detalladas.
Sus cabezas especializadas permiten predecir señales relacionadas con expresión, cromatina, splicing y contactos genómicos.
Además, AlphaGenome permite comparar secuencias de referencia y alternativas para estudiar posibles efectos de variantes.
Los resultados publicados en Nature mostraron un rendimiento destacado en numerosas tareas genómicas y evaluaciones de variantes.
La posterior aparición de AlphaGenome Atlas amplió el acceso a predicciones precalculadas sobre miles de millones de posibles sustituciones.
Sin embargo, las predicciones siguen siendo modelos estadísticos de procesos biológicos complejos.
La utilidad científica depende de su interpretación, de la calidad de los datos y de la validación independiente.
Para estudiantes, investigadores y desarrolladores de inteligencia artificial, AlphaGenome ofrece una lección fundamental:
La comprensión computacional del ADN puede avanzar mediante modelos que integren contexto largo, múltiples modalidades biológicas y predicciones de alta resolución, pero la capacidad predictiva debe distinguirse siempre de la demostración causal.
Comprender AlphaGenome permite profundizar en los fundamentos de Transformers genómicos, U-Net, modelos sequence-to-function, predicción multimodal, análisis de variantes y aprendizaje profundo aplicado a biología molecular.
Referencias y fuentes oficiales
- Avsec, Ž. et al. (2026). Advancing regulatory variant effect prediction with AlphaGenome. Nature, 649, 1206–1218. https://doi.org/10.1038/s41586-025-10014-0
- Google DeepMind. AlphaGenome — Repositorio y API oficial. https://github.com/google-deepmind/alphagenome
- Google DeepMind. Documentación oficial de AlphaGenome. https://www.alphagenomedocs.com/
- Google DeepMind. AlphaGenome — Guía de inicio rápido. https://google-deepmind-alphagenome.readthedocs-hosted.com/colabs/quick_start.html
- Google DeepMind. AlphaGenome — Preguntas frecuentes y limitaciones. https://google-deepmind-alphagenome.readthedocs-hosted.com/faqs.html
- Google DeepMind (2026). AlphaGenome Atlas: A predictive map of every possible DNA letter change in the human genome. https://deepmind.google/blog/alphagenome-atlas-a-predictive-map-of-every-possible-dna-letter-change-in-the-human-genome/
- Google (2026). Introducing AlphaGenome Atlas. https://blog.google/innovation-and-ai/models-and-research/google-deepmind/alphagenome-atlas/
- Google Cloud. AlphaGenome — Documentación de implementación comercial. https://docs.cloud.google.com/gemini-enterprise-agent-platform/models/open-models/alphagenome
- Avsec, Ž. et al. (2021). Effective gene expression prediction from sequence by integrating long-range interactions. https://doi.org/10.1038/s41592-021-01252-x
- Linder, J. et al. (2025). Predicting RNA-seq coverage from DNA sequence as a unifying model of gene regulation. https://doi.org/10.1038/s41588-024-02053-6
- Nguyen, E. et al. (2023). HyenaDNA: Long-Range Genomic Sequence Modeling at Single Nucleotide Resolution. https://arxiv.org/abs/2306.15794
