AlphaGenome Atlas: Cartografía de precisión in silico para descifrar las zonas no codificantes del genoma humano 🧬✨

Resumen

Un equipo de Google DeepMind, junto con colaboradores del Broad Institute, la Universidad de Harvard y la Universidad de Exeter, ha presentado el AlphaGenome Atlas. Este recurso pionero utiliza la plataforma de aprendizaje profundo AlphaGenome para realizar una mutagénesis in silico a escala genómica completa (cubriendo aproximadamente sustituciones de nucleótidos simples y más de 100 millones de inserciones/deleciones observadas). Integrando estas predicciones moleculares multimodales con métricas de conservación evolutiva y anotaciones de variantes codificantes mediante el modelo AlphaGenome Variant Impact (AVI), la plataforma alcanza el estado del arte (SOTA) en la priorización e interpretación clínica de variantes no codificantes. A continuación se detalla la arquitectura técnica, las validaciones experimentales, las aplicaciones clínicas y poblacionales, y la caracterización de los elementos cis-reguladores revelados por esta herramienta.

🔬 Mutagénesis in silico a escala genómica y arquitectura del AVI

¡GRACIAS POR LEER NUESTRAS NOTICIAS! ¿Nos invitas un cáfe? ☕

1. Generación del Atlas y estrategia de ventana deslizante

Para evaluar las consecuencias funcionales del 98% del genoma humano que no codifica proteínas, el AlphaGenome Atlas evaluó cada mutación posible en el ensamblaje de referencia GRCh38/hg38:

Tiling genómico: Se dividió el genoma en ventanas no superpuestas de .
Caching de pase directo (Forward Pass Caching): Para cada ventana de 128 bp, se ejecutó una única vez el pase de referencia para un contexto amplio de . Las 384 variantes posibles por ventana (3 sustituciones por nucleótido) reutilizan las máscaras de anotación genómica y las representaciones del contexto, amortizando el costo computacional de inferencia.
Augmentación de desplazamiento en Indels (Indel Shift Augmentation): Para mitigar los artefactos de marco de lectura causados por capas de pooling o convoluciones con zancada (strided convolutions), el modelo implementa un cosido de activaciones intermedias (activation stitching) a resolución de base mediante tres pases directos por indel.

[ Pase 1: Secuencia previa a la variante ]

│

▼

[ Secuencia 1 Mb ] ──► [ Red Convolucional / Encoder ] ──► [ Stitching a 1 bp ] ──► [ Scoring Heads ]

▲

│

[ Pase 2: Secuencia posterior desplazada ]

Cada variante queda asociada a cerca de 27,000 predicciones escalares específicas de ensayos genómicos (accesibilidad por DNase-seq y ATAC-seq, ChIP-seq de factores de transcripción e histonas, CAGE, PRO-Cap, RNA-seq, poliadenilación, empalme alternativo/splicing y mapas de contacto tridimensional) distribuidas en cientos de biosustratos etiquetados por ontología celular.

2. Formulación del AlphaGenome Variant Impact (AVI)

Para unificar esta enorme dimensionalidad en una métrica interprete y accionable, se entrenó la red neuronal AVI, que integra 18 características fundamentales:

Categoría de Feature	Características Incluidas	Descripción y Normalización
AlphaGenome Scores (10)	Máximos por modalidad (ATAC, DNase, ChIP-TF, ChIP-Histone, CAGE, PRO-Cap, RNA-seq, PolyA, Contact maps, Merged Splicing)	Máximo efecto absoluto predicho entre todos los tejidos/células (MaxAbsScaler).
Puntuación Codificante (1)	AlphaMissense	Probabilidad de patogenicidad para variantes missense.
Conservación Evolutiva (2)	Zoonomia Cactus 241-way PhyloP y PhastCons 470-way	Métricas de conservación filogenética en vertebrados.
Anotación de Pérdida de Función (3)	VEP Loss-of-Function (Protein termination, Stop lost, Start lost)	Indicadores binarios derivados de Ensembl VEP.
Tipo de Indel (2)	Indicadores de Inserción y Deleción	Variables dummy .

Entrenamiento y Escalado PHRED:

AVI fue entrenado para discriminar entre variantes genómicas humanas según la frecuencia de alelo de filtrado ( en gnomAD v4.1):

Proxy Benigno (Etiqueta 0): .
Proxy Impactante (Etiqueta 1): .

Para evitar sesgos por contexto de secuencia, el entrenamiento aplicó un muestreo estratificado emparejando los 96 contextos trinucleotídicos posibles para SNVs y la longitud de las indels. Las puntuaciones brutas () se transforman a una escala PHRED:

Donde una puntuación de 10 representa el top 10% superior de impacto, 20 el top 1%, 30 el top 0.1%, y así sucesivamente.

3. Atribución de características (SHAP) y Mapeo de Motivos

Descomposición aditiva con SHAP: Utilizando Expected Gradients, la puntuación bruta de AVI para cada variante se descompone aditivamente en las contribuciones absolutas de sus 18 características:

Descubrimiento y cuantificación de motivos de DNA (FiNeMO): Corriendo la herramienta TF-MoDISco sobre los perfiles de mutagénesis in silico (ISM) a lo largo de todo el genoma, se identificaron ~900 millones de patrones, los cuales se filtraron y agruparon con Motif Compendium. Esto resultó en 2,601 motivos globales consolidados en:
- 94 factores de transcripción principales 🧬
- 122 factores con dedos de zinc (ZNF) 🧲
- 104 combinaciones de motivos compuestos (espaciado fijo) 🔗

Las posiciones genómicas (instances) se determinaron mediante FiNeMO, demostrando una alta precisión y concordancia biológica validada por experimentos de ChIP-nexus en líneas celulares HepG2.

📊 Desempeño y Validación Experimental (Benchmarking)

AVI superó de forma sistemática a las herramientas computacionales previas (CADD v1.7, GPN-Star-V, GPN-Star-M, PhastCons y Cactus) en múltiples conjuntos de prueba genómicos:

Desempeño en ClinVar (AUPRC por Consecuencia Molecular):

=========================================================

Intrónico:

AVI [███████████████████████████████████] 0.76

GPN-Star-V [████████████████████] 0.44

CADD v1.7 [████████████████] 0.36

Sinónimo:

AVI [██████████████████████] 0.57

CADD v1.7 [██████████████] 0.35

3′ UTR:

AVI [███████████████████] 0.50

GPN-Star-M [█████████] 0.18

Desempeño Global en Variantes Clínicas y Ensayos SGE (AUPRC / Correlación de Spearman):

========================================================================================

ClinVar SNVs completos: AVI (0.97) vs GPN-Star-V (0.96) vs CADD v1.7 (0.92) [cita: 5, 6]

ClinVar Indels completos: AVI (0.99) vs GPN-Star-M (0.99) vs CADD v1.7 (0.76) [cita: 6]

Mendeliano No Codificante: GPN-Star-M (0.77) vs AVI (0.76) vs CADD v1.7 (0.74) [cita: 6]

Edición de Saturación (SGE): AVI logró la mayor correlación de Spearman en 8 de 10 pantallas (e.g., BRCA1, BAP1, VHL)[cita: 5, 6]

Validación biológica en el locus de BRCA1:

En la pantalla de mutagénesis experimental del promotor de BRCA1, las variantes que provocan una pérdida de aptitud celular al abolir un sitio de unión al motivo E2F1 mostraron valores de AVI significativamente elevados. La descomposición mediante SHAP identificó directamente la abolición de la señal de ChIP-TF de E2F1 y la caída pronunciada en los niveles predichos de RNA-seq.

🏥 Resolución de Enfermedades Raras: Diagnóstico Clínico en DNM1

En colaboración con el consorcio GREGOR (Genomics Research to Elucidate the Genetics of Rare diseases), AVI fue evaluado en una cohorte de casos sin resolver.

Priorización en Casos Resueltos (Recall Top-50 variantes filtradas por FAF < 0.001):

AVI [████████████████████████████████████████████████████] 74.3%

CADD v1.7 [███████████████████████████████████████] 61.0%

Caso de Encefalopatía Epiléptica:

En un paciente pediátrico con convulsiones infantiles, espasmos y retraso del desarrollo (con páneles genéticos previa y repetidamente negativos), AVI identificó como su opción N° 1 una variante heterocigota no codificante de novo en el intrón 10 del gen DNM1 (chr9:128225994:G>A, PHRED = 24.7).

Mecanismo Molecular Identificado por AlphaGenome en DNM1:

———————————————————————————–

Genotipo Silvestre (Ref): [ Exón 10 ] ─────── Intrón 10 (Splicing normal) ───────► Proteína Funcional (Tetramérica)

Var. chr9:128225994:G>A: [ Exón 10 ] ──► [ Cryptic Acceptor Site ] ──► [ Exón 10a + 13 aa ] (Efecto Dominante Negativo)

Atribución SHAP: El 69% del valor AVI de esta variante fue atribuido directamente a la característica de Splicing.
Especificidad Tisular: La cobertura del track de RNA-seq reveló que la variante crea un sitio aceptor criptico de empalme específico de neuronas glutamatérgicas, añadiendo una extensión en marco (in-frame) de 13 aminoácidos al exón 10a[cite: 7]. Las muestras previas de RNA-seq en sangre periférica eran negativas debido a la ausencia de expresión de esta isoforma en tejido sanguíneo[cite: 7].
Validación Experimental Mutagénica: Un ensayo reportero minigénico de mutagénesis de saturación sobre 265 nucleótidos en 5 líneas celulares confirmó que esta variante y otras 11 mutaciones intrónicas inducen la inclusión del exón criptico in-frame, alterando el aminoácido R399 crucial para la tetramerización de la dinamina e induciendo un efecto dominante negativo.

📈 Poder Estadístico en Genética Poblacional (Estudio de pQTLs en UK Biobank)

Al analizar los niveles de 2,028 proteínas circulantes en 54,189 individuos del UK Biobank, el agrupamiento de variantes raras no codificantes () filtradas mediante el top 1% de las métricas del AlphaGenome Atlas incrementó sustancialmente la detección de loci asociados:

Descubrimiento de Loci No Codificantes Raros (Condicionalmente Independientes):

Filtro Tradicional (Sin Atlas): [████████████████████] 595 loci

Con Filtro AlphaGenome Atlas: [████████████████████████] 728 loci (+22% de incremento)

Cambio en la Arquitectura Genética de los Test de Asociación:

El filtrado por Atlas homogeneiza el mecanismo molecular subyacente, lo que permitió desplazar las asociaciones desde pruebas omnibús laxas (como ACAT-V) hacia modelos más potentes como el Test de Carga (BURDEN) (Enriquecimiento ) y SKAT ().

Ejemplo en el locus PLA2G7 (Niveles de Proteína en Sangre):

———————————————————————————–

* Agregado Regional Completo (526 variantes raras): P = 1.10e-08 (Modelo ACAT-O)

* Agregado Filtrado con AVI Top 1% (Solo 4 variantes): P = 1.74e-13 (Modelo BURDEN)

Las 4 variantes identificadas por AVI se agrupan en una ventana de en el promotor de PLA2G7, afectando directamente a dos motivos SP/KLF clave para la transcripción en macrófagos y reduciendo los niveles de la proteína circulante.

🗺️ Perfil de Atribución SHAP a lo Largo del Genoma y Funcionalidad de Motivos

El análisis de la distribución global de los valores SHAP del AVI demuestra una transición funcional continua a lo largo de la escala PHRED:

Puntuación AVI (PHRED) | Componentes Dominantes de SHAP | Consecuencia Biológica Representativa

————————|————————————|————————————————

45.0 – 55.0+ | AlphaMissense, VEP LoF, Splicing | Mutaciones de truncamiento, pérdida de marco de

| | lectura y sitios canónicos de empalme.

22.5 – 45.0 | Splicing, Conservación | Regiones intrónicas profundas, exones de empalme

| | alternativo y sitios aceptores/donadores.

5.0 – 22.5 | DNase, ATAC, ChIP-TF, Histonas | Elementos cis-reguladores (Promotores, Enhancers,

| | sitios de unión a TFs, 5’/3′ UTR).

0.0 – 5.0 | Conservación Neutral / Cactus (-) | Variantes sinónimas intergénicas y regiones

| | no codificantes de rápida evolución.

Clasificación Funcional de Motivos en Células HepG2:

A partir de la red de predicciones multi-modal, el Atlas clasificó los motivos en el genoma según su impacto coordinado sobre la accesibilidad (DNase), acetilación de histonas (H3K27ac) y expresión (RNA-seq):

Activadores y Abridores de CromaTina (Pioneros): Motivos como HNF4, HNF1, CEBP y ONECUT presentan contribuciones positivas en las tres modalidades.
Represores Generales: Motivos como ZEB muestran efectos negativos coordinados en accesibilidad, histonas activas y transcripción.
Represores de Histonas (H3K9me3): Factores con dedos de zinc como ZNF274 que no alteran la accesibilidad basal pero reclutan histonas represivas.
Represores Abridores de CromaTina: Motivos como REST, RFX4 y THAP11 incrementan la accesibilidad local pero reprimen directamente la salida transcripcional.

📚 Bibliografía Referencial

Cheng, J., Taylor, K. R., Nicolaisen, L., Pan, J., Bycroft, C., Perino, M., … & Avsec, Ž. (2026). AlphaGenome Atlas: in silico mutagenesis of the entire human genome improves prioritization and interpretation of non-coding variants. Nature (En prensa / Preimpresión técnica de Google DeepMind). Referencia principal
Avsec, Ž., et al. (2025). Effective long-range genome modeling with AlphaGenome. BioRxiv / DeepMind Technical Report.
Rentzsch, P., Witten, D., Cooper, G. M., Shendure, J., & Kircher, M. (2019). CADD: predicting the deleteriousness of variants throughout the human genome. Nucleic Acids Research, 47(D1), D886-D894.
Lundberg, S. M., & Lee, S. I. (2017). A unified approach to interpreting model predictions. Advances in Neural Information Processing Systems (NeurIPS), 30, 4765-4774.
Grant, C. E., Bailey, T. L., & Noble, W. S. (2011). FIMO: scan a sequence with a position weight matrix. Bioinformatics, 27(7), 1017-1018.
Karczewski, K. J., et al. (2020). The mutational constraint spectrum quantified from 141,456 humans. Nature, 581(7809), 434-443.