{"id":7326,"date":"2026-01-30T02:06:03","date_gmt":"2026-01-30T00:06:03","guid":{"rendered":"https:\/\/www.schooler.org.ua\/uk-uaproriv-shi-rozshifrovuye-dnk-temnoyi-materiyi-za-dopomogoju\/"},"modified":"2026-01-30T02:06:03","modified_gmt":"2026-01-30T00:06:03","slug":"uk-uaproriv-shi-rozshifrovuye-dnk-temnoyi-materiyi-za-dopomogoju","status":"publish","type":"post","link":"https:\/\/www.schooler.org.ua\/es\/uk-uaproriv-shi-rozshifrovuye-dnk-temnoyi-materiyi-za-dopomogoju\/","title":{"rendered":"Un avance de la IA descodifica la \u201cmateria oscura\u201d del ADN con AlphaGenome"},"content":{"rendered":"

Durante d\u00e9cadas, los cient\u00edficos han luchado por comprender las vastas extensiones de ADN no codificante dentro de nuestros genomas, a menudo llamado “ADN basura” porque no construye prote\u00ednas directamente. Ahora, Google DeepMind ha presentado AlphaGenome<\/strong>, un nuevo modelo de inteligencia artificial dise\u00f1ado para predecir c\u00f3mo este misterioso material gen\u00e9tico influye en la salud y la enfermedad. Esto representa un importante avance en la gen\u00f3mica y podr\u00eda revelar informaci\u00f3n sobre c\u00f3mo las mutaciones afectan la expresi\u00f3n gen\u00e9tica. <\/p>\n

El lenguaje oculto del genoma<\/h3>\n

El genoma humano es abrumadoramente no codificante, y m\u00e1s del 98% est\u00e1 formado por ADN que no se traduce en prote\u00ednas. Sin embargo, esta “materia oscura” regula la actividad gen\u00e9tica, determinando si las c\u00e9lulas funcionan correctamente o enferman. El desaf\u00edo siempre ha sido predecir c\u00f3mo<\/em> funcionan estas regiones no codificantes, hasta ahora. <\/p>\n

AlphaGenome analiza secuencias de ADN de hasta un mill\u00f3n de pares de bases de largo, evaluando c\u00f3mo las mutaciones alteran la expresi\u00f3n gen\u00e9tica. Este es un paso crucial porque las enfermedades gen\u00e9ticas a menudo surgen de cambios en estas regiones no codificantes, no s\u00f3lo en los genes que codifican prote\u00ednas. Los creadores del modelo lo han puesto a disposici\u00f3n de la comunidad investigadora de forma gratuita. <\/p>\n

Aprovechar los \u00e9xitos de la IA<\/h3>\n

AlphaGenome se basa en los avances anteriores de DeepMind en biolog\u00eda impulsada por IA. Primero vino AlphaFold<\/strong>, que predice con precisi\u00f3n las estructuras de las prote\u00ednas a partir de secuencias de amino\u00e1cidos, lo que le vali\u00f3 a sus desarrolladores el Premio Nobel de Qu\u00edmica en 2024. Luego vino AlphaMissense<\/strong>, que se centra en las mutaciones que codifican las prote\u00ednas. AlphaGenome extiende este poder al vasto espacio no codificante, abordando un problema que antes era intratable. <\/p>\n

“Es como si tuvieras un libro enorme de tres mil millones de caracteres y algo malo sucediera en \u00e9l”, explica Pushmeet Kohli, vicepresidente de ciencia de DeepMind. “AlphaGenome se puede utilizar para decir: ‘Si cambias estas palabras, \u00bfcu\u00e1l ser\u00eda el efecto?'” <\/p>\n

C\u00f3mo funciona AlphaGenome<\/h3>\n

El modelo combina datos de m\u00faltiples fuentes relacionadas con la expresi\u00f3n gen\u00e9tica, identificando patrones y prediciendo las consecuencias funcionales de los cambios en el ADN. Una innovaci\u00f3n clave es su capacidad para manejar secuencias de ADN extremadamente largas<\/em> sin sacrificar la precisi\u00f3n, una limitaci\u00f3n de las herramientas anteriores. Esto significa que los investigadores pueden estudiar regiones regulatorias enteras a la vez, en lugar de reunir datos fragmentados. <\/p>\n

Aplicaciones potenciales<\/h3>\n

AlphaGenome a\u00fan no est\u00e1 listo para uso cl\u00ednico. Pero sus aplicaciones de investigaci\u00f3n son enormes:
\n– Comprensi\u00f3n de las enfermedades:<\/strong> Identificar las mutaciones que provocan enfermedades gen\u00e9ticas, incluido el c\u00e1ncer.
\n– Terapia g\u00e9nica:<\/strong> Dise\u00f1o de tratamientos m\u00e1s eficaces dirigi\u00e9ndose a las regiones reguladoras correctas.
\n– Estudios de todo el genoma:<\/strong> Analizar c\u00f3mo los genomas regulan genes en diferentes c\u00e9lulas y tejidos.
\n– Condiciones raras:<\/strong> Ayuda a diagnosticar trastornos gen\u00e9ticos raros donde se desconocen las mutaciones subyacentes. <\/p>\n

“A pesar de las mejores evaluaciones que tenemos, parece que AlphaGenome hizo avanzar [el campo] un poco”, dice David Kelley de Calico Life Sciences. <\/p>\n

Advertencias y pasos futuros<\/h3>\n

AlphaGenome tiene limitaciones. Fue entrenado \u00fanicamente con genomas humanos y de rat\u00f3n y puede pasar por alto efectos en otras especies. El modelo tambi\u00e9n es imperfecto; podr\u00eda predecir que no habr\u00e1 ning\u00fan efecto cuando exista uno. Los investigadores est\u00e1n trabajando para mejorar el poder predictivo y cuantificar la incertidumbre. <\/p>\n

\n

\u201cPredecir c\u00f3mo se manifiesta una enfermedad a partir del genoma es un problema extremadamente dif\u00edcil, y este modelo no es capaz de predecirlo m\u00e1gicamente\u201d, dice \u017diga Avsec, l\u00edder de gen\u00f3mica de DeepMind. “Pero AlphaGenome puede reducir el conjunto de posibles mutaciones implicadas en una enfermedad, lo que lo hace \u00fatil para priorizar la investigaci\u00f3n”. <\/p>\n<\/blockquote>\n

AlphaGenome representa un progreso incremental pero real. No resolver\u00e1 los misterios del genoma de la noche a la ma\u00f1ana, pero ofrece una nueva y poderosa herramienta para desentra\u00f1ar las complejidades del modelo de la vida.<\/p>\n","protected":false},"excerpt":{"rendered":"

Durante d\u00e9cadas, los cient\u00edficos han luchado por comprender las vastas extensiones de ADN no codificante dentro de nuestros genomas, a menudo llamado “ADN basura” porque no construye prote\u00ednas directamente. Ahora, Google DeepMind ha presentado AlphaGenome, un nuevo modelo de inteligencia artificial dise\u00f1ado para predecir c\u00f3mo este misterioso material gen\u00e9tico influye en la salud y la […]<\/p>\n","protected":false},"author":1,"featured_media":7325,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"tdm_status":"","tdm_grid_status":""},"categories":[1],"tags":[],"wpm_language_slugs":[],"amp_enabled":true,"_links":{"self":[{"href":"https:\/\/www.schooler.org.ua\/es\/wp-json\/wp\/v2\/posts\/7326"}],"collection":[{"href":"https:\/\/www.schooler.org.ua\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.schooler.org.ua\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.schooler.org.ua\/es\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.schooler.org.ua\/es\/wp-json\/wp\/v2\/comments?post=7326"}],"version-history":[{"count":0,"href":"https:\/\/www.schooler.org.ua\/es\/wp-json\/wp\/v2\/posts\/7326\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.schooler.org.ua\/es\/wp-json\/wp\/v2\/media\/7325"}],"wp:attachment":[{"href":"https:\/\/www.schooler.org.ua\/es\/wp-json\/wp\/v2\/media?parent=7326"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.schooler.org.ua\/es\/wp-json\/wp\/v2\/categories?post=7326"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.schooler.org.ua\/es\/wp-json\/wp\/v2\/tags?post=7326"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}