El "momento GPT" para la biología: DeepMind e IBM redefinen la investigación genómica con nuevos modelos de IA

La convergencia de la inteligencia artificial y la biotecnología ha alcanzado un umbral fundamental, a menudo descrito por los expertos de la industria como el "momento GPT" para el genoma humano. En un salto significativo para la biología computacional, Google DeepMind ha presentado AlphaGenome, un modelo capaz de procesar hasta un millón de pares de bases de ADN para predecir propiedades moleculares con una precisión sin precedentes. Simultáneamente, IBM Research está avanzando en su conjunto de Modelos Fundacionales Biomédicos (Biomedical Foundation Models, BMFM), enfatizando un enfoque modular para el descubrimiento de fármacos y la variación genética a nivel de población.

Estos avances duales señalan un cambio fundamental en la forma en que los científicos interrogan el código regulador de la vida. Al pasar del cribado de laboratorio húmedo por fuerza bruta a la predicción computacional precisa, estos sistemas de IA prometen acelerar la identificación de mutaciones causantes de enfermedades y el desarrollo de nuevas terapias.

AlphaGenome: Una visión unificada del código regulador

El AlphaGenome de Google DeepMind representa un escalado masivo de las capacidades de la IA genómica. A diferencia de las herramientas anteriores que se veían obligadas a elegir entre escanear regiones largas de ADN y mantener detalles precisos, AlphaGenome está diseñado para manejar ambos simultáneamente. Según un estudio publicado en Nature, el modelo supera a las herramientas existentes en 22 de 24 tareas de predicción de efectos de variantes.

La arquitectura de AlphaGenome se distingue por su naturaleza multimodal. No se limita a leer secuencias de ADN; predice efectos a través de diversas modalidades biológicas, incluyendo la accesibilidad de la cromatina, la unión de factores de transcripción y las coordenadas de los sitios de empalme.

Avances técnicos clave

• Ventana de contexto extendida: El modelo procesa una ventana de contexto de un millón de pares de bases (una megabase). Esto le permite capturar efectos reguladores de largo alcance donde un cambio en el estado de la cromatina muy alejado puede influir en la expresión génica río abajo.
• Entrenamiento multimodal: Entrenado con datos de experimentos de RNA-seq, ATAC-seq e Hi-C, el modelo trata las señales genómicas como sistemas conectados e interdependientes en lugar de variables aisladas.
• Eficiencia de entrenamiento: DeepMind informa que el entrenamiento de AlphaGenome tomó aproximadamente cuatro horas y requirió aproximadamente la mitad del presupuesto de cómputo de su predecesor, Enformer, a pesar del alcance expandido del modelo.

Mark Gerstein, profesor Albert L. Williams de Informática Biomédica en la Universidad de Yale, destacó la importancia de esta arquitectura. "Lo que encontré más novedoso sobre AlphaGenome fue su naturaleza multimodal", señaló Gerstein. "El hecho de que esté entrenado con datos de muchas modalidades genómicas diferentes... y prediga efectos a través de estas modalidades es particularmente notable".

El enfoque modular de IBM: Precisión a través de la especialización

Mientras DeepMind persigue un marco unificado de extremo a extremo, IBM Research defiende una estrategia modular y práctica. A través de sus Modelos Fundacionales Biomédicos (Biomedical Foundation Models, BMFM), IBM descompone preguntas biológicas complejas en tareas distintas y bien definidas. Este enfoque permite la creación de modelos especializados optimizados para dominios específicos, como la transcriptómica de ARN o la representación de moléculas pequeñas.

Michal Rosen-Zvi, directora de IA para Salud y Ciencias de la Vida en IBM Research, explicó que este método evita tratar el genoma como una única secuencia "estándar". "Es importante destacar que en nuestros modelos de ADN incorporamos explícitamente la variación a nivel de población, entrenando no solo con secuencias de referencia sino también con SNPs y otros sitios mutables", afirmó Rosen-Zvi. Este diseño permite que los modelos capturen señales evolutivas que un genoma de referencia estático pasaría por alto.

Modelos especializados en el ecosistema de IBM

IBM ha introducido modelos específicos diseñados para abordar cuellos de botella particulares en el desarrollo de fármacos:

• MAMMAL: Un modelo diseñado para predecir la fuerza de unión anticuerpo-antígeno, facilitando el diseño de fármacos biológicos.
• MMELON: Enfocado en predecir las propiedades terapéuticas de candidatos de moléculas pequeñas, proporcionando lecturas tempranas para guiar las prioridades del laboratorio.

Estos modelos son parte de una colaboración más amplia con la Cleveland Clinic y el consorcio LIGAND-AI, de reciente creación. Liderado por Pfizer y el Structural Genomics Consortium, LIGAND-AI tiene como objetivo generar conjuntos de datos abiertos y de alta calidad de interacciones proteína-ligando para entrenar y evaluar sistemas de bio-IA.

Análisis comparativo: Arquitecturas unificadas frente a modulares

La industria es actualmente testigo de dos filosofías distintas en la IA genómica (genomic AI). La siguiente tabla resume las diferencias fundamentales entre el AlphaGenome de DeepMind y el enfoque de IBM.

Tabla 1: Comparación de AlphaGenome y los Modelos Fundacionales Biomédicos de IBM

Desafíos y perspectivas futuras

A pesar del impresionante rendimiento en las pruebas de referencia, los expertos instan a la cautela con respecto a la traducción inmediata de estos modelos a la práctica clínica. Una limitación importante de AlphaGenome, como señaló Gerstein, es su enfoque en variantes individuales. "El modelo predice el efecto de solo una variante y no tiene en cuenta el trasfondo genético completo del genoma personal de un individuo", explicó. En realidad, los genomas funcionan como paquetes completos heredados donde la genética de base puede modificar sustancialmente el impacto de una mutación específica.

Además, la brecha entre la predicción computacional y la realidad clínica persiste. "No hay sustituto en el mundo médico para los datos experimentales y la validación clínica real", enfatizó Gerstein. El camino a seguir implica acumular casos de uso donde las predicciones de la IA se validen rigurosamente con los resultados de los pacientes.

Trayectoria del mercado

Las implicaciones económicas de estas tecnologías son vastas. Análisis recientes proyectan que el mercado global de la IA en biotecnología superará los 25.000 millones de USD para mediados de la década de 2030. A medida que las compañías farmacéuticas adoptan cada vez más estos modelos fundacionales, la industria espera una transición de ciclos de laboratorio húmedo lentos e iterativos hacia la generación de hipótesis guiada por IA.

"Ya hemos visto cómo la IA ha transformado el texto, las imágenes y el código", concluyó Rosen-Zvi. "La biología y la química son las siguientes, y solo estamos al principio de esa curva".