DeepMind lança o AlphaGenome Atlas: um mapa do efeito de cada substituição no DNA

O Google DeepMind publicou o AlphaGenome Atlas, um «mapa preditivo de cada possível substituição de uma letra no genoma humano». O genoma contém cerca de 3,1 bilhões de pares de bases, e em cada posição são possíveis três nucleotídeos alternativos. Daí vem a ordem de grandeza: aproximadamente 9,3 bilhões de mutações hipotéticas. Essa é a nossa aritmética, não um número do comunicado. A descrição do vídeo do Two Minute Papers, de onde veio a notícia, traz apenas o título do post da DeepMind e links para ele. Por isso, os detalhes da metodologia e as métricas precisam ser conferidos na fonte original.

O que é o Atlas e de onde ele vem

O Atlas é construído sobre o AlphaGenome, modelo da DeepMind que a empresa anunciou em 2025. Segundo esse anúncio, o modelo recebe como entrada até 1 milhão de pares de bases e prevê propriedades moleculares do DNA com resolução de uma letra: nível de expressão gênica, acessibilidade da cromatina e splicing. Para avaliar uma mutação, o modelo compara as previsões para a sequência original e para a sequência alterada. A diferença é o efeito presumido.

Pelo nome, o Atlas transforma esse processo em um catálogo pronto. O pesquisador não precisa rodar o modelo para cada variante. Ele procura a substituição no mapa pré-calculado e vê quais sinais regulatórios ela, segundo a previsão, desloca.

Por que faz sentido calcular antes

Rodar uma janela de megabase numa rede neural grande para bilhões de variantes exige um orçamento de GPU considerável. Nenhum laboratório, muito menos uma clínica, faria isso a cada consulta. Calcular uma vez e distribuir o resultado compensa mais. Essa é a nossa conclusão a partir da escala do problema; nos materiais a que tivemos acesso, a DeepMind não informa o custo do cálculo.

O problema, porém, é importante. Apenas uma pequena parte do genoma codifica proteínas, cerca de 2%. As demais variantes ficam em regiões regulatórias, e o impacto delas sobre a pessoa costuma ser incerto. Na genética clínica, esses achados têm uma categoria própria: «variantes de significado incerto». Um mapa de efeitos previstos oferece uma forma de priorizar candidatas antes de gastar dinheiro com validação em laboratório.

• Desenvolvedor: Google DeepMind
• Objeto: substituições de uma única letra (SNV) no genoma humano
• Escala: ~3,1 bilhões de posições × 3 alternativas ≈ 9,3 bilhões de variantes (estimativa)
• Modelo-base: AlphaGenome, contexto de até 1 milhão de pares de bases, resolução de uma letra (segundo o anúncio de 2025)
• Tipos de previsão: expressão gênica, cromatina, splicing e outros sinais regulatórios
• Formato: mapa pré-calculado, e não um modelo que o usuário precise rodar por conta própria

Limitações

Previsão continua sendo previsão. O modelo foi treinado com dados experimentais, boa parte deles obtida em linhagens celulares e tecidos, e, para um paciente específico, uma alteração no sinal não equivale a uma doença. O Atlas não é uma ferramenta de diagnóstico. Por enquanto, ele parece um filtro para pesquisadores. Quais métricas a DeepMind apresenta para validar o mapa e em quais conjuntos de dados ele foi testado é algo que deve ser conferido no blog e nos materiais complementares.

Como usar

Para geneticistas e bioinformatas, é razoável usar o Atlas como filtro preliminar. O caminho é pegar a lista de variantes de um sequenciamento ou de um GWAS, ordená-la pelo efeito regulatório previsto e checar manualmente apenas o topo. O resultado deve ser comparado com bases como o ClinVar e com dados experimentais.

Para equipes de biotecnologia, o mapa é útil na busca por alvos regulatórios. Engenheiros de ML devem olhar com atenção para o próprio padrão: quando o espaço de entradas é finito, mas enorme, e o modelo é caro na inferência, compensa calcular o atlas inteiro uma vez e abri-lo como dado. Antes de usar, verifique a licença e as condições de acesso: em 2025, o AlphaGenome tinha uso restrito a fins não comerciais, e as condições do Atlas podem ser diferentes.