AlphaGenome 2, da DeepMind, prevê efeitos do DNA em células individuais: 30% contra 16%

Cada célula do seu corpo carrega o mesmo genoma. Mas uma célula do músculo cardíaco o lê de maneira bem diferente de uma célula do sistema imunológico. A mesma mutação pode ser inofensiva em um tecido e devastadora em outro. Ninguém conseguia prever isso de forma confiável com antecedência, e é aqui que o Google DeepMind deu um novo passo: lançou o AlphaGenome 2.

O que havia de errado na primeira versão

O primeiro AlphaGenome recebia uma sequência de DNA com cerca de um milhão de letras e, em uma única passagem, previa suas propriedades em milhares de experimentos em vários tecidos. Segundo a DeepMind, esse paralelismo diluía a capacidade do modelo. Diferenças sutis entre tipos de células próximos se perdiam, como detalhes em uma imagem excessivamente comprimida.

A analogia para desenvolvedores é simples. Imagine um único modelo que precisa gerar métricas para mil segmentos de usuários ao mesmo tempo e acaba dando uma resposta média para cada um. É um problema bem conhecido, e a solução também: adicionar uma condição.

Como funciona o modelo condicional

O AlphaGenome 2 tornou-se um modelo condicional. Além da sequência de DNA, ele recebe como entrada a descrição de um estado biológico, ou seja, de um tipo de célula específico, e calcula os efeitos apenas para ele. Foi treinado com mais de 107 milhões de perfis de células individuais de 68 tecidos humanos e de camundongo.

As saídas também se ampliaram. O modelo prevê a intensidade da expressão gênica e como o DNA está empacotado no núcleo, isto é, quais regiões do genoma estão acessíveis. Agora ele também calcula a metilação do DNA, marcas químicas que funcionam como interruptores, ativando ou silenciando genes.

Há ainda um truque prático: o modelo completa dados ausentes. Se os pesquisadores mediram apenas a atividade dos genes, ele também preverá o empacotamento do DNA. Isso ajuda a escolher quais experimentos de laboratório realmente vale a pena executar.

O ponto principal do ponto de vista da engenharia: o modelo se adapta a um novo experimento sem novo treinamento. Basta fornecer dados de atividade gênica de algumas dezenas de células, e ele calculará os efeitos para um estado nunca visto antes. De acordo com a DeepMind, assim ele frequentemente supera modelos especializados treinados justamente nesses dados.

O que os testes mostraram

No benchmark TenK10K, com 28 tipos de células imunes primárias, o AlphaGenome 2 encontrou cerca de 30% das variantes causais. Em 43% dos casos, determinou corretamente se uma variante aumenta ou reduz a atividade do gene. O AlphaGenome 1 com ajuste fino obteve apenas 16% e 23%.

Mais dois exemplos. Com computação pura, o modelo reproduziu um mecanismo já conhecido da doença inflamatória intestinal. Ele encontrou uma variante específica em um interruptor regulador distante do gene que superativa seletivamente o ETS2 em macrófagos intestinais, enquanto as demais células e genes quase não são afetados. Com dados de um estudo da vacina de mRNA contra a COVID-19, distinguiu células T ativadas das em repouso e mostrou que uma variante associada à forma grave da doença prejudica o funcionamento das células principalmente no estado ativado. Nas células em repouso, esse efeito permaneceria invisível.

A DeepMind também calculou previamente as previsões para centenas de condições celulares e teciduais. Elas são úteis para a análise de estudos de associação genômica ampla (GWAS). Esses trabalhos ligam regiões do DNA a características como altura ou diabetes tipo 2, mas as apontam de forma muito grosseira. O AlphaGenome 2 restringe o círculo de variantes causais prováveis e indica os tipos de células afetados.

Limitações e o que fazer a respeito

Primeiro, um olhar sóbrio. Os números foram divulgados pela própria DeepMind. Cerca de 30% das variantes causais encontradas significa que a maior parte ainda escapa. O sistema não está aprovado para diagnóstico clínico.

O acesso funciona assim: para pesquisa não comercial o modelo está aberto via API, enquanto usuários comerciais o obtêm por meio de uma prévia fechada. Startups de biotecnologia terão que negociar separadamente.

Conclusões práticas para quem constrói produtos em torno de dados científicos. Primeiro, o padrão «modelo geral mais condição de estado» funciona também fora da biologia, e vale ter em mente a transição de previsões médias para condicionais. Segundo, a adaptação com algumas dezenas de exemplos sem novo treinamento reduz bastante o custo dos experimentos. Terceiro, a DeepMind pretende adicionar em breve recursos do AlphaGenome 2 à plataforma Google Antigravity, junto com o Gemini 4, para pipelines de pesquisa automatizados. Se você desenvolve ferramentas para laboratórios ou para a indústria farmacêutica, acompanhe essa direção desde já.