AlphaGenome 2 encontra quase o dobro de variantes causais de DNA em células — via API

Todas as células do corpo têm o mesmo genoma, mas funcionam de maneiras diferentes: uma célula do músculo cardíaco e uma célula imunológica que combate uma infecção ativam genes distintos. Uma mutação no DNA pode prejudicar o funcionamento de apenas um tipo de célula e não se manifestar nas demais. Os modelos antigos, que previam o efeito das mutações a partir de tecidos médios, muitas vezes deixavam esses efeitos passar. A DeepMind lançou o AlphaGenome 2, que tenta resolver esse problema.

O que mudou na arquitetura

O primeiro AlphaGenome recebia uma sequência de DNA de um milhão de letras e entregava de imediato milhares de previsões paralelas para diferentes tecidos e linhagens celulares. Isso é conveniente, mas a capacidade do modelo ficava diluída, e ele distinguia mal tipos celulares próximos.

A segunda versão adota outra abordagem. O modelo tornou-se condicional: como entrada, recebe o DNA e a descrição de uma condição biológica — um tecido, um tipo de célula ou seu estado. Essa condição é fornecida em cada etapa da arquitetura, de modo que o modelo aprende como o mesmo trecho de DNA é lido de forma diferente em células diferentes. A condição pode ser escolhida em um catálogo ou montada a partir de um experimento próprio de célula única, com um codificador de células específico.

O treinamento usou dados de humanos e camundongos, incluindo mais de 107 milhões de perfis de células individuais de 68 tecidos. Às previsões anteriores (expressão gênica, modificações de histonas, acessibilidade da cromatina) somou-se a metilação do DNA, a mais pedida.

O que mostram os números e os exemplos

No conjunto de dados TenK10K, um mapa unicelular de 28 tipos de células imunológicas, o AlphaGenome 2 identifica corretamente 30% das variantes causais, contra 16% do primeiro modelo refinado com dados unicelulares. A direção do efeito (se o gene é ativado mais ou menos) é acertada em 43% dos casos, contra 23%.

Há também exemplos reais. Um estudo recente mostrou que uma variante em uma região reguladora distante causa doença inflamatória intestinal ao religar o gene ETS2 em macrófagos. O modelo reproduziu isso computacionalmente: destacou a variante causal e mostrou que ela intensifica o ETS2 especificamente em macrófagos intestinais, quase sem afetar outras células.

Outra capacidade é trabalhar com estados desconhecidos sem retreinamento. Basta um retrato da atividade gênica (scRNA-seq) de apenas algumas dezenas de células. Em dados de um estudo da vacina contra a COVID-19, o modelo distinguiu células T ativadas das em repouso. Também mostrou que uma variante associada à forma grave da COVID-19 perturba mais o funcionamento dos genes justamente no estado ativado, enquanto nas células em repouso esse efeito passaria despercebido.

À parte, a DeepMind calculou previamente previsões para variantes encontradas em GWAS (a busca por associações entre regiões do DNA e características como altura ou diabetes tipo 2) em centenas de condições. Isso ajuda a buscar a variante causal, o gene e a célula sem executar cálculos pesados por conta própria.

Limitações e o que fazer na prática

Há ressalvas importantes. O modelo se destina apenas à pesquisa e não foi validado para tarefas clínicas e diagnósticas. As métricas são divulgadas pela própria DeepMind, e ainda não há verificação independente. E mesmo 30% de variantes causais encontradas significam que a maior parte continua fora do quadro: é uma ferramenta para priorizar hipóteses, não um substituto do experimento.

Para quem trabalha com biotecnologia e em seu entorno, as conclusões são estas:

• Se você está criando uma plataforma de busca de alvos ou de análise de GWAS, vale testar a API: ela está aberta para pesquisa não comercial, e há uma prévia fechada para uso comercial. As primeiras integrações já estão sendo anunciadas, por exemplo, pela Genomics Limited com sua plataforma Mystra.
• Se você tem dados próprios de célula única, observe o aprendizado condicional sem retreinamento: até um pequeno retrato de células pode definir o contexto das previsões.
• O modelo consegue completar medições ausentes, por exemplo a acessibilidade da cromatina a partir de dados de expressão — uma forma de decidir quais experimentos realizar em seguida.

Mais um detalhe para quem acompanha ferramentas agênticas: está planejado o lançamento do AlphaGenome 2 Skills no Google Antigravity, onde o modelo especializado funcionará em conjunto com o Gemini. Assim, modelos científicos especializados vão se tornando ferramentas que um agente aciona.