Google apresenta AlphaGenome 2: modelo identifica quase o dobro de variantes relevantes do DNA

Encontrar uma alteração no DNA associada a uma doença é apenas o começo do trabalho. Depois, o pesquisador precisa entender onde ela se manifesta: nas células do coração, da pele ou do sistema imunológico. A resposta também pode depender do estado da célula. Uma análise ampla demais pode facilmente deixar passar um efeito importante. Para uma equipe que desenvolve um medicamento, essa incerteza dificulta a escolha do próximo experimento.

O Google DeepMind apresentou o AlphaGenome 2, um modelo que prevê os efeitos de variantes genéticas levando em conta o tipo e o estado da célula. Segundo a empresa, ele identifica quase o dobro de variantes capazes de alterar a atividade dos genes em comparação com seu melhor modelo anterior. A utilidade prática é obter uma hipótese mais específica para testar no laboratório: qual alteração investigar, em quais células e sob quais condições.

Por que o modelo precisa distinguir as células

Quase todas as células humanas contêm o mesmo DNA, mas o utilizam de formas diferentes. Uma célula do músculo cardíaco e uma célula do sistema imunológico precisam de conjuntos diferentes de genes ativos. Mesmo dentro de um único tipo celular, o cenário muda conforme o que está acontecendo no organismo.

Imagine que pesquisadores tenham encontrado uma variante genética mais frequente em pessoas com determinada doença. Isso ainda não explica o mecanismo da doença. Talvez a variante afete a atividade de um gene apenas em certas células imunológicas durante uma infecção. Em outras células, seu efeito pode ser fraco ou imperceptível. Esse é um exemplo hipotético de uma tarefa que exige esse nível de detalhe.

O AlphaGenome 2 deve ajudar a restringir a busca. Em vez de uma avaliação geral da alteração no DNA, o pesquisador recebe uma previsão vinculada ao contexto celular. Isso é relevante para o desenvolvimento de medicamentos: um fármaco atua sobre alvos biológicos específicos, e o resultado depende, entre outros fatores, das células em que esses alvos estão ativos.

O que cem milhões de perfis celulares acrescentaram

O modelo foi treinado com mais de 100 milhões de perfis de células individuais de 68 tecidos. Esses dados permitem descrever diferenças que se perdem em uma análise mais geral do tecido. A DeepMind usa atlas celulares — grandes coleções de observações experimentais — como base para prever as consequências de alterações no DNA.

Segundo a empresa, o AlphaGenome 2 também consegue fazer previsões para novos tipos e estados celulares sem passar por um novo treinamento. É uma capacidade interessante para equipes de pesquisa: os dados experimentais não cobrem toda a biologia de maneira uniforme, e é impossível reunir medições detalhadas para cada caso.

Outra aplicação é identificar lacunas nos dados disponíveis. Se o modelo ajuda a determinar quais observações estão faltando, a equipe pode escolher com mais precisão os próximos estudos de laboratório. Para um produto construído em torno de um sistema assim, o valor pode estar no apoio ao planejamento de experimentos: quais hipóteses testar primeiro e onde são necessárias medições adicionais.

Mas a vantagem anunciada de quase o dobro não deve ser interpretada como uma medida universal da precisão do modelo nem como uma promessa de reduzir pela metade o tempo de desenvolvimento de um medicamento. O material apresentado trata da quantidade de variantes identificadas que influenciam a atividade dos genes. Os detalhes da avaliação são insuficientes para extrapolar esse resultado para qualquer tarefa de pesquisa.

O que considerar antes de usar a API

Previsões mais detalhadas exigem mais recursos computacionais. Por isso, o AlphaGenome 2 ainda não substitui o primeiro AlphaGenome em todos os cenários. Segundo a DeepMind, seria impraticável usar o novo modelo para o atlas publicado anteriormente de todas as possíveis substituições de uma única letra do DNA no genoma humano.

Isso sugere uma abordagem clara: primeiro avaliar a escala da tarefa e depois decidir onde é necessário detalhamento celular. Uma busca ampla e uma análise detalhada de um pequeno grupo de variantes podem exigir ferramentas diferentes. A viabilidade econômica desse processo terá de ser verificada com dados próprios: o material original não informa preços por consulta nem números de desempenho.

O Google anunciou acesso ao AlphaGenome 2 pela AlphaGenome API para pesquisas não comerciais. Para pesquisas comerciais, há acesso fechado e limitado. Quem está fundando uma empresa com um produto de biotecnologia deve considerar isso desde o planejamento da integração: a possibilidade de uso em pesquisa, por si só, não significa que um serviço comercial esteja disponível.

As previsões também exigem validação experimental. O AlphaGenome 2 ajuda a relacionar uma variante genética a um possível mecanismo celular, mas isso ainda não constitui uma causa comprovada de doença nem uma terapia pronta para uso. Para desenvolvedores e gestores de produto em biotecnologia, a tarefa imediata é verificar se esse detalhamento ajuda a escolher experimentos mais úteis.