O Google DeepMind anunciou o AlphaGenome Atlas em 8 de setembro, um banco de dados que prevê os efeitos de cada variante possível de um único nucleotídeo no genoma humano – o catálogo mais abrangente, diz a empresa, de como as mutações genéticas afetam a biologia molecular. O lançamento transforma o modelo AlphaGenome da DeepMind em um recurso pré-computado e pesquisável que pesquisadores clínicos e biólogos podem consultar sem escrever uma linha de código.
O problema dos 98 por cento Para mais contexto sobre esta história, confira nossa últimos desenvolvimentos em IA.
O genoma humano contém cerca de 3 mil milhões de pares de bases de ADN, e os cientistas compreendem relativamente bem apenas os 2% que codificam proteínas. Os restantes 98% – grande parte deles regulatórios – permaneceram obscuros. O modelo AlphaGenome da DeepMind já demonstrou como mudanças únicas nessas regiões não codificantes podem interromper processos moleculares, como a produção de proteínas, mas, segundo a empresa, o panorama geral de como as variantes moldam a biologia molecular em escala permanece obscuro.
Uma variante de nucleotídeo único é uma mudança para exatamente uma letra do alfabeto de quatro letras do DNA. Cada um de nós carrega milhões deles, e a maioria não faz absolutamente nada – mas uma pequena fração altera a forma como os genes são ligados e desligados, como o RNA é processado ou como as proteínas são construídas. A parte difícil nunca foi encontrar estas variantes; sequenciamento barato fez essa rotina anos atrás. A parte difícil é a interpretação: para a esmagadora maioria das possíveis alterações de uma única letra, nunca foi realizada qualquer experiência, pelo que os investigadores tiveram de confiar em modelos computacionais para adivinhar as suas consequências moleculares.
AlphaGenome Atlas é a tentativa da DeepMind de fornecer essa interpretação em um só lugar. A equipe, liderada por Pushmeet Kohli, vice-presidente de ciência do Google DeepMind e cientista-chefe do Google Cloud, junto com o líder da iniciativa genômica Ziga Avsec, usou o modelo AlphaGenome para pré-calcular o impacto regulatório de todas as 9 bilhões de alterações genéticas de uma única letra – cada variante possível de um único nucleotídeo – produzindo um conjunto de dados de aproximadamente 1 petabyte. Em vez de cada laboratório executar novamente a inferência à escala do genoma no seu próprio cluster, as previsões existem agora como um catálogo partilhado e consultável.
Uma pontuação para priorizar variantes
Peneirar previsões em escala de petabytes seria em si um projeto de pesquisa, então o Atlas apresenta a pontuação AlphaGenome Variant Impact (AVI). A pontuação única e fácil de usar combina previsões em regiões codificantes e não codificantes, permitindo que os pesquisadores priorizem rapidamente as variantes mais promissoras, em vez de percorrer milhares de pontos de dados individuais para cada uma. No enquadramento da DeepMind, o Atlas atua como um “parceiro de ampliação” para a comunidade científica, acelerando a pesquisa em áreas que vão desde variações genômicas raras até características complexas.
Já resolvendo casos de doenças raras
O Atlas não é um recurso hipotético: a DeepMind diz que os pesquisadores já o estão utilizando. No Broad Institute, Laura Covill e sua equipe aplicaram a pontuação AVI para priorizar variantes em casos de doenças raras não resolvidos. A ferramenta destacou uma variante crítica no gene DNM1, prevendo que ela criava um local de splicing incorreto – evidência que ajudou a equipe a resolver o caso com sucesso. Para as famílias que passaram anos à espera de um diagnóstico, esta é a recompensa prática da interpretação variante: transformar um resultado de sequenciação ambíguo numa resposta.
O recurso também se mostrou útil para características complexas, onde a identificação de variantes raras não codificantes é difícil devido ao ruído estatístico. Gareth Hawkes aplicou o AlphaGenome Atlas a dados de mais de 54.000 participantes do Biobank do Reino Unido. Ao agrupar variantes de acordo com os seus efeitos moleculares previstos, ele descobriu 22% mais associações genéticas não codificantes do que a análise padrão. Concentrando-se no 1% das variantes mais impactantes, ele identificou 19 regiões genéticas ligadas ao índice de massa corporal, orientando a próxima fase da investigação direcionada.
Acesso gratuito, sem necessidade de codificação
O AlphaGenome Atlas está disponível hoje através de um portal da web que, segundo a DeepMind, não requer nenhuma habilidade de codificação – uma escolha deliberada para democratizar o acesso para pesquisadores clínicos e biólogos que não trabalham com pipelines computacionais em grande escala. Kohli e Avsec enquadram o lançamento como parte do compromisso contínuo da DeepMind de acelerar a descoberta genômica, escrevendo que o Atlas fornece “insights genômicos fundamentados” que irão acelerar amplamente a descoberta biológica.
O lançamento dá continuidade à expansão de modelos de IA da DeepMind para as ciências da vida, onde recursos pré-computados mudam a economia da pesquisa: em vez de cada laboratório precisar executar inferência em escala genômica, as previsões para todas as variantes possíveis são computadas uma vez e compartilhadas. Para as equipas de doenças raras, a diferença pode ser medida em casos resolvidos; para genética de características complexas, no número de novas associações que surgiram a partir de dados de biobancos existentes.
Também coloca a DeepMind em competição indireta com um campo em aceleração. Modelos de interpretação de genoma e preditores de efeitos variantes se multiplicaram em laboratórios acadêmicos e startups, e a utilidade de qualquer catálogo único depende da adoção. Ao fornecer um portal gratuito com uma pontuação única e unificada, a DeepMind aposta que a facilidade de uso — e não apenas o desempenho bruto do modelo — determina qual recurso se tornará parte do kit de ferramentas padrão de pesquisa clínica.
Para os observadores de IA, o Atlas é mais um sinal de onde a pesquisa aplicada em IA está caminhando – longe das interfaces de chat e em direção a uma infraestrutura específica de domínio que incorpora previsões de modelos diretamente em fluxos de trabalho científicos.
---
Fique à Frente da IAAs últimas notícias, análises e avanços em inteligência artificial — tudo em um só lugar.
Ler mais notícias de IA →
