O Google DeepMind lançou o AlphaGenome 2, um novo modelo de IA para pesquisa genômica que prevê como as variantes do DNA afetam tipos específicos de células humanas – e encontra quase o dobro de alterações genéticas relevantes que seu antecessor, de acordo com a cobertura do The Decoder do anúncio da empresa.
O lançamento aborda um dos problemas teimosos da genômica: cada célula do corpo humano carrega o mesmo modelo de DNA, mas uma célula do músculo cardíaco lê esse DNA de maneira diferente de uma célula imunológica. Prever essas diferenças específicas das células - e identificar quais dos milhões de possíveis alterações nas letras do DNA realmente causam doenças - continua sendo um dos maiores desafios não resolvidos da área. O anúncio do Google DeepMind, amplamente divulgado na quinta-feira, posiciona o AlphaGenome 2 como um ataque direto a esse problema, e Sundar Pichai destacou o enquadramento de que “cada célula do nosso corpo compartilha o mesmo modelo de DNA” na cobertura de lançamento relatada por Benzinga.
Das previsões em massa à precisão do tipo de célula
O AlphaGenome original pegou uma sequência de DNA com um milhão de letras e previu suas propriedades em milhares de experimentos abrangendo muitos tecidos ao mesmo tempo. De acordo com o Google DeepMind, essa abordagem paralela espalha muito a capacidade do modelo, tornando difícil capturar diferenças sutis entre tipos de células intimamente relacionados.
AlphaGenome 2 funciona de maneira diferente. É um modelo condicional: juntamente com a sequência de DNA, utiliza um estado biológico específico como uma entrada extra e calcula os efeitos para esse tipo de célula. O sistema foi treinado em mais de 107 milhões de perfis de células individuais, abrangendo 68 tecidos em humanos e camundongos.
O modelo vai além de prever a intensidade com que um gene é expresso. Ele também calcula como o DNA é fisicamente empacotado dentro do núcleo – mostrando quais trechos do genoma são acessíveis – e agora prevê a metilação do DNA, as etiquetas químicas que atuam como interruptores moleculares para silenciar ou ativar genes.
Resultados de benchmark: um grande salto na detecção de variantes causais
No conjunto de dados de referência TenK10K que cobre 28 tipos de células imunológicas primárias, o AlphaGenome 2 identificou cerca de 30% das variantes causais e previu corretamente se uma variante regula positivamente ou regula negativamente um gene em 43% dos casos. Uma versão ajustada do AlphaGenome original conseguiu apenas 16% e 23% nas mesmas tarefas, de acordo com os números do Google DeepMind relatados pelo The Decoder.
Essa melhoria é importante porque os estudos de associação genómica (GWAS) só conseguem localizar aproximadamente sinais de doenças em grandes extensões de ADN. Uma melhor previsão da variante causal diz aos investigadores quais das muitas variantes numa região associada merecem realmente um acompanhamento experimental – a diferença entre uma vantagem e um beco sem saída.
O modelo também pode inferir dados ausentes de uma única medição. Se os investigadores medirem apenas a actividade genética de uma célula, o AlphaGenome 2 fornece previsões para propriedades adicionais, tais como a forma como os trechos de ADN específicos são empacotados. Isso ajuda os laboratórios a decidir quais experimentos de laboratório úmido valem a pena ser executados em seguida, e uma vantagem arquitetônica importante é a adaptabilidade: os pesquisadores podem alimentar dados de atividade genética de apenas algumas dezenas de células, e o modelo calcula efeitos para estados celulares nunca antes vistos – muitas vezes superando modelos especializados treinados diretamente nesses dados, de acordo com DeepMind.
Mecanismos de doenças reproduzidos computacionalmente
Dois casos demonstrados mostram o que o modelo pode fazer sem tocar na bancada do laboratório. Trabalhando de forma puramente computacional, o AlphaGenome 2 reproduziu um mecanismo de doença inflamatória intestinal previamente identificado num estudo: isolou a variante exata do ADN num interruptor regulador longe do gene que hiperativa seletivamente o ETS2 nos macrófagos intestinais, enquanto outros tipos de células e genes permaneceram praticamente inalterados.
Num teste separado aplicado aos dados de um estudo de vacina de mRNA contra a COVID-19, o modelo distinguiu de forma fiável as células T activadas pela vacina das células em repouso e mostrou que uma variante genética ligada a casos graves de COVID-19 perturba a actividade celular principalmente no estado activado – um efeito que teria permanecido invisível nas células em repouso.
Disponibilidade e o que vem a seguir
AlphaGenome 2 já está disponível para pesquisa não comercial por meio de uma API, enquanto usuários comerciais obtêm acesso por meio de uma visualização fechada. O Google DeepMind deixa explícito que o sistema não está aprovado para diagnóstico clínico – é uma ferramenta de pesquisa, não um dispositivo médico.
A DeepMind já pré-computou previsões para centenas de condições de células e tecidos, em parte para apoiar o desenvolvimento de medicamentos orientados por IA, e a empresa afirma que planeja lançar recursos dedicados do AlphaGenome 2 em sua plataforma de desenvolvimento de agentes Google Antigravity, onde o modelo está configurado para ser combinado com ferramentas como o Gemini 4 para fluxos de trabalho de pesquisa automatizados.
O lançamento chega a um campo de IA para biologia em rápido aquecimento. A própria linhagem AlphaFold da DeepMind redefiniu a biologia estrutural, e os rivais estão correndo para aplicar grandes modelos na descoberta de medicamentos. O que distingue o AlphaGenome 2 é a resolução: ao condicionar o tipo de célula, ele move a interpretação variante das médias de nível populacional para o contexto celular específico onde a doença realmente opera. Se os ganhos de referência se mantiverem na utilização independente, o modelo poderá encurtar o caminho da associação genética para a compreensão mecanicista – o passo mais caro no desenvolvimento de medicamentos modernos.
Fique à frente da IAA IA está remodelando a descoberta de medicamentos, a genômica e a biotecnologia mais rápido do que a maioria das coberturas consegue acompanhar. Para obter as últimas notícias sobre IA, análises de pesquisas e os mais recentes desenvolvimentos em IA, AI Buzz Wire acompanha cada avanço importante.
Leia mais notícias sobre IA →
