Em novembro de 2026, o Google DeepMind anunciou o AlphaGenome 2, um modelo de inteligência artificial que representa um salto qualitativo na capacidade de prever como variações no DNA afetam tipos celulares específicos. O lançamento marca a evolução direta do AlphaGenome 1 — lançado em 2025 — e do AlphaGenome Atlas, que mapeou as 9 bilhões de possíveis mudanças de uma única letra no genoma humano, mas sem especificar em qual tipo de célula cada variante atuaria.
O problema central da genética moderna não é mais apenas identificar variantes associadas a doenças; é entender por que uma mesma mutação tem efeitos radicalmente diferentes dependendo do contexto celular. O mesmo trecho de DNA é lido de maneira distinta por uma célula muscular cardíaca, um linfócito T ou uma célula beta pancreática. Essa especificidade celular é exatamente o que o AlphaGenome 2 foi projetado para decifrar, e o resultado, segundo os autores, é um salto na precisão preditiva.
A equipe liderada por Žiga Avsec treinou o modelo em mais de 100 milhões de células individuais, abrangendo 68 tecidos diferentes. Enquanto o AlphaGenome 1 recebia dados coletados em amostras "bulk" — isto é, misturas heterogêneas de diversos tipos celulares —, o AlphaGenome 2 opera em nível de célula única. Isso permite que o modelo aprenda como uma mesma sequência de DNA é interpretada de forma distinta por diferentes tipos e estados celulares.
O novo modelo também identificou quase o dobro de variantes que alteram a expressão gênica nas células, comparado ao estado da arte anterior. Mas o mais notável talvez seja a arquitetura condicional: ao invés de prever propriedades em paralelo para todos os tecidos de uma vez, o AlphaGenome 2 é projetado para prever os efeitos do DNA para UMA condição biológica específica por vez — um tecido, um tipo celular ou um estado — como entrada junto com a sequência de DNA em cada estágio de sua arquitetura.
Isso permite uma capacidade que os pesquisadores chamam de "imputação cruzada de modalidade": se um cientista fornece apenas uma medição, como dados de atividade gênica de células únicas, o modelo pode prever propriedades não medidas, como acessibilidade da cromatina. Em outras palavras, o AlphaGenome 2 pode preencher lacunas experimentais que antes exigiriam semanas de trabalho em laboratório.
O caso emblemático é o da doença inflamatória intestinal (DII). Em 2024, pesquisadores do Francis Crick Institute identificaram um novo fator de risco: uma variante de DNA que torna o gene ETS2 superativo em células imunológicas. O problema é que essa variante estava em uma região de "deserto genético", longe de sequências codificadoras de proteínas, o que tornava sua função praticamente inexplicável pelos métodos tradicionais. O que o DeepMind fez com o AlphaGenome 2? Replicou aspectos dessa descoberta em 30 minutos, sem usar nenhuma técnica de biologia molecular. "Eles conseguiram descobrir a resposta em 30 minutos, e nos levou um ano e meio de experimentos", disse James Lee, imunologista que liderou o estudo original.
Disponível para pesquisa acadêmica não comercial via API e em pré-visualização privada para pesquisa comercial, o AlphaGenome 2 se soma à família cada vez maior de modelos genômicos do DeepMind que estão transformando a forma como a ciência lê o genoma humano. A equipe trabalha agora em treinar versões futuras em dados de múltiplas espécies e em alimentar projetos de "células virtuais" — simulações digitais que imitam sistemas biológicos inteiros.
A pergunta que fica é: se um modelo consegue replicar em meia hora o que levou um ano e meio de experimentos de laboratório para descobrir, qual será o próximo passo? A biologia experimental talvez precise começar a competir não apenas com a velocidade natural das células, mas com a velocidade preditiva da inteligência artificial.
Fontes: The Verge, Nature, Google DeepMind
✓ Fontes independentes cruzadas e verificadas antes da publicação
