A genética humana é o mesmo livro escrito em todas as células do corpo — coração, cérebro, imunidade. A diferença está em quais páginas cada uma lê. Essa aparente simplicidade esconde um problema de décadas: sabemos que a maioria das variantes genéticas ligadas a doenças reside em regiões não codificantes do DNA, mas não conseguimos mapear com precisão que célula ou tecido cada mutação realmente afeta. É como saber que uma palavra mudou no meio de um romance de 3 bilhões de letras, sem saber que parágrafo isso altera.
A Google DeepMind publicou hoje o AlphaGenome 2, modelo de IA que resolve exatamente esse problema. Diferente do AlphaGenome 1 (lançado em 2025) e do Atlas (setembro de 2026), que produziam previsões em média sobre tecidos inteiros, o AlphaGenome 2 é um modelo condicional: você lhe fornece uma sequência de DNA e, em paralelo, informa ao modelo qual tipo celular ou estado biológico quer analisar. O modelo então calcula o efeito daquela variante específica naquela célula específica.
O modelo foi treinado em mais de 107 milhões de perfis de células individuais, distribuídos entre 68 tecidos humanos e de camundongo. A arquitetura foi redesenhada do zero — em vez de produzir múltiplas saídas paralelas como o AlphaGenome 1, o AlphaGenome 2 foca em uma única condição por vez, o que permite aprender como o mesmo trecho de DNA é lido de maneira radicalmente diferente em contextos celulares distintos.
Os resultados práticos são impressionantes. Na benchmark TenK10K, que mapeia 28 tipos de células imunológicas primárias, o AlphaGenome 2 identificou cerca de 30% das variantes causais — quase o dobro do que o modelo anterior alcançava. E não é apenas quantidade: quando o modelo tem alta confiança, ele também prevê se a variante aumenta ou reduz a atividade do gene, informação crucial para desenvolvimento de fármacos.
James Lee, immunologista e geneticista do Francis Crick Institute em Londres, relatou um caso concreto. Sua equipe gastou um ano e meio de experimentos com edição gênica para identificar potenciais novos tratamentos para doença inflamatória intestinal. O AlphaGenome 2 replicou aspectos dessa descoberta em 30 minutos — sem uma pipeta sequer ser levantada. "É reconfortante da nossa perspectiva", disse Lee à Nature.
O modelo vai além do que foi treinado: pesquisadores podem alimentar o AlphaGenome 2 com dados de transcriptômica de célula única de um novo estado de doença — um tumor, um tecido fibrótico — e o modelo gera previsões de efeito de variantes para aquele estado, sem necessidade de retreinamento. Adam Gayoso, cientista da DeepMind e coautor do estudo, explicou que isso acelera a priorização de variantes subjacentes a doenças raras e complexas.
Além da expressão gênica, modificações histônicas e acessibilidade da cromatina — as mesmas métricas do AlphaGenome 1 — o modelo agora prediz metilação do DNA, um recurso amplamente solicitado pela comunidade científica. O Atlas anterior continha previsões para as 9 bilhões de mudanças possíveis de uma única letra no genoma humano; agora, cada uma dessas 9 bilhões de previsões pode ser refinada para o contexto celular correto.
O AlphaGenome 2 está disponível via API para pesquisa não comercial e em avaliação privada para pesquisa comercial. A DeepMind também anuncia que em breve serão lançados AlphaGenome 2 Skills na plataforma Antigravity, a ferramenta de desenvolvimento agêntico do Google, combinando modelos especializados com agentes de IA para acelerar a descoberta científica.
O passo seguinte, segundo a DeepMind, é expandir o espectro de células e estados de desenvolvimento em colaboração com o Wellcome Sanger Institute. À medida que o mapeamento do corpo humano em nível de célula única se torna rotineiro, modelos como o AlphaGenome 2 vão se tornar ainda mais poderosos — transformando atlas estáticos em motores preditivos de genética humana.
O que permanece é a questão de quão longe podemos ir com IA preditiva antes de alcançarmos os limites da biologia real: o modelo consegue prever efeitos de variantes em novos estados celulares, mas a validação experimental continua sendo o único caminho para confirmar se a previsão corresponde à realidade biológica. A distância entre a previsão computacional e a terapia clínica é enorme, e o AlphaGenome 2, por mais impressionante que seja, ainda é apenas uma lupa — não uma medicina.
Fontes: Google DeepMind Blog, Nature, The Verge
✓ Fontes independentes cruzadas e verificadas antes da publicação
