AlphaGenome 2 troca o tecido pela célula isolada
O Google DeepMind liberou para pesquisa não comercial o AlphaGenome 2, modelo de inteligência artificial que prevê como variantes do DNA alteram o funcionamento de tipos celulares específicos. No conjunto de avaliação TenK10K, que reúne 28 tipos de células imunes primárias, o sistema identificou cerca de 30% das variantes causais, contra 16% de uma versão do AlphaGenome 1 ajustada sob medida para a mesma tarefa.
A virada conceitual está no recorte. Toda célula do corpo humano carrega o mesmo manual de DNA, mas cada tecido lê capítulos diferentes: um cardiomiócito interpreta o genoma de forma distinta de um linfócito. Reproduzir essas diferenças é um dos problemas abertos mais antigos da genômica computacional — e é aí que o novo modelo tenta avançar.
O que a primeira geração fazia de diferente
O antecessor recebia um trecho de DNA com 1 milhão de letras e projetava suas propriedades a partir de milhares de experimentos realizados em vários tecidos ao mesmo tempo. Na avaliação do DeepMind, essa abordagem paralela diluía a capacidade do modelo e dificultava separar tipos celulares muito próximos.
O AlphaGenome 2 opera como modelo condicional: além da sequência de DNA, recebe como entrada um estado biológico determinado e devolve cálculos restritos àquele tipo de célula. O treinamento usou 107 milhões de perfis celulares individuais, extraídos de 68 tecidos de seres humanos e de camundongos.
Três saídas estão no escopo. A primeira é o nível de expressão gênica, ou seja, o quanto um gene é ativado. A segunda é o empacotamento físico do DNA dentro do núcleo, que define quais trechos do genoma ficam acessíveis à maquinaria celular. A terceira é a metilação do DNA, marcação química que funciona como interruptor molecular para silenciar ou ativar genes.
Há ainda um recurso de inferência: se o pesquisador medir apenas a atividade gênica de uma amostra, o modelo estima as demais propriedades, como o grau de compactação de determinados trechos. Isso ajuda a decidir qual experimento de bancada vale o custo.
Desempenho no banco de testes
| Métrica (TenK10K, 28 tipos de células imunes) | AlphaGenome 2 | AlphaGenome 1 ajustado |
|---|---|---|
| Variantes causais identificadas | 30% | 16% |
| Direção da regulação prevista corretamente | 43% | 23% |
O ganho em volume de variantes relevantes fica próximo de duas vezes. O modelo também acompanha mudanças contínuas — a maturação de células-tronco do sangue em hemácias, por exemplo — com precisão bastante superior à da geração anterior.
Doença intestinal e vacina de mRNA como provas
Rodando apenas em ambiente computacional, o AlphaGenome 2 reconstituiu um mecanismo de doença inflamatória intestinal descrito antes em estudo de laboratório. O sistema isolou a variante exata, localizada em um interruptor regulatório distante do gene, que superativa o ETS2 em macrófagos do intestino, sem afetar de forma relevante outras linhagens celulares e outros genes.
Na frente das vacinas, os pesquisadores aplicaram o modelo a dados de um estudo com imunizante de mRNA contra a covid-19. O sistema separou com confiabilidade células T ativadas pela vacina das células em repouso e mostrou que uma variante associada a casos graves de covid-19 desorganiza a atividade celular sobretudo no estado ativado — efeito que passaria despercebido nas células dormentes.
Outro ponto destacado é a adaptação sem retreinamento. Basta fornecer dados de atividade gênica de algumas dezenas de células para o modelo calcular efeitos em um estado celular nunca visto antes. Segundo o DeepMind, o resultado costuma superar o de modelos especializados treinados diretamente sobre aquela base.
GWAS, fármacos e as condições de acesso
As previsões já calculadas pelo DeepMind cobrem centenas de condições de células e tecidos e servem de apoio ao desenvolvimento de medicamentos assistido por IA. Elas também ajudam a interpretar os estudos de associação genômica ampla, os GWAS — levantamentos que ligam regiões do DNA a características como altura ou diabetes tipo 2, mas que normalmente localizam os sinais apenas em blocos largos do genoma.
O AlphaGenome 2 estreita o cerco sobre as variantes provavelmente causais e indica quais tipos celulares são afetados, como astrócitos no cérebro ou células imunes específicas. Quando o grau de confiança é suficiente, aponta ainda se a mutação aumenta ou reduz a atividade do gene.
O acesso à pesquisa não comercial já está aberto por API. Empresas interessadas em uso comercial entram por uma prévia fechada. O sistema não tem aprovação para diagnóstico clínico, e o DeepMind planeja lançar em breve recursos dedicados ao AlphaGenome 2 na Google Antigravity, sua plataforma de desenvolvimento agêntico, combinando o modelo a ferramentas como o Gemini 4 para fluxos automatizados de pesquisa.
O que isso significa para o investidor
A notícia reforça a posição da Alphabet (GOOGL) no cruzamento entre infraestrutura de IA e ciências da vida, eixo em que a companhia combina modelos próprios, plataformas de desenvolvimento e parcerias de pesquisa. O anúncio é técnico e não traz receita, contrato ou cronograma de monetização.
Para quem acompanha saúde e biotecnologia, o dado relevante é outro: ferramentas que reduzem o custo de priorizar alvos terapêuticos mexem na economia da descoberta de fármacos, etapa em que a indústria queima anos antes de chegar a um ensaio clínico. As restrições a diagnóstico clínico e o acesso comercial limitado indicam que a adoção regulatória ainda engatinha. O acompanhamento deve recair sobre novas liberações de uso, eventuais parcerias comerciais e a evolução de modelos concorrentes no mesmo nicho.