Fabrício Mainenti
RedatorPodemos ler uma sequência de DNA e identificar exatamente onde ocorre a alteração de uma de suas letras. O desafio surge depois: compreender as consequências dessa mudança. Muitas variantes têm pouco efeito sobre a função celular, enquanto outras podem impactar processos ligados à atividade gênica — e, em certos casos, a doenças.
Pesquisadores da área de genética têm dedicado anos a tentar distingui-las, mas existe uma limitação óbvia: o número de variantes possíveis é vasto demais para que cada uma seja estudada experimentalmente de forma isolada.
O Google DeepMind acaba de elevar esse problema a uma escala difícil de conceber. Seu novo AlphaGenome Atlas reúne previsões sobre os efeitos moleculares de mais de 9 bilhões de variantes de nucleotídeo único — representando todas as substituições possíveis de uma única letra no genoma humano.
Para colocar esse número em perspectiva, considere que, em qualquer posição, a base existente pode ser substituída por qualquer uma das outras três. O resultado não é um catálogo de mutações efetivamente observadas em indivíduos, mas sim um mapa preditivo gerado por IA que descreve os potenciais efeitos moleculares de cada uma dessas possibilidades.
Um mapa preditivo do genoma
O DeepMind transformou as previsões do AlphaGenome em um recurso que pode ser explorado em escala genômica. Conforme explicado em uma publicação oficial, o Atlas agrega estimativas que abrangem diversos processos moleculares — desde a expressão gênica e o splicing até a acessibilidade da cromatina — com previsões que cobrem centenas de tipos celulares e tecidos humanos e de camundongos.
O volume de dados ilustra a magnitude do projeto: o conjunto de informações ocupa quase um petabyte. O avanço prático reside no fato de que essas previsões já foram calculadas e estão diretamente acessíveis por meio de uma interface web.
Para ajudar a priorizar quais variantes exigem atenção imediata, o DeepMind introduziu uma nova camada: o AlphaGenome Variant Impact (AVI). Essa pontuação combina as previsões do AlphaGenome com as do AlphaMissense — o modelo da empresa especializado em variantes que alteram aminoácidos de proteínas —, sintetizando o impacto potencial de cada uma em um único valor.
A utilidade do Atlas torna-se evidente quando ele é aplicado a questões específicas e direcionadas. Em colaboração com o consórcio GREGoR, pesquisadores do Broad Institute e seus colegas utilizaram o AVI para priorizar variantes associadas a doenças raras e identificaram uma alteração no gene DNM1 que havia passado despercebida em estudos anteriores.
As previsões indicavam que ela criava um sítio de splicing aberrante — um efeito que foi posteriormente validado experimentalmente. Enquanto isso, Gareth Hawkes, pesquisador da Universidade de Exeter, aplicou o Atlas a dados genômicos de mais de 54 mil participantes do UK Biobank.
Segundo a DeepMind, ele conseguiu detectar 22% a mais de associações genéticas não codificantes que, de outra forma, teriam permanecido ocultas em meio ao ruído estatístico.
Vale ressaltar que esse trabalho não começou com o Atlas. A DeepMind passou anos aplicando IA a diversos desafios relacionados à genética:
Em 2021, apresentou o Enformer, focado em prever como sequências de DNA influenciam a regulação gênica; em 2023, surgiu o AlphaMissense, projetado para estimar o impacto de variantes que alteram proteínas; e, em 2025, revelou o AlphaGenome, capaz de prever múltiplos efeitos moleculares a partir de longas sequências de DNA.
O que vemos agora é o próximo passo: ampliar essa capacidade para todo o genoma e disponibilizar previsões pré-calculadas para consulta direta.
Diante de uma vasta gama de variantes possíveis, o Atlas oferece uma maneira de priorizar as mais promissoras — e identificar os processos que elas podem afetar — antes de passar para os testes laboratoriais.
É aqui que o avanço proposto pela DeepMind melhor se encaixa: a IA pode nos ajudar a decidir onde investigar primeiro, mas ainda precisamos verificar se os efeitos previstos realmente ocorrem em sistemas biológicos. Além disso, a própria DeepMind alerta que o AlphaGenome não foi validado para uso clínico.
Imagens | Google DeepMind
Ver 0 Comentários