A Google DeepMind apresentou, em 11 de novembro, o AlphaGenome 2, um modelo de previsão de ADN que estima como as alterações genéticas afetam diferentes tipos e estados celulares. No benchmark TenK10K, identificou 30% das variantes causais, contra 16% para o AlphaGenome original após ajuste com dados de célula única. Os resultados dizem respeito a um teste de investigação: não medem a precisão de diagnósticos nem estimam o risco de doença de uma pessoa.
Para os investigadores, o modelo pode ajudar a relacionar sinais genéticos com os contextos celulares em que atuam e a selecionar experiências de seguimento. As medições de um tecido inteiro revelam alterações médias, mas podem ocultar efeitos que ocorram apenas num tipo específico de célula.
AlphaGenome 2 adapta previsões ao tipo e estado celular
A versão original gerava um conjunto fixo de previsões para vários tecidos e experiências, a partir de sequências de ADN com até cerca de um milhão de letras. O AlphaGenome 2 permite indicar um contexto-alvo — como um tecido, tipo de célula ou estado celular — e considera essa informação ao processar a sequência. A DeepMind afirma que esta abordagem procura detetar efeitos específicos de certas células que as medições mais abrangentes podem não revelar.
Segundo a empresa, o modelo foi treinado com dados de humanos e ratinhos, tanto de tecido total como de célula única, abrangendo mais de 107 milhões de perfis de célula única. Os investigadores também podem fornecer dados de atividade genética de célula única para obter previsões adaptadas a estados celulares recentemente observados, sem voltar a treinar o modelo. O sistema prevê ainda características que não foram medidas diretamente, gerando hipóteses a testar em laboratório.
A avaliação TenK10K incluiu 28 tipos de células imunitárias primárias. A DeepMind reportou que o AlphaGenome 2 identificou 30% das variantes causais, face a 16% para o modelo original após ajuste com dados de célula única. A comparação aplica-se a este benchmark específico: não constitui validação clínica nem demonstra que o modelo consiga prever a probabilidade de uma pessoa desenvolver uma doença.
O exemplo do ETS2 reproduz um mecanismo de doença intestinal
A DeepMind apresentou também um exemplo relacionado com doença intestinal. O modelo reproduziu por via computacional um mecanismo descrito em investigação anterior: uma variante reguladora aumenta a atividade do ETS2 em macrófagos intestinais, um tipo de célula imunitária. Neste caso, o AlphaGenome 2 identificou a variante e previu que o seu efeito sobre o ETS2 se concentrava nos macrófagos, com impacto limitado noutros tipos celulares e genes.
O mecanismo não foi descoberto pelo AlphaGenome 2. Um trabalho publicado em 2024 por investigadores do Imperial College London, do Francis Crick Institute e da University College London associou uma região reguladora ativa nos macrófagos ao aumento da atividade do ETS2 e da função inflamatória. O exemplo demonstra que o modelo conseguiu reproduzir computacionalmente um resultado biológico já conhecido; não estabelece uma nova causa de doença.
Em 11 de novembro, a DeepMind disponibilizava o AlphaGenome 2 através de uma API para investigação sem fins comerciais. O acesso para investigação comercial continuava em pré-visualização privada. A empresa afirma que os modelos AlphaGenome se destinam à investigação e não foram validados nem aprovados para utilização clínica ou diagnóstico. As previsões específicas por célula e estado podem ajudar a escolher pistas para experiências, mas ainda precisam de ser testadas.