O Google DeepMind apresentou o AlphaGenome 2 em 11 Nov 2026. O modelo prevê como alterações no DNA influenciam a atividade dos genes em tipos e estados celulares específicos — algo que as ferramentas anteriores só conseguiam fazer no nível dos tecidos. Agora, pesquisadores podem perguntar o que acontece com uma determinada variante em uma célula do músculo cardíaco, em comparação com uma célula imune do intestino. A empresa oferece o modelo hoje para pesquisas não comerciais por meio da API AlphaGenome e disponibiliza uma prévia privada para projetos comerciais.
Por que previsões mais detalhadas são importantes
Todas as células do corpo carregam o mesmo DNA, mas cada uma ativa ou desativa genes diferentes. Uma variante inofensiva em células da pele pode perturbar um gene em células cerebrais e provocar uma doença. Ao levar em conta a identidade de cada célula, o AlphaGenome 2 consegue detectar efeitos que os modelos baseados em tecidos inteiros não percebem. Žiga Avsec, responsável por genômica no DeepMind, afirma que esse nível de detalhe é crucial para o desenvolvimento de medicamentos, cujas terapias têm como alvo proteínas presentes em tipos celulares específicos.
Como o AlphaGenome 2 supera seu antecessor
O AlphaGenome 1 usava uma arquitetura paralela que distribuía sua capacidade entre muitos tecidos ao mesmo tempo, o que limitava a sensibilidade a diferenças sutis entre tipos celulares. O AlphaGenome 2 reformula o modelo como um sistema condicional: em todas as camadas, ele recebe como entrada uma sequência de DNA e uma condição celular específica. Treinado com mais de 100 milhões de perfis de células individuais de 68 tecidos, o novo modelo identifica quase o dobro de variantes que alteram a expressão gênica em comparação com o AlphaGenome 1. Também consegue prever efeitos em estados celulares que nunca encontrou, como células imunes ativadas por vacinas, sem precisar ser treinado novamente.
Por que importa
Para cientistas biomédicos, o AlphaGenome 2 oferece uma maneira de relacionar diretamente variantes de DNA associadas a doenças aos tipos celulares que provocam os sintomas, o que pode acelerar a descoberta de alvos terapêuticos. Para quem desenvolve medicamentos, o modelo pode ajudar a priorizar as variantes a abordar em um tecido específico e tornar o trabalho pré-clínico mais direcionado. A prévia comercial permite que empresas de biotecnologia comecem a testar a ferramenta, embora o custo computacional mais alto signifique que ela não substituirá o AlphaGenome 1, mais barato, em análises amplas.
