Google DeepMind anuncia IA que prevê efeito de mutações em tipos específicos de células

DeepMind lança modelo que prevê efeito de mutações célula por célula

Em 11 de novembro de 2026, a Google DeepMind anunciou o AlphaGenome 2, um modelo de inteligência artificial que prevê como o DNA (a molécula que carrega as instruções genéticas de uma célula) é lido de forma diferente dependendo do tipo de célula. Segundo o blog oficial da empresa, o modelo consegue simular o efeito de uma variante genética (uma alteração pontual na sequência de DNA) em centenas de tipos de células humanas.

A própria DeepMind faz questão de avisar, no mesmo texto: o AlphaGenome e o AlphaGenome 2 "não foram validados nem aprovados para uso clínico ou diagnóstico". O modelo está disponível desde hoje para pesquisa não comercial via API (a interface que outros programas usam para se conectar a ele) e em acesso restrito para uso comercial.

Cada célula do corpo usa o mesmo DNA de um jeito diferente

Toda célula carrega o mesmo DNA, mas cada tipo de célula liga e desliga genes diferentes para cumprir sua função. Uma célula do músculo cardíaco ativa um conjunto de genes; uma célula de defesa combatendo uma infecção ativa outro. Esse processo de ligar e desligar genes chama-se expressão gênica, e entender como ele muda célula a célula é uma das peças centrais para explicar por que a mesma mutação causa doença em um tecido e não em outro.

Projetos como o Atlas de Células Humanas (Human Cell Atlas) vêm mapeando essa expressão gênica em milhões de células. Faltava, porém, uma ferramenta capaz de prever como pequenas variações no DNA mudam esse comportamento em cada tipo de célula, não apenas na média de um tecido inteiro. É essa lacuna que o AlphaGenome 2 tenta preencher.

A nova versão troca previsão por tecido por previsão célula a célula

A DeepMind lançou a primeira versão do AlphaGenome em 2025, voltada a prever o efeito de variantes genéticas em tecidos amplos. Depois veio o AlphaGenome Atlas, um banco de dados com previsões para as 9 bilhões de trocas possíveis de uma única "letra" do DNA humano.

O AlphaGenome 2 muda a arquitetura do modelo. Em vez de prever tudo de uma vez para vários tecidos ao mesmo tempo, ele agora recebe como entrada, além da sequência de DNA, a condição biológica específica (um tipo de célula ou um estado como "célula ativada por infecção"). Segundo a DeepMind, isso deixou o modelo melhor em capturar diferenças sutis entre tipos de células parecidos, algo que a versão anterior tinha dificuldade de distinguir.

O treinamento usou mais de 107 milhões de perfis de células individuais, cobrindo 68 tecidos de humanos e camundongos. Além dos indicadores que a primeira versão já previa (atividade de genes e acessibilidade da cromatina, o "empacotamento" do DNA dentro do núcleo), o AlphaGenome 2 passou a prever também a metilação do DNA, uma marcação química ligada a doenças e ao envelhecimento celular que pesquisadores vinham pedindo.

Os números que a empresa divulgou mostram ganho de precisão

A DeepMind testou o modelo em cenários concretos e divulgou resultados comparados à versão anterior:

• No conjunto de dados TenK10K, um mapa de 28 tipos de células do sistema imunológico, o AlphaGenome 2 identificou corretamente quase o dobro de variantes causais de doença: 30% contra 16% do modelo anterior ajustado para dados de célula única.
• A taxa de acerto sobre a direção do efeito genético (se a variante aumenta ou diminui a atividade de um gene) subiu de 23% para 43%.
• Em um estudo sobre doença inflamatória intestinal, o modelo reproduziu computacionalmente um achado já publicado: uma variante distante que superativa o gene ETS2 especificamente em macrófagos (um tipo de célula de defesa) do intestino, sem afetar outras células ou genes.
• Usando dados inéditos de um estudo sobre vacina de mRNA contra covid-19, o modelo distinguiu células de defesa ativadas pela vacina das células em repouso, e mostrou que uma variante ligada a covid-19 grave altera a atividade genética com mais força justamente nas células ativadas.

Para quem atende paciente, a ferramenta ainda não chega ao consultório

Para o médico que pede ou interpreta exame genético, esse tipo de modelo ainda opera numa etapa anterior à prática clínica. A cadeia costuma seguir esta ordem: descoberta em laboratório, onde ferramentas como o AlphaGenome 2 entram; depois validação clínica; depois aprovação regulatória; e só então o teste chega ao consultório ou ao laboratório de referência. Esse caminho costuma levar anos.

Ainda assim, há um ponto prático que vale acompanhar. Quando uma variante encontrada num exame genético é classificada como "de significado incerto" (resultado comum e frustrante, tanto para quem pede o teste quanto para o paciente que espera uma resposta), modelos como esse fazem parte do esforço para reduzir essa incerteza, ao prever em qual tipo de célula aquela variante realmente age. No médio prazo, isso tende a refinar painéis genéticos e testes de predisposição já oferecidos por laboratórios no Brasil.

A própria DeepMind diz: isso ainda não serve para diagnóstico

A empresa é explícita quanto ao limite: o AlphaGenome 2 é "destinado apenas a uso em pesquisa" e não foi aprovado para diagnóstico. Nenhum laudo, nenhuma conduta e nenhuma orientação a paciente deveria se basear diretamente nessas previsões hoje. O uso comercial do modelo, que poderia incluir empresas de diagnóstico, segue em acesso restrito, descrito pela DeepMind como "preview privado".

Peter Donnelly, presidente-executivo da empresa de diagnóstico genômico Genomics Limited, comentou o lançamento e adiantou planos de incorporar o modelo a um produto comercial:

A genética humana é uma das ferramentas mais poderosas na descoberta de medicamentos. Os estudos de associação genômica ampla são centrais nisso, mas é difícil sair de um sinal de associação para o que um programa de desenvolvimento de remédio precisa. Modelos de previsão de sequência de DNA ajudam a preencher essa lacuna, e o AlphaGenome 2 representa um avanço impressionante no campo. Esperamos incorporá-lo à nossa plataforma Mystra.

Human genetics is one of the most powerful tools in drug discovery. GWAS is central to that but it is difficult to move from an association signal to what a drug programme needs. DNA sequence prediction models are an important tool in helping bridge that gap, and AlphaGenome 2 represents an impressive advance in the field. We look forward to incorporating it in our Mystra platform.Peter Donnelly, CEO da Genomics Limited

A fala resume bem o público real do lançamento: empresas e laboratórios de pesquisa genômica, não o médico que atende na ponta do sistema de saúde.

O que ainda falta para chegar à prática clínica

A DeepMind abriu um canal para pesquisadores relatarem casos de uso até 30 de novembro de 2026, com possibilidade de cota adicional e créditos para projetos selecionados, e mantém colaboração com o Wellcome Sanger Institute para mapear mais tipos de células. A empresa também adiantou que pretende lançar "AlphaGenome 2 Skills" dentro do Google Antigravity, sua plataforma de desenvolvimento com agentes de IA, combinando o modelo genômico com o Gemini 4, mas sem data definida para isso.

Para o profissional de saúde no Brasil, o recado prático por enquanto é separar dois momentos: o laboratório que investiga a causa molecular de uma doença, onde o AlphaGenome 2 já pode entrar, e o consultório, onde a conduta continua dependendo de exames validados clinicamente e das diretrizes do conselho da categoria. Vale ficar de olho em quando testes genéticos comerciais citarem esse tipo de modelo como base, porque é aí que a distância entre pesquisa e prática vai começar a diminuir de verdade.

Fonte: Google DeepMind Blog