Google DeepMind lança AlphaGenome 2, que prevê efeitos do DNA em tipos e estados celulares individuais

O AlphaGenome 2 troca a lógica do modelo original. Antes, uma sequência de um milhão de letras de DNA gerava previsões para milhares de experimentos de vários tecidos em paralelo. Segundo o Google DeepMind, isso diluía a capacidade do modelo e escondia diferenças sutis entre tipos celulares próximos. Agora o modelo é condicional: prevê uma condição por vez (tecido, tipo celular ou estado), e essa condição entra como input em todas as etapas da arquitetura, junto com a sequência.

Essa mudança abre a imputação entre modalidades. Com uma única medição, como atividade gênica em célula única, o modelo estima propriedades não medidas, como acessibilidade da cromatina. O treino usou dados bulk e de célula única, humanos e de camundongo, com mais de 107 milhões de perfis de células individuais de 68 tecidos. Entra também a metilação do DNA entre as saídas, além de expressão gênica, modificações de histonas e acessibilidade da cromatina.

Nos números da empresa, no conjunto TenK10K (28 tipos de células imunes), o modelo identificou 30% das variantes causais contra 16% do AlphaGenome original ajustado em célula única e outras ferramentas, e 43% contra 23% nos efeitos direcionais. Ele também reproduziu computacionalmente um achado de doença inflamatória intestinal ligado ao gene ETS2 em macrófagos do intestino. Para estados não vistos, basta enviar um snapshot de RNA-seq de algumas dezenas de células, sem retreinar. Disponibilidade: pesquisa não comercial via API do AlphaGenome e private preview para pesquisa comercial. O uso é só para pesquisa, sem validação clínica ou diagnóstica. A empresa também prevê o lançamento em breve de AlphaGenome 2 Skills no Google Antigravity.

Em 9 de setembro de 2026, o CEVIU noticiou "Google DeepMind Lança AlphaGenome Atlas para Acelerar Descobertas Genéticas", um repositório de previsões pré-computadas do AlphaGenome. Aquela camada trabalhava com o modelo original, em escala de tecidos amplos. O AlphaGenome 2 muda o nível de resolução, indo para tipos e estados celulares individuais, com arquitetura redesenhada. O Atlas continua sendo a base das previsões para as 9 bilhões de alterações de uma letra do modelo anterior.

Para quem trabalha com genômica computacional, a leitura é que o ganho vem menos de escala bruta e mais de reformular o problema: condicionar na célula em vez de prever tudo em paralelo. Quem prioriza variantes de GWAS ganha uma ferramenta para apontar também o tipo celular. Vale checar os números em benchmark próprio, já que são resultados reportados pela própria empresa, e lembrar que o acesso comercial ainda é restrito.