Genoma humano não é código: por que sua complexidade física desafia modelos de IA

O genoma humano não é um código-fonte que roda de forma determinística, é um sistema físico em constante remodelação, onde a estrutura tridimensional da cromatina, as alças mediadas por cohesin, os TADs e as marcas epigenéticas atuam como camadas de controle dinâmico. Essa 'tangled physicality' torna o DNA menos um script linear e mais um ambiente reativo: um mesmo trecho pode ativar um gene em uma célula hepática e silenciá-lo em um neurônio, dependendo de quais fatores de transcrição estão presentes, como a cromatina está empacotada e quais RNAs não codificadores estão circulando naquele instante.

Modelos como Evo 2 (março/2026), ChromoGen (fevereiro/2025) e AlphaGenome já conseguem prever estruturas 3D ou impactos funcionais com alta acurácia, mas fazem isso por correlação estatística, não por modelagem causal. Eles aprendem padrões em dados de Hi-C, ATAC-seq e GTEx, mas não simulam a física real das interações moleculares. Isso explica por que, mesmo com 90% de precisão em benchmarks clínicos, o Evo 2 ainda falha ao prever efeitos de variantes em regiões de cromatina altamente dinâmicas, como enhancers distais em células em diferenciação.

Em maio, a CEVIU destacou o problema da 'Fuzzy API' na biologia: ausência de interfaces claras e ciclos de feedback rápidos para treinar IA. Agora, com o Evo 2 e o ChromoGen em produção, vemos que a comunidade migrou de modelos puramente preditivos para tentativas explícitas de incorporar física 3D, mas sem resolver a raiz do problema. O que era teórico em abril (IA como caixa-preta inadequada para sistemas biológicos não determinísticos) virou evidência prática em junho: falhas clínicas reais em predições de variantes não codificadoras, mesmo em modelos de última geração.

Essa limitação não é acadêmica. Quando um modelo de IA recomenda uma variante genética como 'benigna' com base em sequência linear, mas ela está em um enhancer distal cuja função depende de uma alça cromatínica presente só em cardiomiócitos, o erro pode levar a diagnósticos perdidos de cardiomiopatias hereditárias. A CEVIU já alertou antes que a IA não elimina a necessidade de compreensão humana, aqui, ela reforça que, sem integrar biologia estrutural e dinâmica no núcleo dos modelos, a IA genômica permanece uma ferramenta poderosa, mas perigosamente incompleta para aplicações clínicas diretas.