Um ano e meio de experimentos de bancada e edição genética no Francis Crick Institute, em Londres, contra trinta minutos de inferência computacional sem tocar em uma pipeta. Essa diferença de escala temporal resume a reprodução, feita pelo AlphaGenome 2 (abre em nova aba) da Google DeepMind, do estudo liderado pelo geneticista e imunologista James Lee que identificou a raiz celular da doença inflamatória intestinal (DII). Para equipes de bioinformática e engenheiros de aprendizado de máquina que investigam como mutações afetam o comportamento celular, o AlphaGenome 2 é a escolha recomendada para priorização de variantes específicas por tipo e estado celular, sob duas condições estritas: o projeto deve se enquadrar nas regras de pesquisa não comercial para uso imediato via API (ou obter vaga no preview privado do Google Cloud para pesquisa comercial) e a infraestrutura de dados precisa tolerar chamadas remotas, já que o anúncio oficial não disponibiliza pesos abertos para execução local.
Apenas 2% do genoma humano codifica proteínas diretamente. Os outros 98% formam o chamado DNA não codificante (regiões da fita genética que não geram proteínas, mas funcionam como interruptores regulatórios que ligam, desligam ou modulam a intensidade de outros genes). O grande entrave computacional da genômica funcional reside no fato de que todas as células do corpo carregam a mesma sequência de DNA, mas uma única variante genética nessa região não codificante pode ser inofensiva em um cardiomiócito e patogênica em uma célula imune do intestino durante uma infecção.
Da média tecidual ao condicionamento por célula única
Embora a janela de contexto de 1 megabase (1 Mb, equivalente a 1 milhão de pares de bases de DNA) já estivesse presente na primeira versão do modelo, processar essa extensão de código genético para prever milhares de saídas simultâneas cobrava um preço severo na resolução biológica. O AlphaGenome 1 (abre em nova aba), detalhado por Žiga Avsec e colaboradores em artigo na revista Nature, operava sobre amostras em massa (bulk), recebendo a sequência de 1 Mb e gerando previsões fixas em paralelo para milhares de experimentos de tecidos amplos e linhagens celulares de uma só vez. Essa abordagem paralela diluía a capacidade representacional da rede neural e mascarava diferenças sutis entre tipos celulares próximos ou populações celulares raras dentro de um tecido heterogêneo.

A arquitetura mudou na raiz.
Em vez de prever um painel estático de tecidos médios em paralelo, o AlphaGenome 2 opera como um modelo condicional multimodal. A rede neural recebe dois vetores de entrada combinados: a sequência de DNA de 1 Mb e uma condição biológica específica. Para construir essa representação granular, a equipe da Google DeepMind (incluindo Adam Gayoso, Natasha Latysheva, Pushmeet Kohli e Žiga Avsec, conforme o artigo técnico do AlphaGenome 2 (abre em nova aba)) treinou o modelo com perfis de mais de 100 milhões de células individuais distribuídas em 68 tecidos, abrangendo 637 tipos de células humanas e 311 tipos de células de camundongos.
Mesmo sem exigir que o laboratório execute todos os ensaios bioquímicos na bancada, o modelo entrega previsões multimodais e realiza a imputação de modalidades não observadas ao longo da sequência de 1 Mb. Os sinais experimentais previstos (readouts) cobrem quatro frentes fundamentais da regulação genômica:
- Expressão gênica: a medida de quais genes estão sendo ativamente transcritos em RNA dentro de determinada célula.
- Acessibilidade da cromatina: o grau de abertura física do empacotamento do DNA, condição necessária para que fatores de transcrição consigam se ligar à fita genética.
- Modificações de histonas: alterações químicas nas proteínas que servem de carretel para o DNA, atuando como marcadores epigenéticos de ativação ou repressão.
- Metilação do DNA: a adição de grupos químicos metil diretamente às bases do DNA, um mecanismo epigenético de controle de transcrição que não existia na geração anterior e foi incorporado ao AlphaGenome 2 a pedido da comunidade científica.
No caso da doença inflamatória intestinal validado pelo grupo de James Lee em 2024, o problema biológico envolvia uma variante localizada em uma chave regulatória distante que hiperativava o gene ETS2 especificamente em macrófagos (células de defesa) do intestino. Em um modelo tradicional de tecido em massa, esse sinal se perde no ruído das demais células intestinais. Ao rodar previsões condicionais em múltiplos tipos de células imunes do trato gastrointestinal, o AlphaGenome 2 isolou a variante causal e apontou o aumento seletivo da expressão de ETS2 nos macrófagos intestinais, mantendo outros genes e tipos celulares praticamente inalterados.
Inferência zero-shot e integração via SDK em Python
A ausência de pesos abertos para download e o acoplamento obrigatório aos servidores da Google via chave de autenticação impedem o uso da ferramenta em ambientes hospitalares totalmente isolados da internet (air-gapped), o que exige planejamento de governança de dados antes de adotar o pipeline. Superada essa barreira de infraestrutura, a principal vantagem de engenharia do AlphaGenome 2 aparece na sua capacidade de generalização zero-shot (execução de previsões para categorias ou estados biológicos que não fizeram parte do conjunto de treinamento, sem necessidade de recalibrar os pesos da rede).
Esse mecanismo funciona por meio de um codificador celular (cell encoder) acoplado à arquitetura principal, técnica batizada pela documentação como condicionamento de expressão (expression conditioning). O desenvolvedor tem dois caminhos para parametrizar a inferência: escolher uma condição pré-existente no catálogo de referência dos 637 tipos celulares humanos ou fornecer dados brutos do seu próprio experimento de scRNA-seq (sequenciamento de RNA de célula única, técnica laboratorial que lê o perfil de transcrição individual de cada célula de uma amostra). Segundo Sarah Teichmann, cofundadora do consórcio Human Cell Atlas e professora na Universidade de Cambridge, essa adaptação direta permite prever como variantes de DNA agem em estados celulares recém-mapeados ou tecidos doentes a partir de uma amostra pequena de células, sem retreinamento.
O acesso programático ocorre pelo pacote oficial no PyPI, documentado no repositório do AlphaGenome no GitHub (abre em nova aba) e no portal AlphaGenome Documentation (abre em nova aba), acompanhado do código de pesquisa em alphagenome_research (abre em nova aba). A instalação exige apenas o gerenciador padrão do Python em um ambiente virtual (venv, uv ou conda):
pip install alphagenomePara pontuar o impacto de uma variante específica em uma janela de 1 Mb condicionada a um tipo celular catalogado (como monócitos CD14-positivos no sangue, identificados pelo código de ontologia UBERON:0000178_CL:0001054), a implementação segue o módulo v2 da biblioteca:
from alphagenome.data import genome
from alphagenome.models.v2 import dna_client
dna_model = dna_client.create('YOUR_API_KEY')
# Define a condicao biologica: monocitos CD14-positivos no sangue
condition = 'UBERON:0000178_CL:0001054'
# Seleciona a regiao genomica e centraliza um intervalo de 1 Mb na variante
variant = genome.Variant(
chromosome='chr2',
position=219243701,
reference_bases='C',
alternate_bases='T',
)
interval = variant.reference_interval.resize(dna_client.SEQUENCE_LENGTH_1MB)
# Pontua a variante em todos os avaliadores recomendados e formata como DataFrame
scores = dna_model.score_variant(
interval=interval,
variant=variant,
condition=condition,
)Benchmarks reportados vs. limites reais de detecção
Nenhuma das métricas de desempenho divulgadas no lançamento de novembro de 2026 veio de baterias de testes executadas de forma independente por consórcios externos após a liberação da API; todos os percentuais comparativos disponíveis até o momento são números reportados pela própria Google DeepMind em seu anúncio e preprint. A avaliação primária utilizou o conjunto de dados TenK10K, que reúne perfis de 28 tipos de células imunes primárias. Nesse cenário, a DeepMind comparou o AlphaGenome 2 contra uma linha de base composta pelo AlphaGenome 1 ajustado (fine-tuned) em dados de célula única e outras ferramentas especializadas.
Os resultados reportados mostram quase o dobro de sensibilidade na recuperação de variantes que alteram a expressão gênica:
- Identificação de variantes causais no TenK10K: 30% de acerto no AlphaGenome 2 contra 16% na linha de base comparativa.
- Previsão da direcionalidade do efeito gênico: 43% de precisão no AlphaGenome 2 contra 23% nas ferramentas anteriores avaliadas.
O salto de 16% para 30% representa um avanço expressivo em modelagem de sequência, mas uma leitura crítica dos mesmos números impõe cautela operacional. Errar ou deixar passar 70% das variantes causais em um benchmark controlado de células imunes demonstra que a ferramenta funciona como um filtro de triagem e priorização de hipóteses, jamais como substituto definitivo para ensaios funcionais in vitro. Além da taxa de falsos negativos inerente à complexidade da regulação tridimensional da cromatina, a arquitetura permanece circunscrita ao recorte de 1 Mb (SEQUENCE_LENGTH_1MB), o que significa que interações regulatórias de distância ultra-longa que ultrapassem a marca de um milhão de pares de bases a partir do centro da variante não entram no cálculo do contexto da sequência.
Comparativo: qual ferramenta da família AlphaGenome utilizar
Para evitar o desperdício de cota de API ou o desenho de arquiteturas redundantes, os engenheiros precisam distinguir o papel das três ferramentas mantidas no ecossistema da Google DeepMind para a mesma tarefa macro de interpretação de variantes genéticas.
| Critério Técnico | AlphaGenome 2 | AlphaGenome 1 | AlphaGenome Atlas |
|---|---|---|---|
| Abordagem de modelagem | Condicional por tipo ou estado celular (célula única) | Saídas paralelas fixas de tecidos em massa (bulk) e linhagens | Mutagênese in silico pré-computada em escala genômica |
| Base de treinamento / Escopo | >100 milhões de células (68 tecidos; 637 tipos humanos e 311 de camundongos) | Milhares de experimentos genômicos em amostras heterogêneas | Todas as 9 bilhões de trocas possíveis de letra única no genoma humano |
| Adaptação a dados próprios | Sim, via condicionamento de expressão com scRNA-seq sem retreinamento | Não possui codificador condicional para novos perfis de célula única | Não aplicável (consulta a banco de escores estáticos e escore AVI) |
| Modalidades previstas | Expressão, cromatina, histonas, metilação do DNA e imputação | Expressão gênica, modificações de histonas e acessibilidade da cromatina | Escores pré-calculados de efeito de variante e AlphaGenome Variant Impact (AVI) |
| Interface de acesso | Pacote Python (alphagenome.models.v2) e API não comercial / Cloud preview | Pacote Python legado e API | Interface web zero-code (alphagenome.google/atlas) e API |
A escolha prática depende diretamente da natureza do dado de entrada e da especificidade biológica exigida pelo estudo:
Decisão de arquitetura para análise de variantes de DNA
AlphaGenome 2 (API v2 + Condicionamento)
Indicado para bioinformatas e pesquisadores que investigam doenças ligadas a tipos celulares específicos (como subpopulações imunes), precisam prever metilação de DNA ou possuem matrizes próprias de scRNA-seq de tecidos doentes para inferência zero-shot.
AlphaGenome Atlas (Web Zero-Code / API)
Indicado para triagem rápida em larga escala de variantes de nucleotídeo único (SNVs) já mapeadas no genoma humano, quando o objetivo é consultar o AlphaGenome Variant Impact (AVI) entre 9 bilhões de mutações pré-calculadas sem custo de inferência sob demanda.
AlphaGenome 1 (API v1 Bulk)
Restrito à manutenção de pipelines legados baseados no artigo de Avsec et al. (2026) ou análises exploratórias gerais em que médias de tecidos inteiros e linhagens celulares padronizadas são suficientes.
Escolha o AlphaGenome 2 se o efeito patogênico da variante depender do estado celular ou se você tiver dados próprios de scRNA-seq; recorra ao AlphaGenome Atlas para consultas instantâneas de variantes pontuais conhecidas.
Enquanto a integração planejada sob o nome de "AlphaGenome 2 Skills" no ambiente Google Antigravity permanece apenas como promessa para um lançamento futuro, o uso produtivo hoje se apoia nos cadernos interativos do Google Colab e no cliente Python. O modelo encurta em meses a busca pelo interruptor genético certo, mas a prova final continua na bancada.

