O mapa do DNA não codificante da Google DeepMind: o AlphaGenome Atlas entre ambição e limites de precisão

A 8 de setembro de 2026, a Google DeepMind apresentou o AlphaGenome Atlas, um arquivo digital que reúne previsões pré-calculadas sobre o impacto molecular das variantes do DNA humano. A base cobre nove mil milhões de variantes de nucleótido único, mapeando toda alteração possível de uma única letra no genoma. Com cerca de um petabyte — mais de trinta vezes o tamanho da base do AlphaFold —, o Atlas concentra-se no DNA não codificante, que representa perto de 98% do material genético e regula a atividade das proteínas. Até aqui, usar o modelo AlphaGenome exigia sólidos conhecimentos de programação e uma infraestrutura de cálculo considerável; com este lançamento, a empresa desloca o processamento para montante e entrega os resultados diretamente num portal web, gratuito para uso não comercial.

Para concluir o mapeamento, a equipa de desenvolvimento teve de aumentar cerca de oitenta vezes a velocidade de cálculo do modelo, como noticiou a IEEE Spectrum. O responsável de genómica da Google DeepMind, Žiga Avsec, sublinhou o enorme esforço de engenharia exigido pelo trabalho, enquanto o vice-presidente da empresa, Pushmeet Kohli, afirmou que compreender esta linguagem da vida pode desbloquear muitíssima coisa. O Atlas introduz o AlphaGenome Variant Impact (AVI), uma pontuação única pensada para ordenar e resumir as previsões vindas do AlphaGenome e do AlphaMissense, aplicável tanto a regiões codificantes como não codificantes. O percurso dos modelos segue uma cronologia clara: depois do AlphaFold em 2020 e do AlphaMissense em 2023, o AlphaGenome foi anunciado em 2025 e descrito num artigo da Nature em janeiro de 2026. Segundo a Scientific American, os utilizadores comerciais — as farmacêuticas, por exemplo — precisam de licença, ao passo que o acesso continua gratuito para investigadores académicos; o blogue da DeepMind anuncia o uso comercial 'em breve' na Google Cloud, sem indicar data nem preços.

Apesar do impacto potencial, a comunidade científica e as fontes independentes apontam várias lacunas documentadas. A Scientific American refere que o Atlas é muito menos preciso do que a base do AlphaFold e deve ser tomado apenas como ponto de partida. O modelo tem limites estruturais: não consegue avaliar patologias que exigem a presença simultânea de várias variantes, e os enhancers que regulam genes a distâncias enormes podem cair fora da janela de um milhão de pares de bases que o modelo examina em torno de cada variante. Sobre a pontuação de impacto, o genomista da University of British Columbia Carl de Boer observa que tem um uso claro, mas que provavelmente será fácil de interpretar mal. Quanto ao valor do trabalho, é taxativo: perceber como as alterações influenciam a regulação é fundamental para perceber a maioria das doenças. A própria DeepMind esclarece que os dados do Atlas não substituem parecer, diagnóstico ou tratamento médico e não estão validados nem aprovados para uso clínico. No plano metodológico fica um ponto em aberto: o artigo da Nature de janeiro de 2026 diz respeito ao modelo AlphaGenome, ao passo que, para o Atlas, o blogue remete para um documento técnico em PDF; não há indicação de que o lançamento venha acompanhado de trabalho revisto por pares.

A estratégia da DeepMind repete o esquema já visto com o AlphaFold: primeiro o modelo, depois a base de dados que o torna consultável por quem não tem código nem GPU. Reduzir a complexidade biológica a um índice único consultável no browser baixa a barreira de entrada, mas a utilidade real vai medir-se pela capacidade dos laboratórios de não confundirem um mapa pré-calculado com um dado clínico, sobretudo enquanto faltar validação independente. — Olya