O genoma humano possui cerca de 3 bilhões de pares de bases, mas mudar uma única “letra” desse código pode não fazer absolutamente nada — ou alterar processos relacionados a uma doença. Descobrir quais mudanças importam é um desafio gigantesco porque seria praticamente impossível testar todas em laboratório. O Google DeepMind decidiu atacar o problema de outra maneira: usou inteligência artificial para construir um mapa preditivo em uma escala difícil de imaginar.
Nove bilhões de mudanças possíveis, analisadas antes mesmo de chegar ao laboratório
O DNA utiliza um alfabeto surpreendentemente pequeno: A, C, G e T. Mas as combinações dessas quatro letras carregam as instruções necessárias para o funcionamento do organismo.
Quando uma dessas letras muda, surge uma variante genética.
Algumas são praticamente irrelevantes. Outras podem modificar a maneira como genes funcionam e, em determinados casos, contribuir para o desenvolvimento de doenças.
O grande problema sempre foi separar umas das outras.
Existem aproximadamente 9 bilhões de substituições possíveis de uma única letra no genoma humano. Testar experimentalmente cada uma seria uma tarefa praticamente inviável.
É aí que entra o novo AlphaGenome Atlas, apresentado pelo Google DeepMind.
Em vez de catalogar apenas variantes já encontradas em pessoas, a plataforma utiliza o modelo AlphaGenome para prever os possíveis efeitos moleculares de todas essas 9 bilhões de alterações.
O resultado é uma espécie de atlas do genoma: o pesquisador pode chegar com uma determinada variante e consultar o que a inteligência artificial prevê que aconteceria caso aquela letra fosse modificada.
E o tamanho do projeto ajuda a entender sua ambição.
O banco de dados ocupa aproximadamente 1 petabyte e é mais de 30 vezes maior que a base do AlphaFold, uma das ferramentas científicas mais conhecidas do DeepMind.
Mas armazenar bilhões de previsões não seria particularmente útil se os pesquisadores não soubessem onde começar.
A IA tenta encontrar as agulhas escondidas em um palheiro genético gigantesco
Para resolver esse problema, o DeepMind criou outra ferramenta dentro do Atlas: o AlphaGenome Variant Impact, ou AVI.
Na prática, o sistema atribui uma pontuação às variantes para ajudar pesquisadores a identificar quais parecem ter maior potencial de provocar efeitos biológicos importantes.
O AVI combina informações do AlphaGenome com o AlphaMissense, outro modelo do DeepMind desenvolvido para prever os efeitos de alterações que afetam proteínas.
Isso é especialmente relevante porque apenas cerca de 2% do genoma humano codifica diretamente proteínas.
Os outros 98% incluem regiões que ajudam a controlar quando, onde e em que intensidade os genes são ativados. É justamente nessa enorme área não codificante que estão muitas variantes associadas a características humanas e doenças.
O AlphaGenome tenta interpretar também esse território muito menos compreendido.
Suas previsões abrangem processos como expressão genética, splicing de RNA e acessibilidade da cromatina, considerando centenas de tipos celulares e tecidos humanos e de camundongos.
Em vez de dizer apenas “esta variante parece importante”, portanto, a ferramenta tenta oferecer pistas sobre por que ela poderia ser importante.
E alguns pesquisadores já começaram a colocar essa capacidade à prova.
Uma doença rara mostrou o que esse mapa pode fazer
Em colaboração com o consórcio GREGoR, pesquisadores utilizaram o AVI para investigar casos de doenças raras ainda sem explicação genética conclusiva.
Entre milhares de candidatos, o sistema ajudou a destacar uma alteração no gene DNM1 que havia passado despercebida em análises anteriores.
A previsão indicava que a variante criava um local incorreto de splicing, interferindo na maneira como as instruções genéticas eram processadas e levando a uma extensão anormal da proteína resultante. Depois, experimentos confirmaram o mecanismo previsto.
Outro experimento ocorreu com dados de mais de 54 mil participantes do UK Biobank.
Pesquisadores da Universidade de Exeter utilizaram o Atlas para procurar variantes raras em regiões não codificantes associadas a características humanas. Em um dos exemplos divulgados pelo DeepMind, uma região contendo 526 variantes candidatas pôde ser reduzida para apenas quatro consideradas mais relevantes.
Esse é provavelmente o potencial mais imediato da tecnologia.
A IA não precisa solucionar uma doença sozinha. Se conseguir reduzir milhares de possibilidades para algumas dezenas — ou até algumas unidades — pode permitir que cientistas concentrem tempo e dinheiro justamente nos experimentos com maior chance de produzir respostas.
Este não é um mapa capaz de prever seu futuro genético
Apesar da escala impressionante, existe uma distinção fundamental.
O AlphaGenome Atlas apresenta previsões computacionais, não resultados experimentais definitivos.
Encontrar uma variante classificada como potencialmente importante não significa automaticamente descobrir a causa de uma doença. As hipóteses ainda precisam ser verificadas em laboratório e interpretadas dentro do contexto biológico e clínico adequado.
O próprio DeepMind afirma que o AlphaGenome não foi validado para uso clínico.
Isso significa que a plataforma não deve ser entendida como uma ferramenta capaz de analisar o DNA de uma pessoa e entregar diagnósticos.
Sua função, por enquanto, é outra: ajudar cientistas a decidir onde vale a pena investigar primeiro.
O Atlas está disponível gratuitamente para pesquisa acadêmica e não comercial por meio de uma interface que pode ser utilizada sem conhecimento de programação. O DeepMind também pretende disponibilizá-lo comercialmente pelo Google Cloud.
Depois do AlphaFold mostrar como a IA poderia acelerar o estudo das estruturas das proteínas, o novo projeto tenta levar uma lógica semelhante para outro problema monumental da biologia.
Existem bilhões de possíveis mudanças escondidas no nosso código genético.
A grande novidade não é que a inteligência artificial tenha encontrado imediatamente o significado de todas elas. É algo talvez mais útil para a ciência: pela primeira vez, pesquisadores possuem um enorme mapa indicando onde as respostas mais interessantes podem estar escondidas.
[Fonte: Xataka]
