Por Que o Sequenciamento do Genoma Ainda É Raro Apesar do Custo Quase Zero

O sequenciamento do genoma completo passou por um dos colapsos de custo mais dramáticos da história da ciência — de quase US$ 3 bilhões durante o Projeto Genoma Humano para algumas centenas de dólares hoje. No entanto, menos de 1% das pessoas no mundo já sequenciou seu genoma. Uma discussão organizada pela Longevity.Technology com o Dr. Ronjon Nag, professor adjunto de genética da Universidade de Stanford e CEO da Agemica, explora por que o preço, por si só, não impulsionou a adoção em massa.

O argumento central de Nag é que o sequenciamento se tornou um problema de comunicação, não de tecnologia. A maioria das pessoas não tem uma compreensão básica do que é um genoma ou por que ele importa para suas decisões diárias de saúde. O genoma — o manual completo de instruções do DNA do corpo — influencia tudo, desde a suscetibilidade a doenças até a forma como metabolizamos nutrientes, mas permanece psicologicamente distante da cultura de saúde convencional.

Produtos anteriores de genética para o consumidor, como os kits de ancestralidade, apresentaram milhões de pessoas à genômica pessoal, mas raramente se traduziram em mudanças comportamentais. Descobrir uma herança étnica inesperada é interessante; isso não altera hábitos de sono ou escolhas alimentares. O sequenciamento do genoma completo vai mais além, lendo todo o código genético em vez de marcadores selecionados, revelando informações muito mais ricas sobre risco de doenças e características biológicas.

Uma ressalva crucial permeia toda a discussão: variantes genéticas indicam probabilidade, não certeza. Um gene associado ao Alzheimer ou ao câncer de mama não é um diagnóstico — é um fator entre muitos, incluindo estilo de vida, ambiente, microbioma intestinal e biomarcadores sanguíneos. Nag usa uma analogia com o tempo: seu genoma indica a probabilidade de chuva, mas se você vai se molhar depende de você estar ou não com um guarda-chuva.

A inteligência artificial é posicionada como a camada transformadora. Em vez de entregar PDFs estáticos com dados genômicos brutos, a IA poderia integrar sequências genômicas com métricas de saúde em tempo real para gerar orientações personalizadas e conversacionais — respondendo a perguntas práticas sobre sensibilidade à cafeína, tipo de exercício ideal ou metabolismo de carboidratos. A implicação prática é clara: os dados genômicos podem se tornar verdadeiramente úteis somente quando interpretados de forma dinâmica em conjunto com outros biomarcadores.