A genômica, campo que desvenda os segredos do DNA humano, encontra nos supercomputadores aliados poderosos. No entanto, a promessa de descobertas rápidas e precisas esbarra, por vezes, em limitações que vão além da velocidade bruta das máquinas. O "Million Veteran Program" (MVP) do Departamento de Assuntos de Veteranos dos EUA, que coletou dados genéticos de um milhão de veteranos, ilustra essa complexidade. Ravi Madduri, cientista sênior do Laboratório Nacional de Argonne, destaca a generosidade dos veteranos em doar seus dados sem expectativa de retorno, criando uma "dívida" que ele e sua equipe buscam saldar através de avanços científicos.
O desafio reside em transformar um volume colossal de dados genéticos em insights acionáveis. A pesquisa genômica, especialmente estudos de associação em larga escala (GWAS), questiona como variantes genéticas específicas se correlacionam com condições médicas. Multiplicar essa pergunta por milhões de variantes e pacientes resulta em um problema matemático de proporções gigantescas, ideal para supercomputadores. Contudo, a equipe de Madduri descobriu que a mera potência de processamento não era suficiente. Ao rodar análises no sistema Summit, no Oak Ridge Leadership Computing Facility, o trabalho estagnou. A matriz de dados necessária para a análise não cabia na memória, um problema que a velocidade dos processadores convencionais (CPUs) não resolvia.
O Código é a Chave
A análise profunda do código revelou que o gargalo não era a falta de velocidade, mas sim a forma como o software havia sido escrito. Originalmente desenvolvido para processadores comuns, o código passava a maior parte do tempo executando uma operação específica: a multiplicação de grandes matrizes numéricas. Essa é precisamente a tarefa para a qual as Unidades de Processamento Gráfico (GPUs), motores da inteligência artificial moderna, são otimizadas. A arquitetura computacional que acelera a descoberta em IA é, portanto, fundamental para a genômica populacional.
Liderada por Alex Rodriguez, a equipe reescreveu partes críticas do código para aproveitar as GPUs. Essa otimização transformou uma tarefa que exigiria cerca de 481.000 horas de CPU em algo tratável, tornando um trabalho virtualmente impossível em viável. O pacote genético amplamente utilizado, SAIGE, foi adaptado para esta nova arquitetura, resultando no SAIGE-GPU. Essa mudança não apenas acelerou o processo, mas permitiu que os pesquisadores abordassem o problema de forma mais holística. Em vez de análises incrementais focadas em uma doença por vez, a equipe pôde processar todos os dados genéticos disponíveis do MVP de uma só vez, buscando um conjunto mais amplo de associações.
Desvendando a Diversidade Genética
Os resultados publicados na revista Science, com a participação do grupo de Madduri, analisaram 2.068 traços em 635.969 veteranos, identificando 13.672 regiões genômicas ligadas a condições de saúde. Um achado crucial foi que cerca de 1.600 dessas associações só puderam ser identificadas porque quase um terço dos participantes não eram de ascendência europeia. Estudos genômicos anteriores, majoritariamente focados em populações europeias, tornavam essas associações "invisíveis". A diversidade ancestral do MVP exigiu uma abordagem analítica mais complexa, onde os grupos não podiam ser simplesmente agrupados. Diferenças na prevalência de certas condições entre grupos ancestrais poderiam mascarar marcadores genéticos genuínos. Por isso, cada grupo foi analisado separadamente e os resultados combinados posteriormente, revelando conexões que existiriam em nenhum grupo isoladamente.
Madduri enfatiza que esses achados são "preclínicos", a fase de descoberta que mapeia as áreas de interesse. Transformar essas regiões em tratamentos levará anos de trabalho subsequente. No entanto, a otimização computacional reduziu drasticamente o tempo de análise, permitindo que as mesmas perguntas sejam feitas com maior rigor estatístico e populações maiores. O avanço tecnológico, portanto, não é apenas sobre velocidade, mas sobre a capacidade de expandir o escopo e a profundidade da investigação científica.
A Barreira dos Dados e a Solução Federada
Um dos grandes entraves na pesquisa biomédica é a dificuldade em compartilhar dados entre instituições, um contraste com a maior liberdade com que dados cosmológicos, por exemplo, podem ser movimentados. A solução para isso é "mover o modelo", e não os dados. A aprendizagem federada permite treinar modelos de IA em dados que permanecem em suas instituições de origem, protegidos por firewalls. Apenas os ajustes aprendidos pelo modelo são compartilhados e combinados, criando um modelo global aprimorado que é distribuído de volta aos colaboradores. Essa abordagem, viabilizada por frameworks como o Argonne Privacy-Preserving Federated Learning (APPFL), depende fundamentalmente da colaboração humana e de infraestruturas que facilitem a execução de tarefas computacionais autorizadas sob credenciais institucionais.
O projeto APPFL, por exemplo, utiliza o Globus Compute para submeter trabalhos de treinamento através de diferentes agendadores de sistema, abstraindo complexidades técnicas. A premissa é que um sítio com dados únicos contribui para um modelo mais robusto e benéfico para todos os participantes. Essa descentralização do processamento é um passo crucial para democratizar o acesso a análises de larga escala, especialmente quando dados sensíveis não podem ser centralizados. A capacidade de "mover dados de forma confiável" evoluiu do Reliable File Transfer para o Globus, e agora para a capacidade de manter os dados no lugar, um testemunho da evolução da computação de alta performance.
O Futuro é Colaborativo e Automatizado
Madduri observa que, apesar dos avanços, a coordenação entre instituições para realizar experimentos de larga escala ainda envolve muita intervenção humana. A esperança está na American Science Cloud, que visa automatizar esses processos via APIs. A meta é transformar dados em curas e tratamentos, utilizando coortes de dados especiais como a do MVP. A conexão de Madduri com a Conferência de Supercomputação (SC) é longa e frutífera, servindo como um termômetro para os avanços em processamento paralelo, escalonamento de IA, paralelização e otimização de recursos. O interesse recente em "agentes de IA" aponta para a próxima fronteira.
O campo da genômica, impulsionado pela computação avançada e pela IA, enfrenta o desafio contínuo de traduzir dados brutos em benefícios tangíveis para a saúde. A colaboração interinstitucional e a otimização de software são tão cruciais quanto a potência bruta dos supercomputadores. A jornada, que começou com a promessa de desvendar os segredos do DNA, segue em frente, um avanço técnico e uma conferência de supercomputação de cada vez, na busca por descobertas que possam, um dia, salvar vidas e aliviar o sofrimento.
Com reportagem de Brazil Valley
Source · The Register
