Correção

Minhas recomendações mais frequentes para um brasileiro que começa a se interessar por Genealogia são: (1) faça um teste de DNA desses que se tornaram conhecidos na mídia e (2) escolha uma empresa brasileira para fazer esse teste. Não são recomendações com interesse comercial, pois não tenho nenhum tipo de parceria com as empresas que oferecem tais testes. Meu interesse é puramente prático: ao escolher uma empresa brasileira, a pessoa contribuirá para aumentar a base de dados genéticos de brasileiros, o que reverte em informação útil para a pesquisa genealógica local, reduzindo as correspondências (matches) com estrangeiros que podem estar relacionados apenas remotamente. Mas preciso reconhecer, ou reiterar, que as empresas brasileiras ainda são limitadas quanto aos recursos que oferecem para a pesquisa puramente genealógica. E aqui vou tratar de mais uma limitação que nem é tão evidente para os recém-chegados.

Apenas para ficar no caso da Genera, que provavelmente tem a maior base de dados genéticos de brasileiros, podemos atestar que o foco da empresa não é a Genealogia, pois nela não encontramos mesmo uma ferramenta básica para análise aprofundada das correspondências (matches) entre os clientes, como a triangulação. Mas aqui desejo falar da tal limitação dessa plataforma que pode passar despercebida para os novatos: a estimativa de DNA compartilhado entre matches. Já faz tempo que nas comunidades do Facebook dedicadas ao tema da Genealogia Genética se reconhece que o Genera subestima o valor de DNA compartilhado, que é medido em centimorgans. Isso pode ter impacto na estimativa do grau de parentesco, principalmente para pessoas que fazem o teste da plataforma para descobrir a identidade de seus pais biológicos.

A título de exemplo, apresento a seguinte tabela, na qual informo a quantidade de DNA que, de acordo com a Genera, compartilho com minhas primas Regina, Simone e Thais. Essa quantidade é comparada com os valores correspondentes informados pela GEDmatch e a MyHeritage. Regina é minha prima de primeiro grau (temos os mesmos avós por um ramo), enquanto Simone e Thais são minhas primas de segundo grau (temos os mesmos bisavós). É perceptível o quanto os valores informados pela primeira plataforma se encontram apartados dos valores informados pelas outras duas, nas quais a diferença é menor.

Por considerar importante ter uma estimativa mais real a partir dos valores informados pela Genera, busquei apoio do ChatGPT para entender de que forma ela operava a discrepância a fim de chegar a um modelo de correção. Alimentei a IA com uma pequena amostra de 20 itens comparativos de valores em cM para matches encontrados no Genera e no GEDmatch para mim, para minhas primas e para alguns clientes. A análise comparativa revelou que a Genera sistematicamente subestimava os valores de cM e o fazia de forma mais acentuada em faixas intermediárias, sugerindo um modelo não linear. Em contrapartida, nos casos da amostragem em que o parentesco era muito próximo (pais, filhos ou irmãos), a plataforma pareceu superestimar levemente os cM.

A partir dessa interpretação, a IA produziu um modelo de correção que foi embutido na ferramenta exibida abaixo. Para usá-la, basta digitar o valor de cM informado pela Genera para um dado match a fim de obter um valor corrigido quando isso for aplicável.

Desde já alerto que a ferramenta acima está em contínuo aperfeiçoamento.

José Araújo é genealogista.