과학 AI
90억 DNA 변이를 미리 계산한 AI 유전체 지도
Google DeepMind의 AlphaGenome Atlas는 인간 게놈에서 가능한 약 90억 단일염기 변이의 분자 영향을 미리 예측한 연구용 데이터베이스입니다.
이 글에서 다룰 내용
AlphaGenome 작동 원리, AVI 점수의 의미, 희귀질환 연구 활용, 임상 진단과 구분해야 할 한계
90억 개의 변이를 담은 DNA 지도
인간의 DNA는 약 30억 개의 염기로 구성됩니다. 각 위치의 염기는 기존 글자 외에 세 가지 다른 글자로 바뀔 수 있으므로, 이론적으로 약 90억 개의 단일 염기 변화를 생각할 수 있습니다.
문제는 이 수많은 변화를 실험실에서 하나씩 확인하는 일이 현실적으로 불가능하다는 점입니다. 시간과 비용은 물론, 어떤 변이부터 살펴봐야 하는지 정하는 것조차 쉽지 않습니다.
Google DeepMind가 공개한 AlphaGenome Atlas는 이 문제를 해결하기 위해 만들어졌습니다. 인간 게놈에서 가능한 90억 DNA 변이가 유전자 조절과 생물학적 과정에 어떤 영향을 미칠지 AlphaGenome으로 미리 계산해 둔 데이터베이스입니다.
쉽게 말하면 연구자가 매번 AI 모델을 실행하지 않아도 필요한 위치를 찾아 예측 결과를 확인할 수 있는 지도입니다. Google DeepMind 공식 발표 기준 전체 데이터 규모는 약 1페타바이트입니다.
AlphaGenome은 무엇을 예측할까
AlphaGenome은 DNA 서열을 읽고 특정 변이가 분자 수준에서 일으킬 수 있는 변화를 예측하는 AI 모델입니다. 유전자 발현, RNA 스플라이싱, 염색질 접근성, 전사인자 결합, 유전체의 3차원 접촉과 같은 여러 생물학적 신호를 함께 살펴봅니다.
특히 중요한 부분은 단백질을 직접 만드는 영역만 분석하지 않는다는 점입니다. 인간 게놈에서 단백질을 암호화하는 영역은 약 2%에 불과하고, 나머지 98%는 유전자 활동을 조절하는 비암호화 영역으로 이루어져 있습니다.
기존 분석에서는 비암호화 영역에 있는 DNA 변이의 의미를 해석하기가 무척 어려웠습니다. AlphaGenome Atlas는 다양한 인간 및 생쥐의 세포와 조직을 기준으로 수천 가지 분자 효과를 예측해 이 빈틈을 줄입니다.
따라서 이번 공개는 단순히 데이터가 많아졌다는 소식에 그치지 않습니다. AI 유전체 분석의 범위가 게놈 전체로 확장됐다는 점에서 의미가 큽니다.
복잡한 예측을 AVI 점수 하나로 정리
변이 하나에 수많은 예측값이 붙으면 연구자는 또 다른 문제를 만나게 됩니다. 어떤 수치를 먼저 봐야 하고, 여러 후보 가운데 무엇을 우선 조사해야 하는지 판단하기 어렵기 때문입니다.
이를 위해 함께 공개된 것이 AVI 점수입니다. 정식 명칭은 AlphaGenome Variant Impact 점수로, 각 유전 변이가 생물학적 기능에 영향을 미칠 가능성을 하나의 숫자로 요약합니다.
AVI 점수는 AlphaGenome의 유전자 조절 예측과 단백질 변화의 영향을 분석하는 AlphaMissense의 강점을 결합합니다. 덕분에 단백질을 만드는 코딩 영역과 유전자 활동을 조절하는 비코딩 영역을 함께 평가할 수 있습니다.
점수가 높다고 해서 해당 변이가 반드시 질병을 일으킨다는 뜻은 아닙니다. 다만 수많은 후보 중에서 추가 실험이 필요한 변이를 빠르게 우선순위에 올리는 기준으로 활용할 수 있습니다.
점수를 구성한 근거도 확인할 수 있습니다. 유전자 발현이나 RNA 스플라이싱처럼 AlphaGenome이 예측한 분자 과정 중 무엇이 결과에 기여했는지 살펴볼 수 있어 단순한 숫자보다 해석에 도움이 됩니다.
희귀질환과 신약 연구에 어떤 변화가 생길까
희귀질환 환자의 유전체를 분석하면 수많은 변이가 발견됩니다. 그중 실제 증상과 관련된 변이를 찾는 과정은 거대한 건초더미에서 바늘을 찾는 일에 가깝습니다.
AlphaGenome Atlas를 활용하면 연구자는 후보 변이마다 모델을 새로 실행하지 않고 미리 계산된 결과를 조회할 수 있습니다. AVI 점수로 범위를 좁힌 뒤, 어떤 세포와 조직에서 어떤 분자 과정이 영향을 받을지 살펴보는 방식입니다.
질환과 연관된 조절 영역 탐색과 유전자 기능 규명에도 활용할 수 있습니다. 실험 전에 가능성이 높은 후보를 추려낼 수 있으므로 후속 검증 대상을 정하는 데 도움이 될 수 있습니다.
이처럼 AlphaGenome Atlas는 AlphaFold가 단백질 구조 연구에 가져온 변화와 비슷한 방향을 보여 줍니다. 과학 AI가 개별 질문에 답하는 모델을 넘어 대규모 예측 지식을 미리 구축하는 기반 시설로 발전하고 있는 것입니다.
예측 지도와 의학적 진단은 다르다
아무리 정교한 AI라도 생명 현상을 완벽하게 재현할 수는 없습니다. 유전 변이의 실제 영향은 개인의 다른 유전적 특징, 생활환경, 나이, 조직 상태 등 여러 조건에 따라 달라질 수 있습니다.
따라서 AlphaGenome Atlas의 결과는 연구를 시작하기 위한 근거로 봐야 합니다. 세포와 동물 실험, 환자의 임상 정보, 가족력, 다른 유전체 분석 결과를 함께 검토해야 신뢰할 수 있는 결론에 가까워집니다.
특히 AVI 점수만 보고 질병 여부를 판단하거나 치료 방향을 결정해서는 안 됩니다. Google DeepMind는 AlphaGenome이 임상용으로 검증되거나 승인되지 않았으며, Atlas 정보가 의료 조언·진단·치료를 대신하지 않는다고 명시했습니다.
과학 AI가 유전체 연구의 출발점을 바꾼다
AlphaGenome Atlas의 가장 큰 가치는 정답을 대신 내려주는 데 있지 않습니다. 연구자가 90억 개의 가능성 앞에서 어디부터 확인해야 하는지 알려 주는 탐색용 지도라는 데 있습니다.
지금까지는 특정 DNA 변이를 발견한 뒤 분석을 시작했다면, 이제는 게놈 전체에 대한 예측값을 먼저 살펴보고 중요한 후보를 골라낼 수 있습니다. Google DeepMind의 이번 공개는 과학 AI가 실험을 대체하기보다 더 좋은 실험을 설계하도록 돕는 방향으로 진화하고 있음을 보여 줍니다.
한 줄 요약: AlphaGenome Atlas는 인간에게 가능한 90억 개의 단일 DNA 변이를 미리 계산해 유전체 연구의 출발점을 바꾼 AI 지도입니다.
