딥마인드, DNA 변이 90억 개를 1페타바이트 지도에 미리 계산했다

인간 게놈을 읽는 데 병목이었던 것은 서열 해독이 아니라, 약 90억 가지에 이르는 염기 한 글자 변화 가운데 실제로 무언가를 일으키는 것이 무엇인지 가려내는 일이었다. Google DeepMind가 9월 8일 내놓은 답은 변이를 하나씩 추론하는 방식을 버리고 전부 미리 계산해 두는 것이다. AlphaGenome Atlas는 예측된 분자 수준 영향을 담은 1페타바이트 규모 카탈로그로, 학술 목적에는 무료로 열려 있으며 용량은 AlphaFold 데이터베이스의 30배를 넘는다.

핵심 요약

• AlphaGenome Atlas는 단일 염기 변이 약 90억 건의 분자 수준 영향 예측을 담았고, 인간 게놈의 코딩 영역과 비코딩 영역을 모두 아우른다.
• 새로 도입한 AlphaGenome Variant Impact(AVI) 점수는 AlphaGenome과 AlphaMissense의 예측을 숫자 하나로 압축해, 연구자가 실험에 들어가기 전에 변이의 우선순위를 매길 수 있게 한다.
• 초기 협력 연구진은 이를 활용해 뇌전증성 뇌병증과 연관된 DNM1 변이를 짚어냈고, UK 바이오뱅크 데이터에서 비코딩 형질 연관성을 22% 더 찾아냈다.

왜 지금 공개인가

AlphaGenome 자체는 지난해 공개돼 이미 연구 현장에서 쓰이고 있다. DeepMind의 유전체 부문 책임자 지가 아브세츠(Ziga Avsec)는 The Verge가 전한 기자간담회에서 이 점을 인정하며, 1년의 공백을 그만한 규모의 변이 공간을 미리 계산하고 분석하는 데 드는 순수 비용 탓으로 돌렸다. 결국 엔지니어링 작업 자체가 제품이었던 셈이다. 필요할 때마다 돌려야 하던 추론 문제가 조회표로 바뀌었고, 이는 생물학자에게 건네기에 전혀 다른 물건이다.

이 차이가 AlphaFold 비교를 유효하게 만든다. 2022년 데이터베이스 확장은 실험으로 규명된 약 19만 건이던 단백질 구조를 2억 건이 넘는 예측으로 늘렸다. 이 확장이 생명과학 지형을 바꾼 이유는 새로움이 아니라 접근성이었다. 코딩을 모르는 연구자도 마침내 직접 열어볼 수 있게 됐기 때문이다.

변이 하나를 조회하면 나오는 것

90억 개 항목은 각각 인간과 생쥐의 수백 개 세포 유형·조직에 걸친 수천 건의 분자 영향 예측을 담고 있다. AVI 점수는 AlphaMissense의 단백질 영향 예측과 AlphaGenome의 조절 영역 예측을 함께 묶어 이를 순위를 매길 수 있는 숫자 하나로 압축한다. 특성 기여도 분석은 그 점수를 다시 염색질 접근성과 스플라이싱, 보존도로 분해한다. 상위에 오른 변이에는 경고등이 아니라 작동 기전이 함께 따라붙는다는 뜻이다.

네 번째 자원은 전사인자가 결합하는 짧은 서열, 즉 반복 등장하는 DNA 모티프 2,500여 개를 정리했다. DeepMind는 여러 변이 병원성·희귀질환 벤치마크에서 AVI가 최고 수준 성능을 냈다고 밝히며, 이 점수가 비코딩 DNA에서도 작동한다는 점을 강조한다. 비코딩 영역은 게놈의 98%를 차지하고 형질 연관 변이 대부분이 모여 있지만, 해석은 늘 가장 취약했던 구간이다.

공개 전 협력 연구진이 찾아낸 것

브로드연구소의 로라 코빌과 앤 오도넬루리아 연구원은 GREGoR 컨소시엄과 함께 AVI로 기존 분석이 지나쳤던 희귀질환 후보 변이의 순위를 다시 매겼다. 그 과정에서 뇌전증성 뇌병증과 연관된 유전자 DNM1의 변이를 찾아냈는데, 모델은 이 변이가 잘못된 스플라이스 부위를 만들어 비정상적으로 길어진 단백질을 낳는다고 예측했다. 실험 스크리닝이 예측을 확인했고, 같은 방식으로 작동하는 인접 변이들도 함께 드러났다.

두 번째 검증은 집단 규모로 이뤄졌다. 엑서터대학교의 개러스 호크스는 UK 바이오뱅크 참가자 5만 4,000여 명의 전장 유전체 데이터에 Atlas를 적용했다. 예측된 분자 영향에 따라 희귀 변이를 묶는 방식으로 통계적 잡음 속에서 비코딩 연관성을 22% 더 끌어냈고, PLA2G7과 EGLN1을 조절하는 변이도 여기 포함됐다. 체질량지수 분석을 영향력 상위 1% 비코딩 변이로 좁히자 실험으로 파고들 만한 유전 영역 19곳이 남았다.

이용 조건과 한계

현재는 웹 포털과 AlphaGenome API, Google Antigravity 안의 스킬을 통해 비상업 용도로 접근할 수 있고, 상업 이용자를 위한 Google Cloud 제공은 추후로 예고됐다. DeepMind는 이것이 머신러닝 결과물일 뿐 임상 지침이 아니라고 분명히 못 박는다. AlphaGenome은 어떤 임상 용도로도 검증되거나 승인된 바 없으며, 모든 결과는 여전히 실험실 확인을 거쳐야 한다.

이번 공개는 하나의 흐름 위에 놓여 있다. Google DeepMind 과학 부문은 연구용 모델을 실제 인프라로 바꾸는 작업을 꾸준히 이어왔다. 가장 최근 사례는 WeatherNext가 예보관에게 사이클론 경보 하루치를 더 벌어준 일이다. 공동창업자 데미스 허사비스가 연구소 운영에서 물러나 Isomorphic Labs의 과학 연구와 신약 개발에 집중하기로 한 시점과도 맞물린다.

자주 묻는 질문

AlphaGenome Atlas는 무료로 쓸 수 있나

비상업 학술 연구라면 무료다. 무료 웹 포털과 AlphaGenome API로 접근한다. 상업적 이용은 추후 Google Cloud를 통해 제공될 예정이다.

AVI 점수란 무엇인가

AlphaGenome Variant Impact 점수는 AlphaGenome의 조절 영역 예측과 AlphaMissense의 단백질 영향 예측을 하나의 순위 숫자로 합친 값이다. 어떤 분자 과정이 점수를 끌어올렸는지 보여주는 특성 기여도가 함께 제공되며, DeepMind는 여러 변이 병원성·희귀질환 벤치마크에서 최고 수준 결과를 냈다고 밝혔다.

의사가 환자 진단에 쓸 수 있나

쓸 수 없다. DeepMind는 AlphaGenome이 임상 용도로 검증된 적이 없고 Atlas 결과가 전문적인 의학적 조언이나 진단, 치료를 대신할 수 없다고 밝히고 있다. 연구 우선순위를 가리는 도구이며, 결과는 여전히 실험적 검증을 거쳐야 한다.