무슨 일이 있었나요
구글 딥마인드가 AlphaGenome으로 인간 DNA의 변이 약 90억 개에 대한 예측 결과를 담은 지도, 이른바 아틀라스(Atlas)를 공개했어요. 90억이라는 숫자가 어디서 나왔냐면, 인간 유전체는 약 30억 개의 염기(A, T, G, C)로 이루어져 있는데요. 각 위치에서 원래 염기가 다른 세 가지 염기 중 하나로 바뀔 수 있으니까, 30억 곱하기 3, 그러니까 이론적으로 가능한 '한 글자 변이(single nucleotide variant)' 거의 전부에 해당하는 숫자예요. 실험실에서 하나씩 검증하려면 몇 세대가 걸려도 못 끝낼 양을, 모델이 한 번에 계산해서 내놓은 거죠.
AlphaGenome이 뭐냐면
배경부터 잠깐 짚고 갈게요. 우리 유전체에서 실제로 단백질을 만드는 부분, 그러니까 코딩 영역은 전체의 2% 정도밖에 안 돼요. 나머지 98%는 예전에 '정크 DNA'라고 불렸는데, 사실은 어떤 유전자를 언제, 어디서, 얼마나 켜고 끌지 조절하는 스위치와 다이얼 역할을 하거든요. 문제는 이 조절 영역에서 글자 하나가 바뀌면 무슨 일이 생기는지 예측하기가 정말 어려웠다는 거예요. 코딩 영역의 변이는 '이 아미노산이 저 아미노산으로 바뀐다'처럼 비교적 규칙이 명확한데, 조절 영역은 그런 문법이 없거든요.
AlphaGenome은 2025년 여름에 딥마인드가 처음 공개한 모델인데요. 이게 뭐냐면, DNA 서열 100만 염기(1메가베이스)를 통째로 입력받아서 그 안에서 벌어지는 일을 수천 가지 관점에서 동시에 예측하는 모델이에요. 유전자 발현량, 스플라이싱(RNA를 자르고 붙이는 편집 과정), 염색질 접근성(DNA가 풀려 있어서 단백질이 붙을 수 있는지), 3차원 접힘 구조까지 한 모델이 다 예측해요. 그것도 염기 하나 단위의 해상도로요.
기존 모델과 뭐가 다르냐면, 예전 모델들은 '넓게 보면 해상도가 떨어지고, 자세히 보면 시야가 좁아지는' 트레이드오프에 갇혀 있었어요. 카메라로 치면 광각과 망원을 동시에 못 쓰는 상황이었죠. AlphaGenome은 합성곱(CNN) 계층으로 지역 패턴을 잡고, 트랜스포머 계층으로 멀리 떨어진 서열 간 관계를 잡는 구조를 써서 이 둘을 같이 해결했어요. 학습 데이터는 ENCODE, GTEx 같은 대규모 공개 실험 데이터셋이고요.
이번 아틀라스의 의미
변이 효과를 예측하는 방식은 간단해요. 원래 서열을 넣어서 예측하고, 글자 하나 바꾼 서열을 넣어서 다시 예측한 다음, 두 결과의 차이를 보는 거예요. 이걸 90억 번 한 셈이죠. 결과물은 '이 위치의 이 변이는 어떤 조직에서 어떤 유전자의 발현을 얼마나 바꿀 것 같다'는 점수표가 돼요.
이게 왜 중요하냐면, 유전체 연구에서 가장 흔한 상황이 '환자한테서 변이를 잔뜩 찾았는데, 이 중 뭐가 진짜 원인인지 모르겠다'거든요. 특히 GWAS(전장유전체 연관분석)로 찾은 질병 관련 변이의 대부분이 조절 영역에 있어서, 지금까지는 연관은 있는데 기전은 모르는 상태로 남아 있었어요. 미리 계산된 아틀라스가 있으면 연구자가 무거운 모델을 직접 돌리지 않고도 자기 변이 목록을 조회해서 우선순위를 매길 수 있어요. 데이터베이스 조인 한 번으로 후보를 걸러내는 거죠.
업계 맥락
딥마인드는 2023년에 AlphaMissense로 단백질 코딩 변이 7,100만 개를 전부 분류한 적이 있는데요. 이번 아틀라스는 그걸 비코딩 영역까지 확장한 후속편이라고 보면 돼요. 경쟁 구도로는 미국 Arc Institute의 Evo 2 같은 DNA 파운데이션 모델, 그리고 그 전 세대인 Enformer, Borzoi 같은 모델이 있어요. Evo 2가 DNA를 언어처럼 학습하는 생성형 접근이라면, AlphaGenome은 실험 결과를 직접 예측하는 지도학습 접근이라는 차이가 있고요. 딥마인드는 AlphaFold로 단백질 구조를, AlphaMissense로 코딩 변이를, 이제 AlphaGenome으로 조절 영역까지 커버하면서 생명과학 전 영역의 예측 모델이라는 그림을 완성해 가는 중이에요.
한국 개발자에게 주는 시사점
바이오 분야가 아니더라도 눈여겨볼 만한 지점이 있어요. 첫째, '모든 경우의 수를 미리 계산해서 조회 가능한 자산으로 만든다'는 발상이에요. 추론 비용이 큰 모델을 매번 돌리는 대신 한 번 계산해서 인덱싱해두는 건, 임베딩 캐시나 사전 계산 테이블과 같은 사고방식이거든요. 둘째, 국내 바이오 스타트업이나 병원 연구실에서는 공개된 API와 데이터로 이 아틀라스를 바로 활용할 수 있어요. 한국인 유전체 데이터를 다루는 팀이라면 특히 관심 가질 만해요. 다만 예측은 예측일 뿐이라 실험 검증은 여전히 필요하고, 학습에 쓰인 실험 데이터가 특정 조직과 세포 유형에 치우쳐 있어서 그 밖의 상황에서는 정확도를 계속 확인해야 한다는 점은 기억해두세요.
마무리
한 줄로 정리하면, 인간 유전체에서 가능한 한 글자 변이 거의 전부에 대해 '이게 무슨 일을 하는지' 예측표가 생겼다는 거예요. 여러분은 이런 전수 사전 계산 방식이 다른 분야에도 통할 거라고 보세요? 혹시 자기 도메인에서 비슷하게 적용해볼 만한 게 있을까요?
🔗 출처: Hacker News