AI 연구 · 일반 브리핑 · UNREAL LAB 자체 기사
AI가 DNA 90억 개의 ‘오타 후보’를 미리 계산했다. 진단보다 먼저 빨라지는 일
Google DeepMind가 인간 유전체에서 가능한 한 글자 변화 90억 개의 분자적 영향을 미리 계산한 Atlas를 공개했다. 이 도구가 바꾸려는 것은 진단의 마지막 판단이 아니라, 연구자가 실험할 후보를 고르는 첫 단계다.
90억은 ‘발견된 돌연변이’ 목록이 아니다
숫자부터 오해하기 쉽다. 인간 참조 유전체에는 약 30억 개의 DNA 글자가 있고, 각 자리에는 원래 글자 외에 세 가지 다른 글자가 들어갈 수 있다. DeepMind는 이 조합을 모두 계산해 약 90억 개의 단일 글자 변화 예측을 Atlas에 담았다. 그래서 이 데이터는 90억 명의 환자 기록도, 이미 발견된 90억 개 질병 변이도 아니다. 모델이 ‘이 글자가 바뀌면 세포 안에서 무엇이 달라질 수 있는가’를 미리 추정한 거대한 후보 지도다.
모델을 매번 돌리던 일이 검색이 됐다
그동안 연구자는 의심되는 변이를 고르고, 코드를 준비해 모델을 실행한 뒤 결과를 비교해야 했다. AlphaGenome Atlas는 그 계산을 앞당겨 저장해 두고, 연구자가 브라우저에서 변이와 조직별 예측을 찾아보게 한다. 여기에 여러 예측을 압축한 AVI 영향 점수도 붙었다. 중요한 변화는 AI가 새로운 생물학 사실을 자동으로 확정한다는 데 있지 않다. 제한된 시간과 실험비를 어디에 먼저 쓸지 정하는 출발점이 빨라진다는 데 있다.
점수 하나가 진단이 될 수 없는 이유
유전체는 한 자리씩 따로 움직이지 않는다. 질병에는 여러 변이가 함께 작용할 수 있고, 멀리 떨어진 DNA 조절 부위가 특정 유전자에 영향을 주기도 한다. IEEE Spectrum이 소개한 외부 연구자의 지적처럼 AlphaGenome이 한 변이 주변 약 100만 염기쌍을 보더라도, 더 먼 거리에서 작동하는 조절 신호는 놓칠 수 있다. Nature와 Scientific American도 이 Atlas를 연구용 예측 지도와 출발점으로 설명한다. 높은 점수는 실험 우선순위를 뜻할 수는 있어도, 진단이나 치료 결론을 대신하지는 않는다.
병원보다 실험 노트가 먼저 바뀐다
가장 먼저 달라질 곳은 진료실보다 연구실의 후보 목록일 가능성이 크다. 희귀질환 연구팀은 수백 개 후보 중 어디를 먼저 세포 실험으로 확인할지, 신약 연구팀은 어떤 조절 DNA를 더 들여다볼지 고르는 데 이 지도를 보조 자료로 쓸 수 있다. Atlas가 유용해질수록 실험은 덜 중요해지는 것이 아니라 더 선별적으로 중요해진다. AI가 넓은 지도를 펼치고, 연구자는 그중 무엇을 실제 세계에서 확인할지 결정하는 역할이 선명해진다.