구글 딥마인드가 DNA의 염기서열을 예측할 수 있는 인공지능 알파게놈(AlphaGenome)을 내놨다. digitale.de on Unsplash


몇년 전 단백질의 구조를 예측하는 인공지능 알파폴드를 개발한 구글 딥마인드가 이번엔 염기서열의 변이가 유전자 기능에 미치는 영향을 예측하는 인공지능 알파게놈(AlphaGenome)을 내놨다.
알파폴드는 단백질을 구성하는 수십~수천개의 아미노산 서열(순서)만으로 단백질의 입체 구조를 예측하는 인공지능 모델로 이미 신약 개발과 질병 연구 등의 부문에서 널리 쓰이고 있다. 알파폴드를 개발 10원야마토게임 한 딥마인드 개발자 2명은 2024년 노벨화학상을 수상했다.
딥마인드는 이후 2023년 알파미스센스(AlphaMissense)를 발표했다. 알파미스센스는 알파폴드의 구조 예측 능력을 활용해 단백질을 생성하는 유전체 영역의 돌연변이가 유전자 기능에 어떤 영향을 미치는지 예측한다. 알파폴드와 알파게놈을 잇는 징검다리 같은 모델인 셈이다.
사이다쿨접속방법 딥마인드 연구진이 이번에 개발한 알파게놈은 인간 DNA 염기서열 중 단백질을 생성하지 않는 영역의 돌연변이가 미치는 영향에 초점을 맞춘다.
30억개의 염기쌍으로 이뤄진 인간 유전체 중 생명 활동의 거의 대부분을 수행하는 단백질 생성에 관여하는 것은 고작 2%다. 나머지 98%는 단백질을 만들지 않는 비암호화 영역이다. 하지만 바다이야기고래 유전자 발현에는 일정한 영향을 끼친다. 알파게놈은 바로 이 영역을 주된 표적으로 삼는다. 알파폴드 개발 직후인 2019년부터 시작한 알파게놈의 개발 과정은 최근 국제학술지 네이처에 표지논문으로 실렸다.
연구진은 알파게놈은 2021년 발표한 인포머(Enformer) 모델을 한 단계 발전시킨 것으로, 한 번에 최대 100만개의 염기쌍에 이르 릴게임한국 는 DNA 염기서열의 기능을 예측할 수 있다고 밝혔다. 예컨대 이 도구를 사용하면 인핸서(유전자 스위치) 역할을 하는 염기서열의 특정 변이가 유전자를 비활성화시킬지, 아니면 언제 활성화시킬지 등을 예측할 수 있다. 지금까지 검증된 인핸서와 관련 유전자의 99%는 서로 100만 염기쌍 이내에 있다. 연구진은 알파게놈이 유전 질환에 대한 이해를 높이고, 유전자 바다이야기다운로드 검사법 개선과 치료법 개발에 도움을 줄 수 있을 것으로 기대했다.



알파게놈 연구를 표지논문으로 선정한 1월29일치 네이처 표지.


“경이적 성과”…임상 적용까진 갈 길 멀어

알파게놈은 공개된 인간과 생쥐 게놈 데이터를 사용해 DNA 서열이 다양한 생물학적 과정에 어떻게 영향을 미치는지 학습했다.

연구진은 그 결과 알파게놈은 유전자 발현, 스플라이싱(염기서열 중 필요한 부분만 골라내는 과정) 같은 특정 기능과 관련된 11가지 유형의 변이를 동시에 예측할 수 있는 능력을 갖췄다고 밝혔다. 구체적으로는 5930개의 인간 유전 신호와 1128개의 마우스 유전 신호의 특성을 구분해 예측할 수 있다. 연구진은 하나의 기능만 예측할 수 있는 기존 예측 모델에 비해 알파게놈은 여러가지 기능의 예측을 한꺼번에 할 수 있다는 것이 강점이라고 강조했다.
연구진에 따르면 알파게놈은 다른 모델과 비교했을 때 26개 항목 중 25개 항목에서 변이 효과 예측 결과가 기존 최첨단 모델의 성능과 같거나 그 이상이었다.
연구진은 실제로 면역세포가 병원체와 싸울 수 있도록 돕는 탈원(TAL1) 유전자가 포함된 DNA 구간에 인위적으로 돌연변이를 추가해 알파게놈의 예측력을 시험했다. 이 유전자는 면역세포가 병원체와 싸울 수 있도록 세포 성장을 촉진시킨 뒤 역할을 마치면 비활성 상태로 돌아온다. 그런데 이 유전자에서 약 8000개 염기가 떨어진 곳에 돌연변이가 발생할 경우엔 이 유전자가 꺼지지 않고 영구적으로 활성화할 수 있다. 이렇게 되면 면역세포의 증식을 통제할 수 없게 돼 백혈병이 유발될 수 있다. 연구진은 알파게놈이 이런 돌연변이가 생길 경우 유전자에 미치는 영향을 정확히 예측했다고 밝혔다. 논문 제1저자인 지그 아브세크 박사는 “알파게놈이 제대로 작동하는 모습은 마치 마법을 보는 것과 같았다”고 말했다.
이번 연구에 참여하지 않은 뉴욕 콜드스프링하버연구소의 피터 구 박사(컴퓨터생물학)는 뉴욕타임스에 “인공지능을 유전체에 적용하는 데 있어 중요한 진전을 이뤘다”며 경이로운 공학적 성과라고 평가했다.
일부 과학자들은 이미 알파게놈을 사용하기 시작했다. 백혈병 연구자인 영국 유니버시티칼리지런던(UCL)의 마크 만수르 교수(소아 혈액종양학)는 알파게놈이 암의 유전적 원인을 찾는 연구에 “획기적인 변화를 가져왔다”고 말했다. 그는 그러나 “알파게놈의 예측력은 유전자에서 멀어질수록 약해지기 때문에 암 연구에 활용하고는 있지만 결과를 맹신하지는 않는다”고 덧붙였다. 연구진도 “유전자에서 10만 염기 이상 떨어진 곳에서 발생한 DNA 변이의 영향을 예측하는 것은 어렵다”고 인정했다.
존스홉킨스대의 스티븐 잘츠버그 박사(전산생물학)는 “개발자들이 학습에 사용한 데이터에 지나치게 의존했다”며 낙관을 경계했다. 또 영국 글래드스톤연구소의 캐서린 폴라드 박사(데이터과학)는 “알파게놈은 인간 유전체 하나에서 단일 돌연변이가 미치는 영향만을 예측할 뿐”이라며 “알파게놈이 실제로 환자의 유전체를 검사해 건강에 위협이 되는 요소를 찾아내는 데 사용할 수 있는 도구가 되려면 아직 멀었다”고 말했다.
푸시밋 콜리 딥마인드 부사장은 기자회견에서 “지난해 6월 첫 공개 이후 지금까지 160개국 3000여명의 과학자들이 암, 감염병, 신경퇴행성 질환 등 다양한 질병 연구에 알파게놈을 활용한 실험을 진행했다”고 말했다.
연구진은 앞으로 예측할 수 있는 생물 종과 비암호화 영역을 확장해 알파게놈의 활용 범위를 넓혀가겠다고 밝혔다. 연구진은 비상업적 연구 목적에 쓸 수 있도록 알파게놈 API(https://github.com/google-deepmind/alphagenome)를 통해 프리뷰 형태로 알파게놈을 공개했다.
*논문 정보
Advancing regulatory variant effect prediction with AlphaGenome. Nature(2026).
https://doi.org/10.1038/s41586-025-10014-0
곽노필 선임기자 nopil@hani.co.kr