이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.
TL;DR
Google DeepMind가 인간 유전체에서 가능한 약 90억 개의 단일 DNA 문자 치환이 분자 수준에서 어떤 영향을 미칠지 예측한 AlphaGenome Atlas를 공개했습니다. 이 플랫폼은 공공 인간·생쥐 유전체 데이터로 학습한 AlphaGenome의 예측을 유전체 전체에 적용하고, 단백질을 직접 암호화하지 않는 영역까지 포함해 약 1페타바이트 규모의 카탈로그를 구축했습니다. 연구자는 웹 포털, Antigravity의 skill, AlphaGenome interface에서 결과를 조회하고 Variant Impact Score로 추가 연구가 필요한 변이를 우선순위화할 수 있습니다. 비상업적 이용은 웹사이트에서 시작되며 상업적 이용은 Google Cloud에서 곧 제공될 예정입니다.
섹션별 상세
인간 유전체에는 A, C, G, T 네 종류의 DNA 문자가 약 30억 쌍 들어 있으며, 개별 문자의 변화는 무해할 수도 질병에 관여할 수도 있습니다. 가능한 단일 문자 치환이 약 90억 개에 이르기 때문에 어떤 변이가 실제로 중요한지 가려내기 어렵습니다. AlphaGenome Atlas는 이 후보들을 분자 수준의 영향 예측으로 정리해 질병 연구에서 우선 조사할 변이를 좁히는 기반을 마련합니다.
AlphaGenome Atlas는 각 단일 문자 변이가 특정 단백질의 생산량처럼 분자 생물학적 과정에 미칠 효과를 미리 계산한 카탈로그입니다. 기반 모델인 AlphaGenome은 인간과 생쥐의 공개 유전체 데이터에서 DNA 변화와 생물학적 과정 사이의 패턴을 학습했고, 그 예측을 수십억 개 변이에 적용했습니다. Google은 결과 데이터셋의 규모가 약 1페타바이트라고 밝혔습니다.
이 플랫폼은 단백질을 직접 암호화하는 유전자뿐 아니라 유전자 작동 방식을 조절하는 비암호화 영역까지 예측 범위에 넣습니다. 연구자는 웹 포털, Google의 agentic development platform인 Antigravity의 skill, AlphaGenome interface를 통해 결과를 조회할 수 있습니다. Variant Impact Score는 다른 DNA 변화 예측 모델을 활용해 후보 변이를 빠르게 순위화하고 분자적 효과 해석을 동시에 진행하도록 돕습니다.
이번 Atlas는 지난해 공개된 AlphaGenome과 단백질을 바꿀 가능성이 있는 소규모 변이를 예측한 AlphaMissence의 작업을 유전체 전체 규모로 확장한 결과입니다. Ziga Avsec은 기반 모델 공개 이후에도 이처럼 많은 변이를 사전 계산하고 분석하는 데 시간이 걸렸다고 말했습니다. 예측 카탈로그가 연구자의 후보 선별 속도를 높이면 질병의 유전적 원인을 찾고 새로운 치료법 후보를 탐색하는 과정에 활용될 수 있습니다.
Google은 AlphaGenome Atlas를 이날부터 웹사이트에서 연구 목적의 비상업적 이용에 제공하고 상업적 이용은 Google Cloud에서 곧 지원할 예정입니다. 이 프로젝트는 AlphaFold와 Isomorphic Labs를 포함해 과학·의학 문제에 AI를 적용하려는 Google의 흐름에 이어집니다. 다만 기사에서 제시된 내용은 변이의 분자적 효과에 대한 예측 카탈로그 공개이며, 실제 치료법 개발이나 임상 효과가 확인됐다는 뜻은 아닙니다.
용어 해설
- 유전체(Genome)
- — 유전체는 생명체가 가진 DNA 전체의 염기서열 정보입니다. DNA의 A, C, G, T 배열에는 유전자가 언제 어디서 어느 정도 활성화될지 결정하는 지침이 담깁니다. 질병과 관련된 변이를 찾으려면 이 전체 배열과 유전자 조절 과정의 연결을 함께 살펴야 합니다.
- 단일 염기 변이(Single-letter Variant)
- — 단일 염기 변이는 DNA를 구성하는 한 글자인 염기 하나가 다른 염기로 바뀐 경우입니다. 이런 변화는 단백질 생산량이나 유전자 활성 조절에 영향을 줄 수 있지만, 아무런 효과가 없을 수도 있습니다. AlphaGenome Atlas는 약 90억 개의 가능한 단일 문자 치환이 분자 수준에서 일으킬 효과를 예측합니다.
- 비암호화 영역(Non-coding Region)
- — 비암호화 영역은 단백질을 직접 만드는 유전 정보를 담지 않는 DNA 구간입니다. 이 영역도 유전자의 활성화 시점과 정도를 조절하는 역할을 할 수 있어 질병 관련 변이 연구에서 중요합니다. AlphaGenome Atlas는 단백질을 직접 암호화하지 않는 유전체 대부분까지 예측 범위에 포함합니다.
- 변이 영향 점수(Variant Impact Score)
- — 변이 영향 점수는 DNA 변화가 생물학적 기능에 미칠 가능성을 수치화해 여러 변이의 우선순위를 정하는 지표입니다. Google은 다른 DNA 변이 예측 모델의 결과를 활용해 Variant Impact Score를 만들었습니다. 연구자는 수십억 개 후보를 점수로 정렬하면서 분자 수준의 효과 해석을 함께 진행할 수 있습니다.
- 페타바이트(Petabyte)
- — 페타바이트는 약 1,000테라바이트에 해당하는 대규모 데이터 용량 단위입니다. AlphaGenome을 이용해 수십억 개 변이에 대한 예측을 계산하고 저장한 결과물의 규모가 약 1페타바이트에 이릅니다. 이 용량은 개별 변이 예측을 모은 Atlas가 단순한 모델이 아니라 방대한 사전 계산 데이터셋이라는 점을 보여줍니다.
기술
- AlphaGenome Atlas
- AlphaGenome
- AlphaMissence
- Variant Impact Score (AVI)
- Antigravity
- AlphaGenome interface
- Google Cloud
- AlphaFold
활용 사례
- 질병과 관련된 DNA 변이 후보 선별
- 변이가 단백질 생산량과 유전자 조절에 미치는 영향 예측
- 유전체 연구에서 후속 실험 대상의 우선순위 설정
- 신약 개발을 위한 질병의 유전적 원인 탐색
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 09. 08.수집 2026. 09. 08.출처 타입 RSS
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.
