생명의 세 영역을 모두 아우르는 오픈 소스 게놈 AI 'Evo 2' 공개

이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.

핵심 요약

기존의 게놈 AI 모델인 Evo가 박테리아 게놈에 국한되었던 한계를 극복하고, 인간을 포함한 진핵생물까지 분석 가능한 Evo 2가 발표되었다. StripedHyena 2 아키텍처를 기반으로 8.8조 개의 염기쌍 데이터인 OpenGenome2를 통해 학습되었으며, 최대 400억 개의 파라미터를 보유한다. 이 모델은 인트론 경계, 조절 DNA, 단백질 구조 등 복잡한 게놈 특징을 별도의 파인튜닝 없이 제로샷으로 식별하는 능력을 갖췄다. 연구팀은 모델 파라미터와 학습 코드, 데이터셋을 모두 오픈 소스로 공개하여 유전체학 연구의 새로운 전기를 마련했다.

배경

분자생물학 기초 (DNA 복제, 전사, 번역 과정), 유전체 구조 이해 (엑손, 인트론, 조절 서열), 대규모 언어 모델 및 CNN 아키텍처에 대한 기본 지식

대상 독자

유전체학 연구자, 생물정보학 개발자, AI 기반 신약 개발 연구원, 분자생물학자

의미 / 영향

Evo 2는 생물학의 '기초 모델(Foundation Model)'로서 게놈 해석의 패러다임을 바꿀 잠재력을 지닌다. 특히 인간 게놈의 98%를 차지하는 비부호화 영역의 기능을 이해하는 데 강력한 도구가 될 것이며, 오픈 소스 공개를 통해 개인화 정밀 의료 및 합성 생물학 분야의 발전을 가속화할 것으로 전망된다.

섹션별 상세

Evo 2는 박테리아, 고균, 진핵생물 등 생명의 세 영역 전체를 아우르는 8.8조 염기쌍 규모의 OpenGenome2 데이터셋으로 학습되었다. 인간 게놈과 같은 진핵생물의 복잡한 구조를 파악하기 위해 StripedHyena 2라는 합성곱 신경망(CNN) 기반 아키텍처를 채택했다. 학습은 8,000 염기쌍 단위의 특징 학습과 100만 염기쌍 단위의 장거리 맥락 학습이라는 2단계 과정을 거쳐 수행되었다.

진핵생물 게놈의 난제인 인트론(Intron)과 조절 DNA 식별에서 탁월한 성능을 보였다. 진핵생물은 유전자 사이에 단백질을 코딩하지 않는 방대한 영역이 존재하여 분석이 어려웠으나, Evo 2는 이러한 복잡한 패턴을 통계적 확률로 인식한다. 특히 BRCA2 유전자 변이 분석 등에서 기존의 전문화된 도구들보다 우수하거나 대등한 성능을 입증했다.

별도의 작업별 파인튜닝 없이도 제로샷 예측이 가능하다는 점이 핵심적인 특징이다. 모델 내부를 분석한 결과, 뉴럴 네트워크가 단백질의 알파 헬릭스나 베타 시트 같은 구조적 특징뿐만 아니라 전사 및 번역 시작 부위의 변이 심각도까지 스스로 학습했음이 확인되었다. 이는 모델이 생물학적 서열의 기능적 중요성을 내재적으로 이해하고 있음을 시사한다.

생물학적 서열 설계 도구로서의 가능성도 타진되었다. 특정 세포 유형에서만 활성화되는 조절 DNA를 설계하는 실험에서 약 17%의 성공률을 기록했다. 비록 단백질 설계 수준의 완성도에는 미치지 못하지만, 복잡한 진핵생물 시스템에서 AI가 기능적 서열을 생성할 수 있음을 보여준 유의미한 결과로 평가된다.

연구팀은 모델의 오남용 방지를 위해 인간에게 위협이 될 수 있는 진핵생물 감염 바이러스 데이터는 학습에서 제외했다. 동시에 모델 파라미터, 추론 코드, 데이터셋 전체를 공개하여 전 세계 연구자들이 암 게놈 분석이나 새로운 유전자 주석 도구 개발에 활용할 수 있도록 지원한다.

실무 Takeaway

유전체 연구자는 Evo 2의 제로샷 기능을 활용해 복잡한 진핵생물 게놈에서 인트론 경계와 조절 영역을 기존 도구보다 높은 정확도로 자동 주석화할 수 있다.
OpenGenome2 데이터셋과 40B 파라미터 모델이 공개되었으므로, 특정 질병 연구나 약물 반응 예측을 위해 모델을 커스텀 데이터로 추가 학습시켜 특화된 분석기를 구축할 수 있다.
Evo 2의 내부 활성화 패턴 분석 기법을 적용하면 인간이 아직 발견하지 못한 새로운 게놈 특징이나 조절 메커니즘을 탐색하는 연구 도구로 활용 가능하다.

언급된 리소스

논문Evo 2: A large-scale genome model for all domains of life