기술 트렌드
구글 AlphaGenome 2, 질병 유전자의 ‘어느 세포에서’를 묻다
글 · 정우석
구글 딥마인드가 DNA의 변화가 서로 다른 세포에 어떤 영향을 미치는지 분석하는 AI 모델 AlphaGenome 2를 공개했다고 더버지가 보도했습니다.
핵심은 질병과 관련된 유전 변이를 찾는 데서 나아가, 그 변화가 어떤 세포에서 문제를 일으키는지 더 세밀하게 들여다보는 것입니다.
AI가 질병의 정답을 내놓았다기보다, 연구자가 실험으로 확인해야 할 가설의 범위를 좁히는 도구가 진화했다는 쪽이 이번 소식의 정확한 무게중심입니다.
배경에는 2025년 6월 공개된 전작 AlphaGenome이 있는데, 이 모델은 약 100만 개의 DNA 염기로 구성된 서열을 입력받아 유전자 조절과 관련된 여러 특성을 예측하도록 설계됐습니다.
인간 유전체는 약 30억 쌍의 염기로 이뤄져 있지만 단백질을 직접 만드는 영역은 2% 미만이어서, 나머지 영역의 변화를 해석하는 일이 큰 난제로 남아 있습니다.
변이가 단백질의 모양을 바꾸지 않더라도 유전자가 언제, 어디서, 얼마나 작동하는지에 영향을 주면 질병과 연결될 수 있기 때문입니다.
같은 DNA를 지닌 세포도 간세포인지 면역세포인지에 따라 사용하는 유전자와 조절 방식이 달라, 서열만 읽고 생물학적 결과를 단정하기는 어렵습니다.
이 계열의 AI는 DNA 서열과 실험에서 측정한 생물학적 신호 사이의 관계를 학습해, 서열 변화가 일으킬 결과를 예측하는 접근을 취합니다.
다만 제공된 보도 요약만으로는 AlphaGenome 2의 구체적인 학습 데이터, 세포 유형별 정확도, 전작 대비 개선 폭을 확인할 수 없습니다.
이번 발표를 읽을 때 구분해야 할 쟁점은 세 가지입니다.
- 분석 대상: 변이의 위치를 찾는 것과 그 변이가 특정 세포의 유전자 조절에 미치는 영향을 설명하는 것은 다른 과제입니다.
- 연구 효용: 세포별 영향 예측은 실험 후보의 우선순위를 정하는 데 유용할 수 있지만, 곧바로 질병의 원인을 확정하지는 못합니다.
- 검증 기준: 평균 성능뿐 아니라 희귀 변이와 학습 데이터가 부족한 세포에서도 예측이 유지되는지 확인해야 합니다.
인사이트
AlphaGenome 2의 관전 포인트는 DNA를 읽는 규모보다 변이의 영향을 세포 맥락에 맞게 좁히는 능력입니다. 신약 개발에서의 가치는 정답을 선언하는 데서가 아니라, 다음에 할 실험을 더 정확히 고르는 데서 입증될 것입니다.
자주 묻는 질문
- 이제 DNA만 넣으면 무슨 병에 걸릴지 알 수 있어?
- 그렇게 해석할 근거는 없습니다. AlphaGenome 2는 DNA 변화가 세포에 미치는 영향을 연구하는 모델로 소개됐으며, 개인의 질병 위험을 확정하는 임상 진단 도구와는 구분해야 합니다.
- AlphaFold랑은 뭐가 다른 거야?
- AlphaFold는 단백질 구조와 생체분자 간 상호작용 예측에 초점을 맞춘 모델 계열입니다. AlphaGenome 2는 DNA 변화가 서로 다른 세포에 미치는 영향을 분석하는 데 초점을 맞춥니다.
- 전작보다 얼마나 좋아졌는데?
- 제공된 보도 요약에는 전작 대비 성능 개선 수치나 세포 유형별 평가 결과가 없습니다. 개선 정도를 판단하려면 동일한 평가 조건에서의 비교와 독립적인 실험 검증 결과를 확인해야 합니다.
이 기사 어땠어요?
피드백을 남겨주시면 더 나은 맞춤 추천을 만듭니다.