Google DeepMind에 따르면 AlphaGenome Atlas는 사람 DNA에서 일어날 수 있는 한 글자 변화 90억 가지 전부에 점수를 부여해, 연구자가 어떤 변이부터 살필지 정하도록 돕는다. DeepMind는 개별 세포 유형에서의 영향을 예측하는 AlphaGenome 2도 공개했으며, 두 도구 모두 임상용이 아니라 연구 보조 수단이라고 설명한다.

연구 과학자 Žiga Avsec은 2026년 11월 17일 Google의 Ask a Scientist 시리즈에서 이 작업을 설명했다. 2026년 11월 11일 자 DeepMind의 AlphaGenome 2 글에는 기술적 세부 내용이 담겨 있다.

AlphaGenome Atlas란 무엇인가

사람 게놈에는 30억 개의 염기쌍이 있고, 각 글자는 다른 세 글자로 바뀔 수 있어 한 글자 변화는 90억 가지다. 많은 유전 질환은 이 가운데 하나의 변화에서 비롯되지만, 연구실이 전부 시험해 볼 수는 없다.

DeepMind는 2025년 6월 공개한 AlphaGenome으로 이 모든 변화의 결과를 예측했고, 9월에 AlphaGenome Atlas로 내놓았다. 각 변이에는 AVI(AlphaGenome Variant Impact) 점수가 붙는다. DeepMind는 이 점수가 게놈 전체에 대한 잠재적 영향을 보여 주고, 가장 파괴적인 변화를 골라 후속 연구를 하도록 돕는다고 설명한다.

  • 입력: 염기쌍 100만 개 길이의 부분 DNA 서열
  • 출력: 서열당 수천 개의 예측
  • 규모: 한 글자 변화 90억 가지 전부에 대한 예측
AlphaGenome 2 발표에 쓰인 아이소메트릭 큐브 일러스트
사진: Google DeepMind

AlphaGenome 2는 무엇이 달라졌나

AlphaGenome은 주로 조직 전체나 세포주 데이터로 학습했고, DeepMind는 세포 유형 특이성을 핵심 한계로 꼽는다. AlphaGenome 2는 100만 글자 서열과 조직이나 세포 유형 같은 조건 하나를 입력받아 그 조건에서의 영향을 예측한다. DeepMind에 따르면 68개 조직에 걸친 1억 개가 넘는 개별 세포 프로필로 학습했다.

DeepMind는 세포에서 유전자 발현을 바꾸는 변이를 이전 최고 수준 모델의 거의 두 배 찾아냈다고 보고했다. 면역 세포 28종 데이터셋에서 원인 변이 식별률은 30%로, 단일 세포 데이터로 미세 조정한 기존 모델의 16%보다 높았고, 유전자 영향 방향 예측은 43% 대 23%였다. 이 수치는 DeepMind와 협력 연구진이 낸 것이며, 글에는 독립적인 검증이 언급되지 않는다. 논문은 bioRxiv 프리프린트다.

연구자들은 지금까지 무엇을 했나

DeepMind에 따르면 엑서터대학교의 Gareth Hawkes는 Atlas로 변이 10억 개 목록을 좁혔다. 영향이 큰 상위 1%에 집중해 체질량지수와 연관된 19개 변이 그룹을 우선 연구 대상으로 골랐다.

Broad Institute의 Laura Covill은 해결되지 않은 희귀 질환 연구에 AVI 점수를 썼다. Atlas는 신경발달 장애와 연관된 유전자의 핵심 변이를 짚어 냈고, 이는 이후 해결된 사례의 뒷받침 근거가 됐다.

가격

가격은 공개되지 않았다. DeepMind에 따르면 비상업 연구자는 AlphaGenome API와 Colab 튜토리얼을 이용할 수 있다. 상업 연구는 Google Cloud를 통한 비공개 프리뷰이며 AlphaGenome 2 페이지에 관심 양식이 있다. DeepMind는 11월 30일까지 활용 사례도 받으며, 선정된 프로젝트는 추가 할당량과 크레딧을 받을 수 있다고 밝혔다. 최신 조건은 DeepMind 페이지에서 확인하자.

누구에게 맞나

유전학 연구자. 환자 시료에서 나온 수백만 개 변이를 걸러야 하는 사람은 순위를 매길 수단을 얻는다. Avsec은 희귀 질환 환자 한 명에게서 변이 400만 개가 나오고, 희귀한 것만 남겨도 수백에서 수천 개 후보가 남는 예를 들었다.

신약 개발 팀. DeepMind는 제약 연구자가 유망한 치료 표적을 더 빨리 찾고 검증하도록 도울 수 있다고 밝혔다.

농업 연구자. DeepMind는 모델 구조가 기후 변화에 강한 작물 육종에 도움이 될 수 있다고 보지만 아직 결과는 내놓지 않았다.

일반 독자와 환자. 이 도구는 진단을 하지 않는다. DeepMind는 AlphaGenome 2가 임상이나 진단 용도로 검증되거나 승인되지 않았으며, 예측은 다른 정보와 함께 해석해야 한다고 밝혔다.

아직 알려지지 않은 것은

DeepMind는 모델의 확신 정도를 더 잘 측정할 방법을 연구 중이며, 방향성 예측은 확신이 있을 때만 내놓는다고 밝혔다. 사람 세포를 완전히 디지털로 시뮬레이션한다는 장기 목표는 밝힌 지향점일 뿐 제품이 아니다.

다음 단계

DeepMind의 AlphaGenome 2 글에서 논문 링크, API 이용 방법, 관심 양식을 확인하자. 위 수치는 외부 연구진이 보고하기 전까지 개발사 자체 결과로 받아들이는 것이 좋다.