구글 딥마인드, ‘알파게놈 2’ 공개…DNA 변이 작용 세포 예측

세포 1억개 학습, 원인 변이 식별률 16%→30%
1년 반 걸렸던 장질환 연구도 30분 만에 재현

구글 제공

구글 딥마인드가 인공지능(AI) 모델 ‘알파게놈 2’(AlphaGenome 2)를 11일(현지시간) 공개했다. 지난해 6월 선보인 유전체 분석 AI ‘알파게놈’의 후속모델이다.

새 모델은 DNA 변이가 인체의 어떤 세포에서 어떤 영향을 미치는지 세포 유형별로 예측할 수 있도록 지원한다. 변이가 실제로 작용하는 세포를 짚어낼 수 있어, 질병 원인 규명과 신약 개발을 위한 표적 탐색 등이 더욱 속도를 낼 수 있을 것으로 구글 측은 기대한다.

인체 세포는 거의 모두 같은 DNA를 갖고 있지만 심장 근육세포, 면역세포 등 종류에 따라 켜고 끄는 유전자가 다르다. 같은 면역세포도 감염에 대응할 때와 평상시의 유전자 활동이 다르다. 따라서 동일한 DNA 변이라도 세포 종류와 상태에 따라 영향이 달라진다. 기존 알파게놈은 여러 세포가 섞인 조직 단위 데이터를 주로 학습해 이런 차이를 가려내는 데 한계가 있었다.

딥마인드에 따르면 알파게놈2는 인간과 생쥐의 68개 조직에서 확보한 1억700만개 이상의 개별 세포 프로필 등을 학습했다. 학습에 쓰인 세포 유형은 인간 637종, 생쥐 311종으로 전해진다. 100만 염기 길이의 DNA 서열과 함께 분석할 조직·세포의 종류나 상태를 입력받아 유전자 발현 등 분자 수준의 변화를 예측하도록 설계됐다. 단백질을 직접 만드는 유전자뿐 아니라, 멀리 떨어진 유전자의 활동을 조절하는 DNA 변이를 해석하는 데도 활용할 수 있다고 회사는 설명했다.

딥마인드 자체 평가에서 알파게놈2가 면역세포 28종을 포함한 데이터세트(TenK10K) 대상으로 유전자 발현을 바꾸는 원인 변이를 찾아낸 비율은 30%로, 단일 세포 데이터로 미세조정한 기존 알파게놈(16%)의 2배에 가까웠다. 변이가 유전자 활동을 늘리는지 줄이는지 맞힌 비율도 23%에서 43%로 높아졌다. 학습하지 않은 세포 유형·상태도 연구자가 수십 개의 단일 세포 실험 데이터만 넣으면 재학습 없이 예측해, 질병이나 백신 접종으로 달라진 세포 연구에도 활용 가능하다.

기존 연구 결과를 계산으로 재현한 사례도 제시됐다. 2024년 영국 프랜시스크릭연구소는 DNA 변이가 대식세포에서 ‘ETS2’ 유전자를 과도하게 활성화해 염증성 장질환(IBD) 발병 위험을 높인다는 사실을 밝혀낸 바 있다. 이 변이는 단백질을 만드는 유전자가 없는 이른바 ‘유전자 사막’에 있어 작용 기전을 밝히기 어려웠다. 알파게놈2는 실험 없이 컴퓨터 계산만으로 이 원인 변이를 짚어내고 변이가 장내 대식세포에서 ETS2 활동을 선택적으로 높인다는 점을 재현했다.

프랜시스크릭연구소에서 당시 연구를 이끈 제임스 리 박사는 이를 두고 “그들은 30분 만에 해답을 찾아냈지만, 우리는 1년 반 동안 실험을 거듭해야 했었다”고 국제 학술지 네이처에 말했다. 피터 쿠 미 콜드스프링하버연구소 연구원도 “아이디어 자체는 새롭지 않지만, 구현된 엔지니어링과 그 퍼포먼스는 상당히 인상적”이라고 네이처에 전했다.

다만 여기에는 비용이 따른다. 지가 아브세츠 구글 딥마인드 유전체학 책임자는 알파게놈2의 정밀한 분석에 기존 모델보다 “더 많은 비용이 든다”고 미 IT매체 더버지에 설명했다. 지난 9월 공개한 ‘알파게놈 아틀라스’처럼 인간 유전체의 단일 염기 변이 90억개를 모두 예측하는 작업 등에는 쓰기 어려운 한계가 있어, 당분간 기존 모델을 다 대체하지는 않는다는 것이다. 또, 예측 성능이 높아졌어도 실험과 검증의 필요성은 여전하다는 평가다.

알파게놈2는 이날부터 비상업적 연구에 한해 응용프로그램인터페이스(API)를 통해 제공되며, 상업적 연구용은 제한적인 비공개 프리뷰로 운영된다. 구글은 이 모델이 임상·진단 목적으로 검증·승인되지 않았다고도 명시했다. 앞서 딥마인드는 단백질 구조 예측 AI ‘알파폴드’로 2024년 노벨 화학상 수상자를 배출하기도 했다.

팽동현 기자 dhp@dt.co.kr