알파게놈 아틀라스: 인간 게놈에서 가능한 모든 DNA 염기 변화를 예측하는 지도

오늘 구글 딥마인드는 인간 게놈에서 발생할 수 있는 모든 단일 염기 변화, 즉 90억 개에 달하는 단일 염기 변이(single-nucleotide variants)의 영향을 예측한 플랫폼인 ‘알파게놈 아틀라스(AlphaGenome Atlas)’를 공개합니다. 알파게놈 아틀라스는 유전적 돌연변이가 분자 생물학에 미치는 영향을 집대성한 가장 포괄적인 카탈로그로, 누구나 직관적이고 자유롭게 이용할 수 있는 웹 포털을 통해 학술 연구용으로 제공됩니다.

DNA는 ‘생명의 언어’입니다. 이를 제대로 이해하는 것은 생물학을 이해하고 질병을 치료하는 우리의 능력을 근본적으로 변화시킬수 있는 중요한 도전 과제입니다. 하지만 지금까지의 연구는 유전적 변이가 분자 수준에서 생물학에 어떤 영향을 미치는지 해석해야 한다는 근본적인 문제에 가로막혀 있었습니다. 인간 게놈에서 발생할 수 있는 단일 염기 돌연변이만 약 90억 개에 달하기 때문에 이를 실험실에서 일일이 검증하는 것은 사실상 불가능하기 때문입니다.

구글 딥마인드는 인공지능(AI) 모델 알파게놈(AlphaGenome)을 통해 유전적 변이가 생물학적 과정에 미치는 영향을 예측할 수 있습니다. 알파게놈은 특정 변이를 분석하는 데 유용하여 연구 현장에 널리 활용되고 있지만, 연구자들에게 게놈 전체에 걸친 변이들을 한눈에 보여주는 거시적인 시각까지 제공하지는 않았습니다.

이에 구글 딥마인드는 알파게놈의 예측 결과를 대규모로 사전 연산해 모델의 활용 범위를 대폭 확장하고 누구나 쉽게 접근할 수 있는 리소스를 구축했습니다. 고도나 위치 같은 지형의 특성들을 하나로 연결하는 지도책(아틀라스)처럼, 알파게놈 아틀라스는 게놈 전반에 걸쳐 DNA 변이가 분자 수준에서 미치는 영향을 일목요연하게 보여줍니다.

과학자들이 생물학적으로 가장 결정적인 유전적 변화를 빠르게 식별할 수 있도록 알파게놈 변이 영향(AlphaGenome Variant Impact, 이하 AVI) 점수도 함께 선보입니다. AVI 점수는 알파게놈과 단백질 변화를 유발하는 DNA 변이 예측 모델인 알파미스센스(AlphaMissense)의 강점을 결합하여, 두 모델의 예측값을 하나의 수치로 압축했습니다. 덕분에 연구자들은 수많은 변이의 우선순위를 빠르게 정하는 동시에, 분자 수준에서 미치는 영향까지 해석할 수 있게 되었습니다.

이미 여러 외부 협력 연구진들은 알파게놈 아틀라스를 활용하여 원인 불명의 희귀 질환 연구에서 핵심 변이를 찾아내 실험으로 검증했으며, 일반적인 생체 형질과 관련된 희귀 변이를 발견하는 데에도 성공했습니다.

알파게놈 아틀라스는 오늘부터 누구나 쉽게 이용할 수 있는 웹 포털과 알파게놈 API, 그리고 구글 안티그래비티(Google Antigravity)의 스킬(Skill) 형태로 만나보실 수 있습니다.

알파게놈 아틀라스

알파게놈 아틀라스는 알파폴드 데이터베이스(AlphaFold Database)보다 30배 이상 방대한 1페타바이트(PB) 규모의 데이터셋입니다. 구글 딥마인드는 2022년 알파폴드 데이터베이스를 확장하며, 실험으로 밝혀졌던 기존 19만여 건의 단백질 구조 정보를 과학계에 알려진 거의 모든 단백질을 아우르는 2억 개 이상의 3D 단백질 구조 예측 데이터로 대폭 확장했습니다. 이에 따라 코딩 경험이 없는 연구자도 손쉽게 사용할 수 있는 직관적인 시각화 기능을 제공해 대규모 단백질 구조를 보다 쉽게 분석할 수 있도록 했습니다. 이는 생명과학 전반의 새로운 발견을 이끄는 핵심 기반으로서 수많은 분야의 연구를 가속화하고 있습니다.

알파게놈 아틀라스 역시 예측 데이터에 대한 접근성을 높이고, 과학자들이 방대한 유전체 데이터를 직관적으로 탐색할 수 있도록 돕기 위해 개발되었습니다.

알파게놈 아틀라스는 유기적으로 연결된 강력한 자원들을 제공함으로써, 연구진이 유전 변이와 그 변이가 영향을 미치는 기능성 DNA 서열을 직접 연결해 분석할 수 있도록 지원합니다.

• 분자 영향 예측(Molecular effect predictions): 아틀라스는 각 변이마다 수천 건의 분자 영향 예측 데이터를 제공합니다. 이는 유전자 조절의 다양한 핵심 메커니즘 전반을 다루며, 수백 종의 인간 및 쥐 세포와 조직을 포괄합니다. 이는 모든 후속 연구의 탄탄한 출발점이 됩니다.
• AVI 점수(AVI score): 각 유전 변이가 미치는 영향력을 하나의 수치로 나타낸 지표입니다.
• AVI 특성 기여도(AVI feature attributions): 각 AVI 점수는 해당 점수에 영향을 미친 개별생물학적 요인과도 연결됩니다. 예를 들어, 알파게놈(AlphaGenome)이 예측한 유전자 조절의 측면이나 알파미스센스(AlphaMissense)의 단백질 영향 점수 등이 포함됩니다.
• DNA 서열 모티프(DNA sequence motifs): 게놈의 ‘단어’라 할 수 있는 2,500개 이상의 반복 DNA 서열과 그 위치를 체계적으로 정리한 데이터베이스입니다.

이처럼 유기적으로 결합된 자원들을 통해 연구자들은 변이 우선순위를 빠르게 선별하는 것부터 변이의 기능을 심층적으로 살펴보는 것까지 다양한 유전체 연구를 폭넓게 수행할 수 있도록 지원합니다.

알파게놈 아틀라스는 개발 초기부터 학계 및 연구 커뮤니티와의 긴밀한 협력을 바탕으로 설계되었습니다. AVI 점수를 활용하면 변이의 잠재적 영향을 토대로 점수를 매겨 우선순위를 빠르게 선별할 수 있습니다. 특히 단백질을 직접 생성하는 코딩 영역(전체 게놈의 약 2%)은 물론, 유전자 활동을 조율하며 주요 생체 형질 연관 변이가 집중된 비코딩 영역(나머지 98%) 모두에 적용 가능하다는 점이 이 모델의 결정적인 강점입니다.

실제 벤치마크 테스트 결과, AVI 점수는 다양한 변이 병원성 및 희귀 질환 평가 지표에서 업계 최고 수준의 성능을 입증했습니다. 또한 점수의 명확한 해석을 돕기 위해, 각 변이가 RNA 스플라이싱이나 유전자 발현 등 어떤 분자적 과정에 가장 큰 영향을 미치는지 보여주는 ‘AVI 특성 기여도(AVI feature attributions)’도 함께 산출했습니다.

실제 연구 현장에서의 영향: 희귀 질환부터 집단유전학과 분자생물학까지

알파게놈 아틀라스는 유전체 전반에 대한 고해상도의 종합적인 시각을 제공합니다. 이러한 대규모 예측 데이터는 특정 연구 과제에 적용될 때 가장 높은 활용 가치를 지닙니다.. 구글의 학술 연구 파트너들은 이미 이 데이터를 실질적인 생물학적 인사이트로 전환하여, 유전적 변이와 질병 간의 연관성을 규명해 나가고 있습니다.

원인 불명의 희귀 질환에 대한 이해: 희귀 질환 연구의 핵심 난제는 수천 개의 후보 변이 속에 숨겨진 극소수의 원인 변이를 정확히 찾아내는 작업이 매우 까다롭다는 점입니다.연구진은 그레고르 컨소시엄(GREGoR Consortium)과의 협업을 통해 미정복 희귀 질환 연구에서 ‘모래사장에서 바늘 찾기’만큼 까다로운 유전변이들의 우선순위를 정하고자 AVI 점수를 적용했습니다. 브로드 연구소(Broad Institute)의 로라 코빌(Laura Covill)과 앤 오도넬루리아(Anne O’Donnell-Luria) 공동 연구팀은 AVI 점수를 활용해 기존 연구에서 간과되었던 희귀 질환 유발 변이의 우선순위를 산출한 결과뇌전증성 뇌병증과 밀접하게 연관된 DNM1 유전자에 영향을 미치는의 변이를 새롭게 발견해냈습니다.

특히 AVI 점수의 기반이 되는 알파게놈의 예측 결과는 해당 변이의 구체적인 작용 방식을 정확히 보여주었습니다. 이 변이는 비정상적인 스플라이스 부위(세포 유전 명령상의 오류)를 형성해 결과적으로 단백질의 비정상적인 신장을 유발했습니다.. 이후 진행된 실험적 검증을 통해 연구진의 예측이 입증되었으며, 유사한 효과를 보이는 인접 변이들까지 확인되면서 알파게놈 아틀라스가 유의미한 유전체 변이를 규명하는 강력한 도구임이 입증되었습니다.

단백질 수치 및 복합 형질과 관련 희귀 변이 지도화: 알파게놈 아틀라스는 개별 희귀 질환에 대한 연구를 넘어, 일반 인구 집단에서 나타나는 보편적 형질의 유전적 구조를 규명하는 데 기여할 수 있습니다. 특정 형질이나 질환과 연관된 희귀 비암호화 변이를 식별하는 작업은 무해한 유전적 변화의 수 무수히 많아 통계적 ‘배경 노이즈(Background Noise)’를 형성하기 때문에 매우 까다로운 것으로 알려져 있습니다.

알파게놈 아틀라스가 인간 형질에 영향을 미치는 비암호화 변이 발굴 역량을 어떻게 향상시킬 수 있는지 검증하고자, 영국 엑서터 대학교(University of Exeter)의 의학연구위원회(MRC) 연구원인 가레스 호크스(Gareth Hawkes)는 54,000명 이상 UK 바이오뱅크(UK Biobank) 참여자들의 전장 유전체 데이터에 알파게놈 아틀라스를 적용했고, 이를 통해 찾아내기 어려웠던 유전적 신호들을 보다 명확히 포착할 수 있었습니다. 호크스 연구원은 예측된 분자적 효과를 바탕으로 희귀 변이들을 그룹화함으로써, 통계적 노이즈로 인해 감지되지 않았을 비암호화 유전 변이 연관성을 22% 더 많이 발견해 냈습니다. 이를 통해 노화와 관련된 PLA2G7 및 세포의 핵심 산소 센서 역할을 하는 EGLN1을 포함하여, 체내를 순환하는 주요 단백질의 발현량을 조절하는 특정 조절 변이들을 정확히 정밀 규명할 수 있었습니다.

호크스 연구원은 이러한 접근법을 한 단계 더 확장하여, UK 바이오뱅크에 등록된 수억 개의 비암호화 변이가 체질량지수(BMI)와 어떤 연관성이 있는지 알파게놈 아틀라스를 통해분석했습니다. 그 결과 알파게놈아틀라스가 가장 영향력이 높을 것으로 예측한 상위 1%의 비암호화 변이에 집중함으로써 19개의 유전자 영역을 발굴해냈으며, 이는 해당 형질에 대한 향후 표적 연구의 방향을 제시하는 데 기여할 것으로 기대됩니다.

게놈 조절 '단어' 규명: 아틀라스는 세포 유형 및 유전자에 따라 서로 다른 분자의 메커니즘을 유도하는 반복적인 짧은 서열, 즉 '모티프(motif)'를 발굴하는 데도 유용하게 활용될 수 있습니다. 이러한 모티프는 전사인자(유전자의 활성화 여부를 조절하는 단백질)의 결합 부위를 포착하고, 비암호화 변이에 대한 추가적인 해석을 제공하는 등 핵심적인 단서를 제공합니다. 일례로 스토어스 의학연구소(Stowers Institute for Medical Research)의 줄리아 자이틀링거(Julia Zeitlinger)와 멜라니 바일러트(Melanie Weilert) 연구팀은 이 리소스를 활용하여, DNA 접근성에만 영향을 미치는 전사인자와 유전자의 활성 및 비활성화까지 직접 조절할 수 있는 전사인자를 명확히 구분해 냈습니다.

유전체 발견의 가속화

구글 딥마인드는 알파게놈 아틀라스(AlphaGenome Atlas)를 통해 인간 유전체 코드에 대한 이해를 한층 더 넓힐 수 있는 새로운 정보 체계를 구축하고 있습니다. 이 정보 체계가 과학계에 유용한 자산이 되길 기대하며, 이는 연구의 종착점이 아닌 새로운 출발점에 불과합니다. 알파게놈과 같은 AI 모델이 고도화됨에 따라, 전체 인간 게놈 지도는 더욱 포괄적이고 정밀해질 것입니다.

알파게놈 아틀라스는 단독으로도 강력하지만, 생물학자를 위한 통합 솔루션을 지향하는 구글의 비전에 다가서는 중요한 진이기도 합니다. 알파게놈 아틀라스의 리소스는 구글 안티그래비티(Google Antigravity)와 같은 광범위한 에이전트 시스템에 연동되어, 전반적인 과학 연구 워크플로우를 고도화하는 데 기여할 수 있습니다. 아울러 알파게놈 아틀라스가 보유한 과학적 지식을 폭넓게 공유하는 것 또한 중요합니다. 이에 따라 오늘부터 웹사이트를 통해 알파게놈 아틀라스를 비상업적 용도로 이용할 수 있도록 공개하며, 곧 구글 클라우드(Google Cloud)를 통해 상업적 이용도 지원할 예정입니다. (참고: 알파게놈 기반 모델은 이미 깃허브(GitHub)와 알파게놈 API(AlphaGenome API)를 통해 학술용으로 제공되고 있으며, 클라우드 모델 가든(Cloud Model Garden)에서도 이용 가능합니다.)

이러한 도구들은 연구자와 산업 파트너들이 새로운 치료 표적을 발굴하고, 유전 질환에 대한 이해를 높이며, 표적 실험 검증의 새로운 전환점을 이끌어내는 등 생물학적 발견의 속도를 가속화할 수 있도록 지원합니다.

• 알파게놈 아틀라스 둘러보기
• 구글 안티그래비티(Google Antigravity)에서 알파게놈 아틀라스 스킬 활용하기
• 알파게놈 사용자 커뮤니티 참여하기
• 논문 전문 읽어보기