딥마인드 알파지놈 아틀라스: 인간 DNA 한 글자 변이 90억 개의 예측 지도

구글 딥마인드가 2026년 9월 8일 공개한 알파지놈 아틀라스(AlphaGenome Atlas) 는 인간 유전체에서 일어날 수 있는 모든 단일염기 변이(SNV)의 분자적 영향을 AI로 예측해 검색할 수 있게 만든 데이터베이스다. DNA의 문자 하나가 바뀌는 경우를 대상으로 하며, 그 수는 약 90억 개에 이른다. 사전 계산된 결과의 총규모는 약 1페타바이트(PB) 다. 67

핵심은 ‘새 AI 모델’ 자체라기보다, 모델이 만들어 낸 대규모 예측값을 연구자가 바로 조회할 수 있도록 정리한 참조 지도라는 점이다.

알파지놈과 아틀라스는 무엇이 다른가

DNA는 A·C·G·T라는 염기 문자로 이뤄져 있다. 단일염기 변이는 이 중 한 글자가 다른 글자로 바뀌는 변화다. 이런 변화는 단백질의 설계 정보를 담은 코딩 DNA에 있을 수도 있고, 유전자가 언제·어디서 작동할지를 조절하는 비코딩 DNA에 있을 수도 있다.

• 알파지놈(AlphaGenome): DNA 변이가 유전자 조절 등 생물학적 과정에 어떤 영향을 줄 수 있는지 예측하는 AI 모델이다. 21
• 알파지놈 아틀라스: 이 모델로 가능한 단일염기 변이 약 90억 개를 미리 계산해 저장하고, 검색 가능하게 만든 데이터 자원이다. 67

즉 연구자가 후보 변이를 하나씩 넣어 모델을 새로 돌리는 대신, 아틀라스에서 해당 변이의 예측 결과를 먼저 확인할 수 있도록 한 것이다.

1PB 데이터베이스에는 무엇이 들어 있나

아틀라스는 약 90억 개의 가능한 단일염기 변이마다 예측된 효과와 알파지놈 변이 영향 점수(AlphaGenome Variant Impact·AVI) 를 제공한다. 16

이 데이터는 특정 변이가 질병의 원인이라고 판정하는 도구라기보다, 많은 DNA 차이 가운데 추가 연구가 필요한 후보를 추리는 데 쓰이도록 설계됐다. 연구자는 예측된 분자적 영향과 관련 기전을 살펴본 뒤, 유전 분석이나 실험의 다음 대상을 정할 수 있다. 17

AVI 점수: 코딩·비코딩 변이를 한 틀에서 비교

AVI는 변이의 예상 생물학적 영향을 기준으로 후보를 순위화하기 위한 단일 점수다. 특히 서로 해석 방식이 다른 두 영역을 함께 다루려는 것이 특징이다.

• 코딩 변이: 단백질의 서열 또는 처리 과정에 영향을 줄 수 있는 변이
• 비코딩 변이: 유전자 발현 조절과 관련된 분자 활동에 영향을 줄 수 있는 변이

연구자는 AVI를 통해 유전체 전반의 후보를 같은 우선순위 체계 안에서 비교할 수 있다. 16

다만 제공된 자료는 AVI의 완전한 수학적 산식을 설명하지 않는다. 따라서 이 점수는 질병 인과성을 스스로 설명하는 지표가 아니라, 후속 검증 대상을 고르는 요약 신호로 이해하는 편이 적절하다.

학술 연구자는 무료 웹 포털로 접근

딥마인드는 아틀라스를 학술 연구용으로 무료 제공하며, 직관적인 웹 포털에서 이용할 수 있다고 밝혔다. 모델을 직접 실행하거나 코드를 작성하지 않아도 데이터를 질의할 수 있도록 한 방식이다. 7

이는 대규모 유전체 분석에서 특히 유용할 수 있다. 관찰된 변이 목록이 길 때 먼저 아틀라스의 예측을 확인하고, 그 결과를 토대로 기능 실험이나 독립적인 유전학적 검증의 우선순위를 정하는 식이다.

협력 연구진이 제시한 초기 사례

출시와 함께 두 가지 초기 활용 사례가 소개됐다.

첫째, 희귀질환 연구에서 브로드 연구소 연구진은 AVI를 활용해 DNM1 유전자에 영향을 주고 비정상적인 스플라이싱을 만드는 변이 후보를 찾아냈다고 전해졌다. DNM1은 뇌전증성 뇌병증과 연관된 유전자다. 10 이는 AI 기반 우선순위화가 놓치기 쉬운 후보를 부각할 수 있음을 보여주는 사례이지만, 제공된 자료만으로는 재현성이나 임상적 해석, 더 넓은 적용 가능성을 독립적으로 판단하기 어렵다.

둘째, 영국의 대규모 생의학 데이터 자원인 UK 바이오뱅크 참가자 5만4,000명 이상의 전장유전체를 분석한 연구에서는 아틀라스를 사용해 비코딩 연관성을 22% 더 발견했다는 보고가 나왔다. 310 그러나 연관성이 더 많이 검출됐다는 사실만으로 각 결과가 인과적이거나 임상적으로 바로 활용 가능하다는 뜻은 아니다. 제공된 자료에는 대상 형질, 통계 기준, 후속 검증 방식이 구체적으로 제시되지 않았다.

알파폴드와 닮은 전략, 그러나 대상은 다르다

알파지놈 아틀라스는 예측 AI와 널리 접근 가능한 데이터베이스를 결합한다는 점에서 알파폴드의 전략과 닮았다. 딥마인드는 유럽분자생물학연구소 산하 유럽생물정보학연구소(EMBL-EBI)와 함께 알파폴드 단백질 구조 데이터베이스를 구축해 예측 단백질 구조를 연구자에게 제공해 왔다. 3134

하지만 두 시스템이 다루는 과학적 대상은 다르다.

• 알파폴드: 단백질의 3차원 구조를 예측한다.
• 알파지놈 아틀라스: DNA 한 글자 변화에 따른 분자적·유전자 조절상 영향을 예측한다. 731

데이터 용량 기준으로 아틀라스는 알파폴드 데이터베이스보다 30배 이상 크다고 보고됐다. 215

가장 중요한 주의점: 예측은 연구 가설이다

아틀라스의 결과는 실험 측정값이 아니라 AI 모델이 생성한 예측이다. AVI 점수가 높다고 해서 그 변이가 질병을 일으킨다는 사실이 입증되는 것은 아니다. 16

따라서 알파지놈 아틀라스는 대량의 후보를 좁히고, 작동 기전에 관한 가설을 세우며, 기능 실험과 유전학적 후속 연구를 설계하는 연구의 출발점으로 쓰는 것이 적절하다. 특히 해석이 여전히 어려운 비코딩 DNA에서는 독립적인 유전 근거, 기능 실험, 필요한 경우 적절한 임상 평가가 함께 이뤄져야 한다.

아틀라스의 가치는 AI 예측을 임상 결론으로 바꾸는 데 있지 않다. 인간 DNA에서 가능한 한 글자 변화의 전체 공간을 연구자가 즉시 탐색할 수 있게 해, 검증할 가설을 더 효율적으로 고르게 하는 데 있다.