Google DeepMind가 DNA 서열이 사람의 특정 세포 유형에서 어떻게 읽히는지, 유전 변이가 그 과정에 어떤 영향을 주는지 예측하는 차세대 모델 AlphaGenome 2를 2026년 11월 12일 공개했다. 이전 모델이 넓은 조직 단위로 예측했다면 이번 모델은 개별 세포 유형과 세포 상태까지 내려가 예측한다.
비상업 연구용으로는 AlphaGenome API로 바로 쓸 수 있고, 상업 연구용은 비공개 프리뷰로 제공한다. 발현 조건화를 다루는 인터랙티브 Colab 튜토리얼도 함께 나왔다. 회사는 AlphaGenome과 AlphaGenome 2가 연구 목적이며 임상이나 진단용으로 검증·승인되지 않았다고 밝혔다.
세포 조건을 입력으로 받는 구조
첫 AlphaGenome은 100만 글자 길이의 DNA 서열을 넣으면 여러 조직의 수천 개 실험 결과를 한꺼번에 예측했다. DeepMind는 이 병렬 방식이 효율적이지만 모델 용량이 분산돼 가까운 세포 유형 사이의 미세한 차이를 잡기 어려웠다고 설명했다.
AlphaGenome 2는 구조를 새로 설계한 조건부 모델이다. 조직, 세포 유형, 세포 상태 중 하나인 조건 하나를 정해 그 조건에서의 DNA 효과를 예측하며, 모델 각 단계에서 DNA 서열과 함께 목표 조건을 입력으로 쓴다. 같은 DNA가 세포 유형마다 다르게 읽히는 방식을 배우게 하려는 설계다.
조건부 구조 덕분에 빠진 실험 데이터를 채우는 교차 모달리티 보간도 된다. 모델이 세포의 생물학적 상태와 출력을 분리하므로, 연구자가 단일세포 유전자 활동 하나만 넣어도 염색질 접근성 같은 측정하지 않은 속성을 예측한다. DeepMind는 이것이 다음에 할 실험을 고르는 데 도움이 된다고 밝혔다.
학습에는 사람과 쥐 시료의 벌크 데이터와 단일세포 데이터를 함께 썼다. 개별 세포 프로파일은 1억 700만 개가 넘고 조직은 68개다. 예측 항목은 유전자 발현, 히스톤 변형, 염색질 접근성 등 기존과 같고, 요청이 많았던 DNA 메틸화가 추가됐다.
성능과 사례
DeepMind는 AlphaGenome 2가 세포에서 유전자 발현을 바꾸는 변이를 이전 최고 모델보다 거의 두 배 많이 찾아냈다고 밝혔다. 학습에 쓰지 않은 유전체 영역에서도 한 조직 안의 세포 유형 간 발현 차이를 더 잘 설명하며, 사람 혈액 줄기세포가 적혈구와 면역 계열로 성숙할 때의 연속적인 변화도 따라간다고 한다.
주요 면역세포 28종을 담은 대규모 단일세포 지도 TenK10K 데이터셋에서 AlphaGenome 2는 인과 변이를 30%, 유전자 효과의 방향을 43% 재현했다. 비교 대상인 단일세포 데이터로 미세조정한 기존 AlphaGenome과 다른 특화 도구는 인과 변이 16%, 방향 23%였다.
염증성 장질환(IBD) 사례도 제시했다. 먼 거리의 조절 스위치에 있는 변이가 장 면역세포인 대식세포에서 ETS2 유전자를 과활성화해 IBD를 일으킨다는 기존 주요 연구 결과를 계산으로 재현한 것이다. 장의 여러 면역세포 유형을 대상으로 예측한 모델은 원인 변이를 짚어냈고, 그 변이가 장 대식세포에서 ETS2를 선택적으로 높이며 다른 세포와 유전자에는 거의 영향이 없음을 보였다.
새 세포 상태는 재학습 없이 다룬다. 연구자가 수십 개 세포의 단일세포 RNA-seq 스냅샷을 올리면 유전자 활동이 세포 상태 표현으로 압축돼 모델의 조건이 된다. DeepMind에 따르면 이 방식은 해당 데이터로 직접 학습하거나 미세조정한 모델과 같거나 더 나은 성능을 냈다.
COVID-19 mRNA 백신 연구의 처음 보는 단일세포 데이터에서는 백신으로 활성화된 T세포와 휴지 상태 T세포를 구분했다. 중증 COVID-19와 연관된 변이가 활성화 상태에서 유전자 활동을 더 크게 교란한다는 점도 드러났는데, 활성화되지 않은 세포에서는 놓쳤을 효과라고 한다.
사전 계산 예측과 앞으로 일정
DeepMind는 연구자가 대규모 계산을 직접 돌리지 않아도 되도록, 형질 관련 변이에 대한 AlphaGenome 2 예측을 사람의 수백 가지 세포·조직 조건에 걸쳐 미리 계산해 두었다. 전장 유전체 연관 분석(GWAS)이 찾은 수천 개 변이를 단일세포 지도와 잇기 위한 것이다.
인핸서는 질병 관련 변이가 자주 놓이는 먼 거리의 조절 스위치다. CRISPR 스크린은 대개 안정적인 실험실 배양 세포주를 쓰기 때문에 실제 인체 세포의 인핸서-유전자 연결은 알기 어려웠는데, AlphaGenome 2는 신경세포를 지원하고 보호하는 뇌 성상세포 같은 1차 인간 세포로 이 매핑을 넓혔다. 키부터 2형 당뇨병까지 여러 복합 형질에서 사전 계산 점수가 관련 가능성이 높은 변이와 세포 유형을 좁히며, 모델이 확신이 높을 때는 변이가 유전자 활동을 높이는지 낮추는지도 정확히 예측한다고 한다.
DeepMind는 곧 에이전트 개발 플랫폼 Google Antigravity에 AlphaGenome 2 Skills를 내놓겠다고 밝혔다. AlphaGenome 2 같은 전문 모델과 Antigravity의 Gemini 4 같은 에이전트 과학 도구를 결합하면 연구를 가속하고 새로운 발견을 돕는다는 것이 회사의 설명이다. Wellcome Sanger Institute 연구진 등과의 협업으로 더 다양한 세포 유형, 발생 계통, 교란된 세포 상태를 분석하는 작업도 이어간다. 활용 사례를 소개받는 신청은 11월 30일까지 양식으로 받으며, 선정된 프로젝트는 추가 할당량과 크레딧을 받을 수 있다.
지난해 나온 첫 AlphaGenome은 넓은 조직 전반의 분자 활동을 예측했고, 후속으로 사람 유전체의 가능한 단일 글자 변화 90억 개 전체의 예측을 담은 AlphaGenome Atlas가 공개됐다. AlphaGenome 2는 구조를 재설계해 조직 평균에서 개별 세포 유형과 세포 상태로 예측 범위를 넓혔다.
출처
이 기사는 아래 자료를 바탕으로 정리했습니다. 제목을 누르면 원문이 새 창으로 열립니다.