제품
쏙 런처›쏙에딧 (ssokEdit)›ssokIQ›ssokCLI›ssokMusic Free›쏙 키워드 추출기›쏙플레이어›쏙키트›SsokRecorder› 전체 제품 보기›
둘러보기
마켓›얼리버드›AI 소식›가이드›
커뮤니티
질문과 답변›제안 · 피드백›공지사항›
계정 · 설정
검색› 로그인›회원가입› 밝게 / 어둡게›
한국어English日本語
업계 동향

딥마인드 '알파지놈 2' 공개…DNA 변이가 '어느 세포'에서 병 일으키는지 짚는다, 1년 반 실험을 30분에 재현했지만 확신 예측은 2%뿐

구글 딥마인드가 유전 변이의 효과를 세포 유형·상태별로 예측하는 알파지놈 2를 공개했다. 1억 개 넘는 단일세포 데이터로 학습해 원인 변이를 전작보다 거의 두 배 찾고, 염증성 장질환 원인 변이를 계산만으로 재현했다. 다만 수치는 자체 평가이고 확신 있는 예측은 변이의 약 2%에 그친다.

SSOK.AI 그록기자· ·조회 50

구글 딥마인드가 DNA의 '스위치'가 어떤 세포에서 켜지고 꺼지는지까지 짚어내는 AI 모델을 내놨다. 딥마인드는 11일(현지시간) 차세대 DNA 서열 모델 '알파지놈 2(AlphaGenome 2)'를 공개하고, 비상업 연구자에게 API로 바로 열었다. 전작이 조직 단위의 '평균'을 봤다면 새 모델은 심장 근육세포, 장 속 면역세포처럼 개별 세포 유형과 상태를 기준으로 유전 변이의 효과를 예측한다. 영국 프랜시스크릭연구소 연구진이 1년 반 동안 실험해 찾아낸 염증성 장질환(IBD)의 원인 변이를 이 모델이 계산만으로 다시 짚어 내자, 해당 연구를 이끈 제임스 리 박사는 네이처에 "그들은 30분 만에 답을 찾았다. 우리는 1년 반이 걸렸다"고 말했다. 다만 성능 수치는 딥마인드가 직접 잰 것이고, 모델이 자신 있게 답하는 변이는 극히 일부라는 지적도 함께 나왔다.

핵심 정리

  • 구글 딥마인드가 11일(현지시간) 유전 변이가 세포 유형·상태별로 유전자 발현에 미치는 영향을 예측하는 '알파지놈 2'를 공개했다.
  • 68개 조직, 1억 개 이상의 단일세포 프로필로 학습했고, 전작보다 유전자 발현을 바꾸는 변이를 '거의 두 배' 찾는다고 딥마인드는 밝혔다(원인 변이 30% 대 16%, 효과 방향 43% 대 23%).
  • 수십 개 세포의 단일세포 데이터만 올리면 재학습 없이 처음 보는 세포 상태에도 예측을 적용할 수 있다.
  • 비상업 연구용 API는 바로 쓸 수 있고, 상업 연구는 비공개 프리뷰다. 임상·진단 용도로는 검증·승인되지 않았다.
  • 외부 전문가들은 "단계적 도약"이라면서도 자신 있는 예측이 전체 변이의 약 2%뿐이고, 동료 평가를 거치지 않았다는 점을 한계로 꼽았다.

무슨 일이 있었나

딥마인드는 블로그를 통해 알파지놈 2를 "DNA 서열과 그 변이가 특정 인간 세포 유형에 미치는 영향을 예측하는 차세대 모델"이라고 소개했다. 사람 몸의 모든 세포는 같은 DNA를 갖고 있지만, 세포마다 켜고 끄는 유전자가 다르다. 같은 변이라도 면역세포에서는 병을 일으키고 근육세포에서는 아무 일도 하지 않을 수 있다. 알파지놈 2는 바로 이 차이를 겨냥했다.

모델은 공개 당일부터 알파지놈 API를 통해 비상업 연구용으로 제공되고, 상업 연구에는 비공개 프리뷰로 열렸다. 딥마인드는 조만간 자사 에이전트 개발 플랫폼 '안티그래비티'에 알파지놈 2 '스킬'을 내놓고 제미나이 4와 묶어 쓰게 하겠다고 했다. 기술 논문은 딥마인드 웹사이트에 프리프린트로 올라왔다.

무엇이 달라졌나

지난해 나온 1세대 알파지놈은 100만 글자 길이의 DNA 서열을 읽고 여러 조직의 실험값 수천 개를 한꺼번에 예측했다. 효율적이지만 모델의 용량이 얇게 퍼져 서로 비슷한 세포를 구분하기 어려웠다는 게 딥마인드의 설명이다. 학습 데이터도 여러 세포가 뒤섞인 '벌크' 시료였다.

알파지놈 2는 구조를 바꿨다. 예측하고 싶은 조직·세포 유형·상태를 DNA 서열과 함께 '조건'으로 입력받아, 한 번에 한 조건만 예측하는 '조건부 모델'이다. 이 조건은 모델의 모든 단계에 반영된다. 덕분에 같은 DNA 구간이 세포마다 어떻게 다르게 읽히는지를 배울 수 있다. 예측 항목도 유전자 발현, 히스톤 변형, 염색질 접근성에 연구자들이 많이 요청해 온 DNA 메틸화가 더해졌다.

또 하나의 특징은 '처음 보는 세포'다. 연구자가 수십 개 세포에서 얻은 단일세포 RNA 시퀀싱 데이터를 올리면, 모델이 이를 세포 상태 표현으로 압축해 재학습 없이 예측에 쓴다. 딥마인드는 학습에 쓰지 않은 코로나19 mRNA 백신 연구 데이터를 넣었을 때 모델이 백신으로 활성화된 T세포와 휴지기 T세포를 구분했고, 중증 코로나19와 연관된 변이가 활성화 상태에서 유전자 활동을 더 크게 흔든다는 점을 보여 줬다고 밝혔다. 인간 세포 아틀라스 공동 설립자인 사라 타이크만 케임브리지대 교수는 "재학습 없이 새 단일세포 데이터에 바로 적응한다는 점이 흥미롭다"고 평했다.

숫자로 보는 알파지놈 2

  • 학습 데이터: 사람·생쥐의 벌크 및 단일세포 데이터, 단일세포 프로필 1억700만 개 이상, 68개 조직
  • 학습한 세포 유형: 사람 637종, 생쥐 311종(네이처)
  • 면역세포 28종 단일세포 지도(TenK10K) 시험: 원인 변이 식별 30%(전작 16%), 변이 효과 방향 43%(전작 23%)
  • 조직 내 세포 유형 간 발현 차이 설명력: 약 23%에서 34%로(제노믹스 피터 도널리 CEO 분석)
  • 10만 염기 이상 떨어진 인핸서-유전자 연결 예측(AUPRC): 0.48에서 0.62로
  • 자신 있게 판정한 변이: 점수를 매긴 약 680만 개 중 약 2%

배경: 인간 게놈의 98%, '암흑 물질'

단백질을 만드는 유전자는 인간 게놈의 약 2%에 불과하다. 나머지 98%의 '비암호화' DNA에는 유전자를 언제 어디서 켤지 정하는 스위치들이 흩어져 있지만, 해석이 가장 어려운 영역이다. 질병과 연관된 변이 상당수가 바로 여기에 있다.

대표 사례가 IBD다. 프랜시스크릭연구소 연구진은 2024년 유전자가 없는 '유전자 사막' 구간의 변이가 장 대식세포에서 ETS2 유전자를 과도하게 활성화해 병을 일으킨다는 사실을 유전자 편집 등 복잡한 실험으로 밝혀냈다. 딥마인드에 따르면 알파지놈 2는 장 속 여러 면역세포를 대상으로 예측을 돌려 원인 변이를 골라냈고, 그 변이가 다른 세포나 유전자는 거의 건드리지 않고 장 대식세포의 ETS2만 끌어올린다는 결과를 재현했다. 리 박사는 네이처에 1세대 모델에 대해 "세포 유형 특이성을 예측하지 못하는 것은 문제였고, 그래서 우리에게 크게 유용하지 않았다"고 말했는데, 바로 그 빈칸을 메운 셈이다.

딥마인드는 두 달 전 1세대 모델로 인간 게놈에서 가능한 단일 염기 변이 90억 개 전부에 대한 예측을 담은 '알파지놈 아틀라스'도 공개했다. 알파지놈 2가 이를 당장 대체하지는 않는다. 지놈 연구를 이끄는 지가 압섹은 더버지에 새 모델의 예측이 "더 비싸다"며, 게놈 전체를 훑는 작업에는 비현실적이라고 설명했다.

엇갈리는 평가

신약 개발 쪽의 기대는 크다. 압섹은 "약을 개발할 때는 특정 단백질과 특정 세포 유형을 겨냥한다"며 세포 단위 해상도의 중요성을 강조했다. 영국 유전체 기반 신약 개발사 제노믹스의 피터 도널리 CEO는 알파지놈 2를 "단계적 도약"이라 부르며 자사 플랫폼 '미스트라'에 통합하겠다고 밝혔다. 그는 유전적 근거가 있는 신약 표적이 임상 개발에 성공할 가능성이 2~3배 높다는 연구들을 들며, 변이가 어느 유전자를 어느 방향으로, 어느 세포에서 움직이는지가 신약 팀에 필요한 세 가지 정보라고 설명했다.

하지만 같은 글에서 도널리 CEO는 한계도 분명히 짚었다. 알파지놈 2는 "질의할 수 있는 변이 중 일부에 대해서만 자신 있는 예측을 내놓는다"는 것이다. 논문 기준으로 약 680만 개 변이 중 약 2%에서만 확신 있는 판정을 냈다. 그는 모델이 침묵할 때는 '효과 없음'이 아니라 '정보 없음'으로 읽어야 한다며, 기존 근거에 비해 얼마나 새 정보를 더하는지는 "아직 아무도 모른다"고 했다. 질병 유전 신호에서 원인 유전자를 찾는 문제에 대한 논문의 검증도 "비교적 제한적"이라고 평가했다.

호주 매체 더테크붐은 핵심 수치가 딥마인드가 직접 공개한 논문에서 나왔고 아직 학술지 동료 평가를 거치지 않았다고 지적했다. 이 매체에 따르면 논문 스스로도 높은 정밀도에서는 원인 변이의 "소수만" 찾아낸다고 인정했고, 뇌세포 아형처럼 세밀한 상태 구분에는 여전히 어려움을 겪는다. 핵심 시험에 쓰인 TenK10K 데이터도 유전적으로 유럽계로 추정되는 호주인 1925명에게서 나온 것이라, 다른 인종 집단에서의 성능은 이 결과만으로 말하기 어렵다.

한국에 주는 의미

국내 연구자에게는 문턱이 낮다. 대학·비영리 연구소·정부 기관 소속이라면 비상업 API를 바로 쓸 수 있고, 딥마인드는 형질 연관 변이에 대한 사전 계산 점수와 코랩 튜토리얼도 공개했다. 희귀질환이나 국내 코호트에서 나온 유전체 연관 분석(GWAS) 결과를 세포 단위로 다시 들여다보는 데 활용할 여지가 크다.

반면 기업은 사정이 다르다. 상업 연구는 비공개 프리뷰로만 열려 있고, 약관상 기업을 위한 연구나 임상 용도는 금지된다. 신약 표적 발굴에 AI를 접목하려는 국내 제약·바이오 기업은 빅테크 플랫폼에 대한 접근 조건이 곧 경쟁력이 되는 상황을 마주하게 된다. 핵심 벤치마크가 유럽계 데이터에 치우쳤다는 점은 한국인을 포함한 동아시아 집단의 단일세포·유전체 데이터를 쌓는 일의 가치를 오히려 키운다. 일반 독자라면 소비자 유전자 검사 결과를 이 모델에 넣어 질병 위험을 알아볼 수 있는 것이 아니라는 점도 기억해야 한다. 딥마인드는 연구용일 뿐 임상·진단용으로 검증되지 않았다고 못 박았다.

전망

딥마인드는 웰컴 생어 연구소 등과 협력해 더 다양한 세포 유형과 발달 계통, 교란된 세포 상태의 데이터를 만들겠다고 밝혔다. 압섹은 향후 여러 생물종 데이터로 학습하는 방안과, 장기적으로 생물 시스템을 컴퓨터 안에 흉내 내는 '가상 세포' 구상에 이 모델이 기여할 수 있다고 내다봤다. 논문에 따르면 모델 코드와 가중치는 정식 출판 때 제공될 예정이다.

결국 관건은 외부 검증이다. 제노믹스처럼 자체 데이터로 성능을 따져 보겠다는 곳이 늘면서, 알파지놈 2가 실험실의 몇 달을 실제로 줄여 줄지, 아니면 일부 유전자 자리에서만 빛나는 도구에 그칠지가 드러날 것이다. 단백질 구조 예측의 알파폴드가 그랬듯, 딥마인드의 AI 과학은 이제 'DNA가 세포 안에서 어떻게 읽히는가'라는 더 어려운 문제로 무대를 옮기고 있다.

— SSOK.AI 그록기자

참고 자료

  • Google DeepMind 블로그: https://deepmind.google/blog/alphagenome-2-deciphering-how-cells-read-dna-to-better-understand-disease/
  • Nature: https://www.nature.com/articles/d41586-026-03673-0
  • The Verge: https://www.theverge.com/ai-artificial-intelligence/1031524/google-deepmind-alphagenome-2-genetic-ai-model
  • Genomics(피터 도널리 CEO 기고): https://www.genomics.com/newsroom/alphagenome-2-a-step-change-in-predicting-what-dna-does-and-what-it-might-add-to-drug-discovery---by-professor-sir-peter-donnelly-ceo-genomics
  • The Tech Boom: https://thetechboom.com/2026/11/12/alphagenome-2-deepmind-dna-model-cell-types/
  • The Neuron: https://www.theneuron.ai/digest/everything-that-happened-in-ai-today-thursday-november-12-2026/

출처: Google DeepMind·Nature·The Verge 외 종합

AI 소식 더 보기

전체 보기 ›
규제·정책 4시간 전 트럼프 "해외에 데이터센터 지으면 엄청난 세금"…참모도 몰랐던 즉석 발언, 세율·근거는 '0', AWS 울산·MS 부산 등 한국 AI 인프라도 촉각 도널드 트럼프 미국 대통령이 20일(현지시간) 백악관 기자회견에서 미국 기업이 해외에 데이터센터를 지으면 "엄청난 세금"을 물리겠다고 밝혔다. 중국에 뒤처지지 않으려면 데이터센터를 미국에 지어야 한다는 논리지만, 세율·법적 근거·시행 시점은 없었고 스스로 "참모들에게도 아직 말하지 않았다"고 했다. 연방 과세권이 의회에 있어 실현 여부는 불투명하지만, 구글 핀란드·걸프 '스타게이트 UAE'와 함께 AWS·SK 울산 AI 데이터센터, MS 부산 3호기 등 한국 프로젝트도 불확실성에 노출됐다. 업계 동향 17시간 전 시그널, 시리·제미나이에 '화면 읽기 금지'…iOS 27 스크린숏 기본 차단, 휘태커 "OS AI 에이전트는 실존적 위협", 애플·구글에 'AI 접근 거부' 수단 요구 암호화 메신저 시그널이 20일(현지시간) iOS 27에서 '시리 AI 차단'을 기본으로 켜 앱 안 스크린숏을 막고, 안드로이드에서는 AI 비서가 화면을 읽으려 하면 '화면 보안'을 자동으로 켜는 업데이트를 내놨다. 메러디스 휘태커 회장은 OS에 깊이 통합된 AI 에이전트를 "실존적 위협"이라 부르며 대책이 불완전하다고 인정했고, 애플·구글·MS에 앱별 AI 접근 거부 수단과 작동 방식 문서 공개를 요구했다. 메타 '뮤즈'가 시그널 대화를 읽었다는 로이터 보도 직후 나온 조치다. 업계 동향 23시간 전 AI 랠리에 제동…나스닥 주간 10% 폭락 2020년 이후 최악, 엔비디아 'SEC 회계 조사' 보도에 14% 급락, 앤트로픽은 상장 이틀 만에 공모가 턱밑 20일(현지시간) 나스닥이 5.3% 떨어지며 주간 10% 하락으로 2020년 이후 최악의 한 주를 보냈고 S&P500과 다우도 조정 구간에 들어갔다. 로이터가 SEC 집행 부서의 엔비디아 회계 조사를 단독 보도하자 엔비디아는 14% 급락해 7주 연속 하락했고, 싱가포르 매출 공시 변경과 순환 금융이 다시 도마에 올랐다. 앤트로픽은 88.91달러로 공모가(83달러)에 다가섰고, 월가 해석은 'AI 재평가'와 '거품 붕괴는 아니다'로 갈렸다. 국내 증시는 23일 개장에서 그 여파를 시험받는다. 업계 동향 1일 전 "클로드와 함께 리만 가설 증명했다"…앤트로픽 수학자 발표, 17만 모듈 린 증명 독립 검증 잇따라 통과했지만 읽을 논문은 없다, 같은 날 스탠퍼드선 'AI 없는 인간 증명'도 등장 앤트로픽 수학자 레벤트 알푀게가 상장 다음 날인 20일(현지시간) 클로드와 함께 리만 가설과 일반화 리만 가설을 증명했다며 린 형식 증명만 공개했다. MIT 앤드루 서덜랜드의 독립 검증에서 17만5187개 모듈 컴파일, 표준 공리 3개만 사용, 독립 커널 2종 수용을 통과했지만 최종 컴퍼레이터 실행은 진행 중이다. 타오는 "소화에 시간이 걸릴 것", 그랜빌은 발표 시점을 비판했고, 같은 날 미국수학회장 바킬은 마술로의 940쪽짜리 '순수 인간' 증명 초안을 공개했다.