Google DeepMind는 2026년 9월 8일 약 90억 가지 단일염기변이의 분자 수준 영향을 미리 계산한 AlphaGenome Atlas를 공개했습니다. 연구자는 매번 예측을 새로 계산하는 대신 후보 변이를 조회할 수 있습니다. 과학적 탐색 범위를 좁히는 AI 지도이지 DNA만으로 질병을 진단하는 도구는 아닙니다.
90억 예측은 무엇을 뜻하나?
DNA를 네 종류의 문자로 된 긴 글로 생각하면 한 글자의 교체가 단백질이나 세포의 유전자 조절에 영향을 줄 수 있습니다. Atlas는 이런 단일 문자 치환에 초점을 맞춥니다. 큰 결실이나 모든 유전 변화, 사람 사이의 모든 차이를 완전히 시뮬레이션하는 것은 아닙니다.
이번의 새로움은 AlphaGenome 모델의 첫 등장보다 대규모 예측을 약 1PB 데이터와 검색 플랫폼으로 정리했다는 데 있습니다. 사람 게놈 중 단백질을 직접 암호화하는 부분은 약 2%이고 조절 영역 등을 포함한 나머지는 해석이 어렵습니다. Atlas는 암호화·비암호화 영역을 함께 탐색하는 출발점을 제공합니다.
연구 우선순위를 정하는 도구
후보를 정렬하기 위해 AlphaGenome Variant Impact, 즉 AVI 점수도 도입했습니다. AlphaGenome과 AlphaMissense의 예측을 결합하며 유전자 발현이나 RNA 스플라이싱 등 점수에 기여한 예상 영향도 확인할 수 있습니다. 단순 순위에 더해 연구자가 추적할 생물학적 단서를 제공하려는 것입니다.
Google이 소개한 공동 연구에서는 이전에 놓친 DNM1 변이를 AVI로 찾아 비정상적 스플라이스 위치가 생긴다는 예측을 실험으로 확인했습니다. 중요한 것은 구체적인 가설 뒤에 검증이 이어진다는 순서입니다. AI 답변 자체가 결론은 아니며 한 사례의 성공을 모든 질병에 일반화할 수는 없습니다.
사용은 시작됐지만 용도에는 경계가 있다
비상업 연구용 웹사이트는 공개됐고 API 및 Antigravity Skill 접근도 안내돼 있습니다. 시각적 화면은 코딩 장벽을 낮추지만 결과 해석에 필요한 전문성을 대신하지는 않습니다. Cloud의 Atlas 상업 이용은 추후 제공될 예정이며 기존 기본 모델의 상업 제공과 혼동하면 안 됩니다.
Google은 AlphaGenome이 임상 용도로 검증되거나 승인되지 않았다고 명시합니다. 높은 AVI 점수는 개인의 질병 확률이 아니며 그것만으로 진단이나 치료를 결정할 수 없습니다. 연구 예측, 실험 증거, 의료 판단은 서로 다른 단계입니다.
AI 연구 도구로서의 의미
AI 활용 관점에서는 비용이 큰 계산을 먼저 수행하고 검색·순위·설명으로 전문가에게 제공하는 사례입니다. 유용한 후보 탐색을 돕고 후속 실험이 그 단서를 뒷받침하는지가 가치를 결정합니다. 진전은 추적 가능한 연구 출발점이지 AI가 모든 사람의 건강을 이해했다는 주장이 아닙니다.
