# 딥마인드, DNA 변이 90억 개 지도 공개

> 구글 딥마인드가 9월 8일 AlphaGenome Atlas 를 열었습니다. 사람 유전체에서 가능한 한 글자 변이 90억 개의 분자 수준 영향을 미리 계산해 둔 1페타바이트 데이터베이스입니다.

- 출처 사이트: 뇌피셜 (https://aifficial.net/brain/posts/alphagenome-atlas-variant-map/)
- 발행: 2026-09-08
- 카테고리: 유전체·바이오 · 태그: 유전체, AlphaGenome, 딥마인드, 유전자 변이, 바이오 AI

## 핵심 답변

구글 딥마인드는 2026년 9월 8일 AlphaGenome Atlas 를 공개했습니다. 사람 유전체에서 일어날 수 있는 단일 염기 치환 90억 개 각각에 대해 유전자 발현·스플라이싱·염색질 접근성 같은 분자 수준 예측을 미리 계산해 둔 약 1페타바이트 데이터베이스이고, AlphaFold 데이터베이스의 30배 규모입니다. 비상업 연구용으로 무료 공개됐지만 임상 용도로는 검증·승인되지 않았다고 딥마인드가 명시했습니다.

## 한 장 요약(만화)

![AlphaGenome Atlas 를 여섯 컷으로 설명한 교육 만화. 공개 규모 90억 개 변이, 한 글자 변이의 뜻, 이전에는 모델을 직접 돌려야 했다는 점, 영향 크기를 숫자 하나로 줄인 AVI 점수, 1페타바이트라는 데이터 크기, 진단용이 아니라는 주의사항을 차례로 담았습니다](https://aifficial.net/images/posts/alphagenome-atlas-variant-map/comic.webp)

## 요약

- 사람 유전체의 모든 한 글자 변이 90억 개에 대한 분자 수준 예측을 미리 계산해 웹에 올렸습니다.
- 용량은 약 1페타바이트로 AlphaFold 데이터베이스의 30배입니다. 사람·생쥐 수백 개 세포·조직 유형을 다룹니다.
- 변이 하나의 영향을 숫자 하나로 줄인 AVI 점수가 붙고, 단백질을 바꾸는 2% 영역과 나머지 98%에 모두 적용됩니다.
- 비상업 연구는 무료이고 상업 이용은 구글 클라우드로 갑니다. 임상 사용은 승인되지 않았습니다.

## 핵심 사실

| 항목 | 값 |
|---|---|
| 공개일 | 2026-09-08 (구글 딥마인드 공식 블로그) |
| 수록 변이 | 90억 개 (사람 유전체의 모든 단일 염기 치환) |
| 데이터 규모 | 약 1페타바이트 (AlphaFold 데이터베이스의 30배) |
| 모델 입력·해상도 | DNA 100만 염기쌍, 대부분 염기 1개 단위 (Nature 649권 8099호 1206~1218쪽) |
| 예측 트랙 | 사람 5,930개·생쥐 1,128개, 11개 모달리티 |
| 요약 점수 | AVI (AlphaGenome Variant Impact) (AlphaGenome + AlphaMissense 결합) |
| 이용 조건 | 비상업 연구 무료 (상업 이용은 구글 클라우드로 제공 예정) |


## 무슨 일인가요

구글 딥마인드가 2026년 9월 8일 AlphaGenome Atlas 를 공개했습니다. 사람 유전체에서 일어날 수 있는 한 글자짜리 변이, 곧 단일 염기 치환 90억 개 전부에 대해 분자 수준에서 무슨 일이 벌어질지 미리 계산해 둔 데이터베이스입니다.  용량은 약 1페타바이트로, 단백질 구조를 모아 둔 AlphaFold 데이터베이스의 30배입니다. 

지난해 나온 AlphaGenome 은 모델이었습니다. 궁금한 변이가 있으면 API 로 직접 돌려야 했고 계산이 무거웠습니다. Atlas 는 그 계산을 딥마인드가 먼저 다 해 놓고 웹에서 찾아보게 만든 것이라, 코드를 쓸 줄 몰라도 됩니다. 





## 무엇을 계산해 둔 것인가요

AlphaGenome 모델은 DNA 100만 염기쌍을 한 번에 읽고 유전자 발현, 전사 개시, 염색질 접근성, 히스톤 변형, 전사인자 결합, 염색질 접촉 지도, 스플라이싱까지 11개 종류의 신호를 예측합니다. 사람 5,930개·생쥐 1,128개 트랙이고, 대부분 염기 하나 단위 해상도입니다.  이 모델은 2026년 1월 Nature 649권에 실렸고, 변이 효과 예측 평가 26개 가운데 25개에서 기존 최고 모델과 같거나 앞섰습니다. 

Atlas 는 여기에 변이마다 AVI(AlphaGenome Variant Impact) 점수를 붙였습니다. AlphaGenome 과 AlphaMissense 의 예측을 합쳐 영향의 크기를 숫자 하나로 줄인 값이고, 단백질을 직접 바꾸는 2% 영역과 나머지 98% 비암호화 영역에 모두 적용됩니다.  사람과 생쥐의 세포·조직 유형 수백 종을 다루며, DNA 서열 모티프 2,500개 이상이 함께 정리돼 있습니다. 



| | 지금까지 | Atlas 공개 후 |
|---|---|---|
| 변이 하나를 보려면 | API 로 모델을 직접 실행 | 웹에서 조회 |
| 필요한 것 | 코드와 연산 자원 | 브라우저 |
| 비암호화 영역 해석 | 도구마다 제각각 | AVI 점수로 한 줄 요약 |
| 비용 | 연산 비용 부담 | 비상업 연구는 무료 |

## 어디까지 믿을 수 있나요

캘리포니아대 샌디에이고의 정신유전학자 Jonathan Sebat 은 실험실 작업 흐름에서 직접 계산할 일이 없어져 상당히 간소해진다고 평가했습니다.  반면 브리티시컬럼비아대의 Carl de Boer 는 AlphaGenome 을 이 분야 최고 모델이라고 부르면서도, 영향 점수 하나로 줄인 값은 오해를 사기 쉽다고 지적했습니다. 

한계는 딥마인드도 인정합니다. 모델이 한 번에 보는 범위는 100만 염기쌍인데, 인핸서 중에는 그보다 훨씬 먼 거리에서 유전자를 조절하는 것이 있어 그 효과는 예측이 어렵습니다.  질병 상당수가 변이 하나가 아니라 여러 변이가 겹쳐 생기는데, Atlas 는 한 글자 치환만 다룹니다. 



- 예측 정확도는 AlphaFold 데이터베이스 수준에 못 미친다는 평가입니다. 
- 딥마인드는 이 자료가 의학 조언·진단·치료를 대신하지 않으며 AlphaGenome 이 임상 용도로 검증·승인되지 않았다고 밝혔습니다. 
- 무료는 비상업 연구에 한합니다. 제약사 같은 상업 이용은 구글 클라우드를 통해 제공할 예정입니다. 





유전체 연구에서 오래 막혀 있던 지점은 유전자 자체가 아니라 나머지 98%였습니다. 질병 관련 변이가 대부분 그 영역에서 나오는데, 그것이 무엇을 하는지 해석할 방법이 마땅치 않았습니다. Atlas 가 그 해석을 대신해 준다고 보기는 이릅니다. 다만 실험할 후보를 90억 개에서 몇십 개로 줄이는 작업은 지금까지 각 실험실이 알아서 하던 일이었고, 그 문턱이 낮아진 것은 분명합니다. 점수가 높다는 말은 실험해 볼 값어치가 있다는 뜻이지, 원인이라는 뜻이 아닙니다.




## 자주 묻는 질문

**Q. 제 유전자 검사 결과를 여기서 확인해도 되나요?**

그러라고 만든 자료가 아닙니다. 딥마인드는 AlphaGenome Atlas 가 전문적인 의학 조언·진단·치료를 대신하지 않으며, AlphaGenome 이 어떤 임상 용도로도 검증되거나 승인되지 않았다고 명시했습니다. 예측은 실험으로 확인할 후보를 좁히는 용도입니다.

**Q. AlphaGenome 은 작년에 나왔는데 무엇이 새로운가요?**

지난번에 공개된 것은 모델이었습니다. 궁금한 변이가 있으면 API 로 직접 돌려야 했고 계산이 무거웠습니다. Atlas 는 90억 개를 딥마인드가 미리 다 계산해 두고 코드 없이 웹에서 찾아볼 수 있게 한 것입니다.

**Q. AlphaFold 만큼 정확한가요?**

아닙니다. 단백질 구조 예측과 달리 유전체 조절 예측은 정답 데이터가 훨씬 적고, 정확도도 AlphaFold 데이터베이스에 못 미친다는 평가가 나왔습니다. 예측은 실험 전 우선순위를 매기는 근거이지 결론이 아닙니다.

## 출처

1. [AlphaGenome Atlas: Molecular predictions for 9 billion human DNA variants (Google DeepMind)](https://deepmind.google/blog/alphagenome-atlas-a-predictive-map-of-every-possible-dna-letter-change-in-the-human-genome/) (official)
2. [Avsec et al., Advancing regulatory variant effect prediction with AlphaGenome, Nature 649, 1206–1218 (2026)](https://www.nature.com/articles/s41586-025-10014-0) (paper)
3. [같은 논문 전문 (PMC)](https://pmc.ncbi.nlm.nih.gov/articles/PMC12851941/) (paper)
4. [New Google DeepMind Atlas Could Transform Our Understanding of Genetic Diseases (Scientific American)](https://www.scientificamerican.com/article/new-google-deepmind-alphagenome-atlas-could-transform-our-understanding-of-genetic-diseases/) (report)
5. [AlphaGenome Atlas Maps 9 Billion Possible DNA Variants (IEEE Spectrum)](https://spectrum.ieee.org/alphagenome-atlas) (report)

_이 문서는 뇌피셜 편집부가 작성했습니다. 인용 시 출처를 표기해 주세요._