AlphaGenome Atlas 공개: 90억 단일 염기 변이를 한 지도에서 보는 방법 | DAKER 커뮤니티

유전체 해석 도구가 쏟아지는 가운데, 이번 발표가 눈에 띄는 이유는 범위가 분명하기 때문입니다. Google DeepMind가 2026년 9월 8일 공개한 AlphaGenome Atlas는 인간 유전체에서 가능한 단일 염기 변이 약 90억 개의 분자 영향 예측을 한곳에 모은 연구용 지도입니다.

중요한 점은 이것이 임상 승인 제품이 아니라는 사실입니다. 그래서 이번 글은 과장된 기대보다, 무엇이 공개됐고 어디까지를 연구 자원으로 읽어야 하는지에 초점을 맞춥니다. 원문은 DeepMind 블로그와 blog.google에서 확인할 수 있습니다.

AlphaGenome Atlas에서 공개된 것

이번 발표의 핵심은 가능한 한 글자 치환을 전 유전체 규모로 미리 계산해 두었다는 점입니다. DeepMind는 약 90억 단일 염기 변이에 대한 예측을 담았다고 설명합니다. 기존에 특정 변이를 중심으로 보던 방식에서 한 걸음 더 나아가, 연구자가 포털에서 더 큰 그림을 볼 수 있도록 한 셈입니다.

AlphaGenome Atlas는 인간 유전체에서 가능한 단일 염기 변이 약 90억 개의 분자 영향 예측을 모은 연구용 지도입니다.

데이터셋 규모도 큽니다. 발표에 따르면 전체 규모는 약 1페타바이트이며, AlphaFold Database보다 30배 이상 크다고 합니다. 각 변이마다 수천 개의 분자 효과 예측이 포함되고, 인간과 마우스의 수백 세포·조직에 걸친 유전자 조절 측면까지 다룹니다.

여기서 함께 제시된 것이 AVI 점수입니다. AlphaGenome Variant Impact(AVI)는 AlphaGenome과 AlphaMissense의 예측을 하나의 숫자로 압축해 변이를 빠르게 순위화하는 데 쓰입니다. 원문 설명대로 코딩 영역 약 2%와 비코딩 영역 약 98% 모두에 적용됩니다. 또 AVI feature attributions를 통해 스플라이싱, 발현, 염색질 접근성 가운데 어떤 과정이 흔들리는지도 볼 수 있습니다.

모티프 자원도 포함됐습니다. 발표에서는 DNA 모티프가 over 2,500이라고 설명합니다. 반복되는 짧은 서열과 그 위치를 모아 전사인자 결합 같은 조절 단서를 해석하는 데 활용하는 방식입니다. Stowers Institute 연구진이 이를 이용해 접근성만 바꾸는 인자와 유전자 on/off까지 이어지는 인자를 구분하는 데 썼다고 소개합니다.

어떻게 접근할 수 있나

접근 경로는 포털, API, Antigravity 스킬로 나뉩니다. 비영리 웹 포털은 오늘부터 무료로 제공되며, 상업 이용은 Google Cloud에서 곧 제공된다고 적혀 있습니다. 또 AlphaGenome 기본 모델은 학술용 GitHub·API와 Cloud Model Garden 상업 경로가 이미 있다고 설명합니다.

비영리 웹은 오늘 열렸고, 상업 경로는 soon입니다.

이 구분은 그대로 유지해 읽는 것이 좋습니다. 비영리 포털과 상업 Cloud를 같은 단계의 서비스처럼 섞어 쓰면 발표 내용과 달라집니다. 또한 AlphaGenome API와 Atlas 포털은 목적도 다릅니다. 하나는 기본 모델 호출에 가깝고, 다른 하나는 사전 계산된 지도를 조회하는 성격입니다.

Antigravity 스킬 역시 에이전트 워크플로 연결용으로 소개됩니다. 이를 자동 진료 시스템 출시로 해석할 근거는 원문에 없습니다.

협력 사례는 무엇을 보여주나

발표에는 몇 가지 협력 사례도 함께 공개됐습니다. GREGoR·Broad의 Covill·O’Donnell-Luria 팀은 AVI를 이용해 희귀질환 후보를 우선순위화했고, DNM1 관련 뇌전증 뇌병증 스플라이스 변이를 찾은 뒤 실험으로 검증했다고 합니다.

Exeter의 Hawkes는 UK Biobank 5만4천 명 이상 전장 유전체에 적용했을 때 비코딩 연관이 22% 더 나왔다고 소개됩니다. BMI에서는 영향이 큰 비코딩 상위 1%에 집중해 19개 유전 영역을 짚었다고 설명합니다.

DNM1, UK Biobank 22%, BMI 19영역은 모두 협력 연구 사례로 제시된 결과입니다.

다만 이런 수치는 그대로 인용하되, 일반 인구 전체에 같은 비율이 나온다고 단정하지 않는 편이 좋습니다. 기관명과 함께 보고된 결과라는 점을 붙여 두면 맥락이 더 분명해집니다. PLA2G7·EGLN1 언급도 Exeter 사례의 예시 단백질로 읽는 것이 맞고, 치료 권고로 확장할 내용은 아닙니다.

이 발표를 읽을 때 놓치지 말아야 할 선

이번 발표를 한 문장으로 줄이면 강력한 연구용 예측 지도이지만, 임상 진단이나 치료 결정을 위한 승인 도구는 아니라는 점입니다. 페이지 하단에도 전문 의료 조언·진단·치료를 대체하지 않으며, 임상용으로 검증·승인되지 않았다고 명시돼 있습니다.

이 자원은 연구용이며, 임상용으로 검증·승인되지 않았습니다.

그래서 AlphaGenome Atlas를 모든 질병을 해결하는 도구처럼 요약하는 것은 원문 취지와 다릅니다. AVI 역시 순위화와 해석 보조를 위한 점수이지, 병원 전자의무기록에 바로 넣는 승인 제품이 아닙니다. 실험 검증이 끝난 변이만 확인됐다고 표현하는 것이 맞고, DNM1처럼 검증된 사례와 아직 후보 단계인 결과는 구분해서 다루는 편이 좋습니다.

또 AlphaFold DB와의 비교는 규모를 가늠하게 하는 비유일 뿐, 구조 예측 데이터베이스와 변이 분자 효과 데이터베이스의 목적이 같다는 뜻은 아닙니다. Atlas라는 표현도 지리 지도처럼 완전무결하다는 의미로 읽기보다, 연구 탐색을 돕는 예측 지도로 이해하는 것이 자연스럽습니다.

한 페이지로 정리하면

Google DeepMind는 AlphaGenome Atlas를 통해 인간 유전체 단일 염기 변이 약 90억 개의 분자 영향 예측을 공개했습니다. 전체 규모는 약 1PB이며 AlphaFold Database보다 30배 이상 크다고 설명합니다. AVI는 AlphaGenome과 AlphaMissense를 결합한 영향 점수로, 코딩과 비코딩 영역 모두에 쓰입니다. 접근 경로는 포털·API·Antigravity 스킬이며, 비영리 웹은 오늘부터 무료, 상업 경로는 Cloud soon입니다. 협력 사례로는 GREGoR/Broad의 DNM1 스플라이스 변이 검증, Exeter의 UK Biobank 5만4천+ 적용에서 비코딩 연관 22% 증가, BMI 상위 1%에서 19개 유전 영역 식별, over 2,500 모티프 자원 등이 소개됐습니다.

무엇보다 이 발표는 연구 자원 공개에 관한 것이며, 임상 의료 조언이나 승인된 진단 도구 발표가 아닙니다.

참고 자료

Google DeepMind — AlphaGenome Atlas (2026-09-08)
blog.google

이 발표를 연구용 지도라는 관점에서 볼 때, 가장 먼저 확인해 보고 싶은 활용 지점은 어디인가요?