구글 DNA 구조 분석 알파게놈2 발표

가상 이미지

 

 

구글이 인공지능을 활용해 인간의 DNA와 유전자 작동 방식을 분석하는 차세대 모델 알파게놈 2를 발표하면서 글로벌 바이오테크 산업과 인공지능 시장의 관심이 집중되고 있다. 구글 딥마인드가 2026년 11월 11일 공개한 알파게놈 2는 DNA 염기서열을 바탕으로 유전자 변이가 특정 세포 유형과 세포 상태에 어떤 영향을 미치는지 예측하는 인공지능 모델이다. 기존 유전체 분석 기술이 DNA에 존재하는 유전자와 변이를 찾아내는 데 집중했다면 이번 모델은 동일한 유전적 정보가 서로 다른 세포에서 어떻게 다르게 작동하는지까지 분석하는 방향으로 발전했다. 이는 인공지능이 생명과학 연구의 핵심 도구로 자리 잡고 있으며 향후 신약 개발과 희귀질환 연구, 정밀의료 분야의 연구 방식을 바꿀 가능성이 있다는 점에서 중요한 의미를 갖는다.

인간의 몸을 구성하는 세포는 대부분 동일한 DNA 정보를 가지고 있지만 모든 세포가 같은 기능을 수행하는 것은 아니다. 심장 근육 세포는 심장의 수축과 혈액 순환에 필요한 유전자를 활성화하고 면역세포는 외부 병원체에 대응하는 유전자들을 작동시킨다. 뇌세포와 간세포, 혈액세포 역시 동일한 유전체를 가지고 있지만 각자의 기능에 따라 서로 다른 유전자 발현 패턴을 나타낸다. 이처럼 특정 세포에서 어떤 유전자가 활성화되고 억제되는지를 조절하는 과정은 인간의 성장과 신체 기능뿐 아니라 각종 질병의 발생에도 직접적인 영향을 미친다.

특히 질병과 관련된 유전자 변이가 반드시 유전자 자체의 구조를 바꾸는 것은 아니다. DNA의 특정 영역에 발생한 작은 변화가 유전자 발현을 조절하는 스위치에 영향을 주면서 특정 세포에서만 질병을 유발할 수 있다. 이러한 변이는 유전자와 상당히 떨어진 위치에 존재할 수도 있기 때문에 단순히 DNA 서열만 비교해서는 정확한 작동 원인을 파악하기 어렵다. 알파게놈 2는 바로 이러한 문제를 해결하기 위해 개발된 모델이다.

이번 모델의 가장 중요한 변화는 개별 세포 유형과 세포 상태를 구분하는 분석 능력이다. 기존 알파게놈은 약 100만 개 염기로 구성된 DNA 서열을 입력받아 여러 조직과 세포주에서 나타나는 유전자 활동을 동시에 예측하는 방식이었다. 이러한 방식은 다양한 유전체 정보를 폭넓게 분석할 수 있다는 장점이 있었지만 서로 유사한 세포 사이에서 나타나는 미세한 차이를 정밀하게 구분하는 데 한계가 있었다.

알파게놈 2는 이러한 구조를 개선해 특정 조직이나 세포 유형 또는 세포 상태를 조건으로 입력하는 방식으로 설계됐다. 연구자가 분석하고 싶은 세포 유형을 지정하면 해당 조건에 맞춰 동일한 DNA 서열이 어떻게 작동하는지 예측한다. 예를 들어 특정 유전자 변이가 심장 근육 세포에서는 어떤 영향을 주고 면역세포에서는 어떤 차이를 만들어내는지 개별적으로 분석할 수 있다. 이는 기존의 조직 단위 평균 분석에서 놓칠 수 있었던 질병 관련 변이를 발견하는 데 도움이 될 수 있다.

구글 딥마인드는 알파게놈 2를 개발하기 위해 인간과 생쥐의 대규모 유전체 자료를 활용했다. 학습에는 68개 조직에 걸친 1억700만 개 이상의 개별 세포 프로파일이 포함됐다. 이를 통해 모델은 다양한 세포 유형의 유전자 활동과 유전체 조절 정보를 학습하고 특정 세포에서 DNA 변이가 어떤 결과를 만들어낼지 예측할 수 있도록 개선됐다. 구글은 새로운 모델이 기존 최고 수준의 비교 모델보다 세포 내 유전자 발현을 변화시키는 변이를 약 두 배 더 많이 식별했다고 설명했다.

이러한 성능 개선은 신약 개발 분야에서 중요한 의미를 갖는다. 제약회사가 새로운 치료제를 개발하려면 먼저 질병이 발생하는 원인을 파악하고 어떤 유전자와 단백질이 치료 대상이 될 수 있는지 찾아야 한다. 그러나 인간의 질병은 하나의 유전자만으로 발생하는 경우보다 여러 유전자와 세포 환경이 복합적으로 작용하는 경우가 많다. 특히 암과 자가면역질환, 당뇨병과 같은 복합질환은 유전적 요인과 환경적 요인이 함께 작용하기 때문에 질병의 원인을 정확하게 규명하는 데 상당한 시간과 비용이 필요하다.

알파게놈 2는 이러한 연구 과정에서 질병과 관련된 유전자 변이의 우선순위를 정하고 어떤 세포에서 해당 변이가 실제로 작동하는지 예측하는 역할을 할 수 있다. 연구자들은 수많은 유전자 변이 가운데 질병 발생과 직접적인 연관성이 높은 후보를 먼저 선별하고 실험을 통해 검증할 수 있다. 모든 변이를 동일한 수준으로 연구하는 대신 인공지능이 가능성이 높은 후보를 제시하면 실험 비용과 연구 시간을 줄일 가능성이 있다.

특히 주목되는 분야는 염증성 장질환 연구다. 구글 딥마인드는 알파게놈 2가 장내 면역세포인 대식세포에서 ETS2 유전자의 활동을 과도하게 높이는 특정 유전자 변이의 영향을 재현했다고 설명했다. 해당 변이는 다른 세포에서는 큰 영향을 주지 않으면서 특정 면역세포에서 유전자 발현을 선택적으로 증가시키는 것으로 분석됐다. 이러한 결과는 질병을 유발하는 유전적 요인이 신체 전체에서 동일하게 작동하는 것이 아니라 특정 세포 환경에서만 강하게 나타날 수 있다는 사실을 보여준다.

알파게놈 2는 DNA 메틸화 예측 기능도 추가했다. DNA 메틸화는 유전자 발현을 조절하는 대표적인 후성유전학적 과정이다. DNA 염기서열 자체가 바뀌지 않더라도 메틸화 상태에 따라 특정 유전자의 활동이 달라질 수 있다. 이러한 변화는 세포의 분화와 노화, 질병 발생 과정에서 중요한 역할을 한다. 따라서 DNA 서열과 유전자 발현뿐 아니라 메틸화와 염색질 접근성 등 다양한 정보를 함께 분석할 수 있다면 유전체가 실제 세포 안에서 작동하는 방식을 더욱 정밀하게 이해할 수 있다.

또 다른 중요한 기능은 새로운 세포 상태에 대한 예측 능력이다. 기존 인공지능 모델은 학습 과정에서 충분히 접하지 못한 세포 유형이나 실험 조건이 주어지면 예측 성능이 떨어질 수 있었다. 그러나 알파게놈 2는 새로운 단일세포 실험 데이터를 입력받아 별도의 모델 재학습 없이도 해당 세포 상태를 반영할 수 있도록 설계됐다. 예를 들어 백신 접종 이후 활성화된 면역세포와 평상시 상태의 면역세포를 구분하고 각 상태에서 특정 유전자 변이가 어떤 차이를 만들어내는지 분석할 수 있다.

구글은 코로나19 메신저리보핵산 백신 연구에서 얻은 단일세포 자료를 활용한 사례도 공개했다. 모델은 백신 접종으로 활성화된 면역 T세포와 휴지 상태의 T세포를 구분했으며 중증 코로나19와 관련된 특정 변이가 활성화된 세포에서 유전자 활동에 더 큰 영향을 미칠 수 있다는 점을 예측했다. 이는 질병과 유전자 변이의 관계를 분석할 때 세포가 어떤 상태에 있는지까지 고려해야 한다는 점을 보여준다.

이번 발표는 구글의 인공지능 사업 전략에도 중요한 의미가 있다. 지금까지 구글은 제미나이와 검색, 클라우드 서비스를 중심으로 인공지능 시장에서 경쟁해 왔지만 알파폴드와 알파게놈 같은 전문 과학 모델을 통해 바이오테크와 의료 연구 분야로 영향력을 확대하고 있다. 일반적인 대화형 인공지능이 문서와 정보를 처리하는 역할을 한다면 알파게놈 2는 생명과학 분야의 복잡한 데이터를 분석하고 실험 방향을 제시하는 전문 인공지능에 해당한다.

특히 구글이 보유한 대규모 컴퓨팅 인프라와 인공지능 연구 역량은 바이오테크 산업에서 경쟁력을 높이는 기반이 될 수 있다. 유전체 분석은 방대한 데이터를 처리해야 하고 다양한 실험 결과를 비교해야 하기 때문에 고성능 컴퓨팅 자원이 중요하다. 구글 클라우드와 전문 인공지능 모델이 결합하면 대학과 연구기관, 제약회사들이 대규모 유전체 분석을 수행하는 과정에서 새로운 서비스 수요가 발생할 수 있다.

투자 관점에서는 인공지능과 바이오테크의 결합이 새로운 성장 산업으로 확대될 가능성을 주목할 필요가 있다. 유전체 분석 기업과 신약 개발 기업, 바이오 데이터 플랫폼 기업들은 인공지능을 활용해 연구개발 생산성을 높이려는 움직임을 강화할 수 있다. 특히 신약 후보 물질을 발굴하고 질병의 원인이 되는 유전자 변이를 찾아내는 과정에서 인공지능 모델의 활용도가 높아질 수 있다. 구글과 같은 대형 기술기업은 인공지능 모델과 클라우드 인프라를 제공하고 제약회사와 바이오테크 기업은 이를 활용해 연구개발을 진행하는 협력 구조가 확대될 가능성이 있다.

다만 알파게놈 2의 발표가 곧바로 신약 개발 성공이나 새로운 치료제 출시를 의미하는 것은 아니다. 인공지능이 예측한 유전자 변이의 영향은 실제 세포 실험과 동물 연구, 임상시험 등을 통해 검증해야 한다. 특정 변이가 질병과 관련이 있다는 예측만으로 해당 변이를 조절하는 치료법이 안전하고 효과적이라고 판단할 수는 없다. 인체는 다양한 유전자와 단백질, 면역반응이 복잡하게 연결된 시스템이기 때문에 하나의 유전자 활동을 변화시키는 것이 예상하지 못한 부작용을 일으킬 수도 있다.

구글 역시 알파게놈 2를 현재 연구 목적으로 제공하고 있으며 임상 진단이나 의료적 판단에 사용하도록 검증된 제품은 아니라고 명시했다. 비상업적 연구를 위한 API 이용이 가능하고 상업적 연구는 제한적인 사전 공개 형태로 제공된다. 따라서 향후 실제 산업적 가치는 연구기관과 제약회사들이 모델을 얼마나 적극적으로 활용하고 예측 결과를 실험과 신약 개발로 연결하는지에 따라 결정될 전망이다.

주목할 부분은 구글이 알파게놈 2를 제미나이와 같은 범용 인공지능 및 과학 연구용 에이전트와 결합하려는 전략이다. 전문 유전체 모델이 DNA 변이와 세포 활동을 분석하고 과학 연구용 에이전트가 관련 논문과 실험 데이터를 정리하며 다음 연구 단계를 제안하는 방식이 가능해질 수 있다. 이러한 기술이 발전하면 연구자들은 복잡한 유전체 자료를 해석하는 데 필요한 시간을 줄이고 질병의 원인을 찾는 연구에 더 많은 자원을 집중할 수 있다.

결국 알파게놈 2의 발표는 인공지능 산업이 단순한 정보 처리와 콘텐츠 생성에서 생명과학의 근본적인 문제를 해결하는 단계로 확장되고 있다는 점을 보여준다. DNA는 인간의 신체를 구성하는 기본 설계도이지만 그 정보가 실제 세포에서 어떻게 읽히고 작동하는지 이해하는 것은 여전히 어려운 과제다. 구글은 대규모 단일세포 데이터와 인공지능 기술을 결합해 이 문제를 해결하려 하고 있다.

알파게놈 2가 신약 개발과 희귀질환 연구, 정밀의료 분야에서 실제 성과를 만들어낸다면 구글은 검색과 클라우드뿐 아니라 과학 연구 인프라 시장에서도 새로운 경쟁력을 확보할 수 있다. 동시에 인공지능 기술을 활용하는 바이오테크 기업들의 연구개발 방식도 변화할 가능성이 있다. 이번 발표는 인공지능이 반도체와 데이터센터를 넘어 인간의 유전자와 질병을 이해하는 핵심 기술로 발전하고 있음을 보여주는 중요한 사건이며 향후 글로벌 AI 경쟁에서 과학 연구 분야가 새로운 성장 축으로 부상할 가능성을 제시하고 있다.