AlphaGenome Atlas가 바꾸는 비코딩 변이 해석
유전체 분석의 어려움은 변이를 찾는 데서 끝나지 않는다. 발견한 변이가 실제로 어떤 기능에 영향을 주는지 판단해야 한다. 특히 인간에게서 관찰되는 유전적 변이의 98% 이상은 단백질을 암호화하지 않는 비코딩 영역에 있어 해석이 어렵다.1
AlphaGenome Atlas는 이 문제를 대규모 사전 계산으로 다루는 데이터베이스다. AlphaGenome을 이용해 인간 게놈에서 가능한 약 90억 개의 단일 염기 변이가 미칠 조절 영향을 계산하고, 그 결과를 1페타바이트 규모의 데이터셋으로 구축했다.2
비코딩 변이까지 비교 가능한 예측으로 바꾸다
비코딩 변이는 유전자 발현뿐 아니라 염색질 접근성, 후성유전학적 변형, 스플라이싱, 3차원 염색질 구조에도 영향을 줄 수 있다. 그 효과는 세포 유형과 조직에 따라 달라질 수 있어 단일 지표만으로 평가하기 어렵다.1
AlphaGenome은 DNA 서열을 입력받아 실험에서 측정되는 위치별 신호인 게놈 트랙을 예측한다. 최대 100만 염기쌍의 서열을 한 번에 분석하며, 대부분의 출력에서 단일 염기쌍 해상도의 예측을 제공한다. 출력에는 유전자 발현, 스플라이싱, 염색질 특징, 염색질 접촉 지도 등이 포함된다.13
모델은 여러 세포 유형에 걸쳐 11종의 출력 유형을 다루도록 구성됐으며, 인간 게놈 트랙 5,930개와 생쥐 게놈 트랙 1,128개를 예측한다. 게놈 트랙 예측 평가 24개 중 22개에서 최고 수준의 성능을 기록했다.1
핵심 가치는 정답이 아니라 우선순위다
AlphaGenome Atlas에는 코딩 영역과 비코딩 영역의 여러 예측을 하나로 통합한 AlphaGenome Variant Impact(AVI) 점수가 포함된다.3 연구자는 AVI를 활용해 수많은 후보 중 기능적 영향이 클 가능성이 높은 변이를 먼저 선별하고, 후속 실험과 분석 자원을 집중할 수 있다. 이미 계산된 결과를 조회할 수 있어 같은 예측을 반복하는 부담도 줄어든다.
실제 활용 결과는 이 우선순위화의 가치를 보여준다. 54,000명 이상의 UK Biobank 참가자 데이터에 적용했을 때 비코딩 유전적 연관성이 22% 더 발견됐다. 또한 영향도가 높은 상위 1% 변이에 집중한 분석에서는 BMI와 연관된 유전 영역 19개가 확인됐다.2
다만 AVI가 높다는 사실만으로 해당 변이가 질병의 원인이라고 확정할 수는 없다. AlphaGenome이 한 번에 분석하는 범위 밖의 조절 요소가 있을 수 있으며, 예측 결과에는 후속 검증이 필요하다. 따라서 AVI는 진단이나 최종 판정이 아니라, 검증할 후보를 체계적으로 좁히는 도구로 해석해야 한다.
요약: AlphaGenome Atlas의 의미는 모든 변이에 확정적인 답을 제시하는 데 있지 않다. 해석하기 어려웠던 비코딩 변이를 일관된 기준으로 비교하고, 제한된 연구 자원을 검증 가치가 높은 후보에 집중하도록 돕는 데 있다.
1Advancing regulatory variant effect prediction with AlphaGenome
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.