구글 딥마인드가 그린 비암호화 DNA 지도: AlphaGenome Atlas의 야심과 정확도의 한계

2026년 9월 8일 구글 딥마인드가 AlphaGenome Atlas를 공개했다. 사람 DNA 변이의 분자적 영향을 미리 계산해 모아 둔 디지털 아카이브다. 데이터베이스는 90억 개의 단일 염기 변이를 다루며, 유전체에서 한 글자가 바뀌는 모든 경우를 지도로 만든 셈이다. 전체 용량은 약 1페타바이트로 AlphaFold 데이터베이스의 서른 배가 넘는다. 대상은 비암호화 DNA다. 유전 정보의 약 98%를 차지하며 단백질의 활동을 조절하는 영역이다. 지금까지 AlphaGenome 모델을 쓰려면 상당한 프로그래밍 역량과 만만치 않은 연산 인프라가 필요했다. 이번 공개로 회사는 연산 부담을 앞단으로 옮기고, 비상업적 용도라면 무료인 웹 포털을 통해 결과를 바로 제공한다.

지도를 완성하기 위해 개발팀은 모델의 연산 속도를 약 80배 끌어올려야 했다고 IEEE Spectrum이 전했다. 구글 딥마인드의 유전체학 책임자 Žiga Avsec은 개발에 들어간 엔지니어링 노력의 규모를 강조했고, 회사 부사장 Pushmeet Kohli는 이 생명의 언어를 이해하면 아주 많은 것을 열 수 있다고 말했다. Atlas는 AlphaGenome Variant Impact(AVI)를 새로 도입했다. AlphaGenome과 AlphaMissense의 예측을 정렬하고 요약하기 위한 단일 점수로, 암호화 영역과 비암호화 영역 모두에 적용된다. 모델의 계보는 분명하다. 2020년 AlphaFold, 2023년 AlphaMissense에 이어 AlphaGenome은 2025년에 발표됐고 2026년 1월 네이처 논문으로 기술됐다. Scientific American에 따르면 제약사 같은 상업적 이용자는 라이선스를 받아야 하고 학계 연구자의 접근은 계속 무료다. 딥마인드 블로그는 구글 클라우드에서의 상업적 이용을 '곧'이라고만 알릴 뿐 시점도 가격도 밝히지 않았다.

잠재적 파급력과 별개로, 과학계와 독립 매체는 문서로 확인되는 여러 공백을 짚는다. Scientific American은 Atlas가 AlphaFold 데이터베이스보다 훨씬 부정확하며 오직 출발점으로만 봐야 한다고 전한다. 모델에는 구조적 한계가 있다. 여러 변이가 동시에 있어야 성립하는 질환은 평가하지 못하고, 아주 먼 거리에서 유전자를 조절하는 인핸서는 모델이 각 변이 주변에서 살피는 100만 염기쌍 창 밖으로 벗어날 수 있다. 영향 점수에 대해 브리티시컬럼비아대학교의 유전체학자 Carl de Boer는 쓰임새는 분명하지만 잘못 해석하기도 쉬울 것이라고 지적한다. 다만 연구의 가치에는 단호하다. 변화가 조절에 어떤 영향을 주는지 이해하는 일이 대부분의 질병을 이해하는 데 핵심이라는 것이다. 딥마인드 스스로도 Atlas의 데이터가 의학적 소견·진단·치료를 대체하지 않으며 임상 용도로 검증되거나 승인된 바 없다고 명시한다. 방법론상 남은 물음도 있다. 2026년 1월 네이처 논문은 AlphaGenome 모델에 관한 것이고, Atlas에 대해서는 블로그가 PDF 기술 문서를 가리킬 뿐이다. 이번 공개가 동료 심사를 거친 연구를 동반하는지는 확인되지 않는다.

딥마인드의 전략은 AlphaFold에서 이미 본 방식 그대로다. 먼저 모델, 그다음 코드도 GPU도 없는 사람이 찾아볼 수 있게 만든 데이터베이스. 생물학적 복잡성을 브라우저에서 조회하는 단일 지표로 줄이면 진입 장벽은 낮아진다. 그러나 실제 유용성은 연구실이 미리 계산된 지도를 임상 데이터로 착각하지 않느냐로 판가름 날 것이다. 독립적 검증이 없는 상황이라면 더욱 그렇다. — Olya