Google DeepMind, 특정 세포에서 DNA 변이의 영향을 예측하는 AlphaGenome 2 공개
회사 측은 새 모델이 세포 내 유전자 발현을 변화시키는 변이를 이전 모델보다 거의 두 배 많이 찾아낸다고 밝혔다.
AI 일러스트Google DeepMind가 DNA 서열과 그 변이가 특정 인간 세포 유형의 유전자 활성에 어떤 영향을 미치는지 예측하는 모델 AlphaGenome 2를 발표했다. 회사 측은 이 모델이 세포 내 유전자 발현을 변화시키는 변이를 이전 모델보다 거의 두 배 많이 식별한다고 밝혔다.
지난해 출시된 첫 AlphaGenome은 DNA 변이가 광범위한 조직 전반에서 분자 활성에 어떤 영향을 미치는지 예측했다. Google DeepMind에 따르면 이 모델은 수천 건의 실험에 대한 특성을 한꺼번에 예측했기 때문에 역량이 분산되었고, 밀접하게 연관된 세포 유형 간의 미묘한 차이를 포착하기 어려웠다.
반면 AlphaGenome 2는 조건부 모델로 작동한다. 100만 자 길이의 DNA 서열과 함께 조직, 세포 유형, 세포 상태 등 하나의 목표 조건을 입력받아 해당 조건에 대해서만 예측한다. 회사 측은 이를 통해 모델이 동일한 DNA 조각이 세포마다 어떻게 다르게 읽히는지 학습할 수 있다고 설명했다. 이 모델은 인간과 마우스 데이터를 사용해 68개 조직에 걸친 일억 개 이상의 개별 세포 프로파일로 학습되었다. 유전자 발현, 히스톤 변형, 염색질 접근성에 더해 이제 DNA 메틸화도 예측한다.
회사 측에 따르면, 이 모델은 일차 면역 세포 유형 28종을 포괄하는 TenK10K 데이터셋에서 인과 변이의 30%를 식별했으며, 이는 단일 세포 데이터로 미세 조정한 기존 AlphaGenome 및 기타 특화 도구의 16%를 웃도는 수치다. 유전자에 대한 영향의 방향성은 43%를 식별해 23%를 넘어섰다. 또한 장 대식세포에서 ETS2 유전자를 과도하게 활성화해 변이가 IBD를 유발한다는 이전 연구의 결과를 계산적으로 재현했다.
Google DeepMind는 이 모델을 재학습 없이 단 수십 개 세포의 데이터만으로 새로운 단일세포 실험에 적용할 수 있다고 밝혔다. 학습에 사용되지 않은 COVID-19 mRNA 백신 연구 데이터에서 모델은 백신으로 활성화된 T 세포와 휴지 상태의 T 세포를 구분했으며, 중증 COVID-19와 연관된 변이가 활성화 상태에서 유전자 활성을 더 강하게 교란한다는 것을 보여주었다.
회사는 또한 수백 가지 인간 세포 및 조직 조건에 걸쳐 형질 연관 변이에 대한 예측을 미리 계산해 두었다. AlphaGenome 2는 AlphaGenome API를 통해 비상업적 연구용으로 제공되며, 상업적 연구용으로는 비공개 프리뷰로 제공된다. Google DeepMind는 이 모델들이 연구 목적으로만 사용하도록 설계되었으며 임상 또는 진단 목적으로 검증되거나 승인되지 않았다고 밝혔다.