구글 산하 인공지능(AI) 조직 딥마인드가 11일(현지시간) 질환 발병의 세포적 기전을 밝혀낼 최신 AI 모델 '알파게놈2'를 발표했다.

이 모델은 기존 유전자 활동 분석 모델인 '알파게놈'을 고도화한 것이다. 이는 2024년 노벨 화학상을 받은 단백질 구조 예측 AI '알파폴드'의 뒤를 잇는 차세대 연구 성과다.

다수 조직 내 분자 움직임을 일괄적으로 살피던 1세대 모델과 달리, 신규 모델은 개별 세포의 성격과 현재 상태를 조건값으로 받아들이는 '조건부 모델'로 설계됐다.

딥마인드는 이런 구조 개편 덕분에 이전 버전에서 놓치기 쉬웠던 세포 간 미세 편차를 뚜렷하게 포착할 수 있게 됐다고 밝혔다. 같은 디옥시리보핵산(DNA) 돌연변이라도 발현되는 세포의 종류에 따라 다르게 나타나는 영향까지 정교하게 가려낼 수 있게 된 셈이다.

데이터 처리 규모와 돌연변이 식별력도 크게 향상됐다. 알파게놈2가 학습한 데이터는 68개 조직, 1억700만개 이상의 세포에 달한다. 질병 유발 유전자 변이 발견율은 1세대의 16%에서 30%로 두 배 가까이 높아졌다.

추가 훈련 없이도 처음 접하는 단일 세포 실험 결과를 스스로 해석하는 능력도 갖췄다.

딥마인드 측은 "코로나19 메신저 리보핵산(mRNA) 백신 관련 단일 세포 데이터를 입력한 결과, 사전 학습하지 않은 정보였음에도 백신 반응으로 활성화된 면역 T세포와 활동을 멈춘 휴지(休止) 상태의 T세포를 정확히 구분해냈다"고 덧붙였다.

지가 아브세츠 딥마인드 유전체학 총괄은 미국 정보기술(IT) 전문매체 더버지와 만나 "신약 개발 단계에서는 표적이 되는 특정 단백질과 세포 유형을 정확히 겨냥해야 하는 만큼 이런 초정밀 분석력이 요구된다"고 강조했다.

다만 세포 하나하나를 깊이 있게 들여다보는 과정에서 초기 모델보다 연산 비용이 늘어나는 점은 불가피하다.

아브세츠 총괄은 "이를 고려해 전체 게놈의 90억개 변이를 포괄적으로 예측하며 대규모 데이터베이스를 구축할 때는 1세대 모델을, 특정 세포 단위의 질환 원인 규명이나 신약 개발 표적 발굴에는 알파게놈2를 병행하는 투트랙 전략을 구사할 계획"이라고 설명했다.

딥마인드는 순수 학술 및 비상업적 목적의 연구진에게 이날부터 알파게놈2 접근 권한을 무료로 제공한다. 상업적 연구에는 제한적인 비공개 미리보기 형태로만 지원할 예정이다.