2026-09-08 공개된 AlphaGenome Atlas로 DNA 변이 효과를 조회하는 방법을 초보자 기준으로 정리했습니다. 무료 포털·API 접근 경로, AVI 점수 읽는 법, 비상업 라이선스 제약, 결과 해석의 한계를 단계별로 다룹니다.
AlphaGenome Atlas 시작 전 확인할 것
AlphaGenome Atlas는 비상업 연구용 변이 우선순위 도구입니다. 진단 도구가 아닙니다. 코딩을 몰라도 무료 웹 포털에서 바로 조회할 수 있습니다. Google DeepMind가 2026-09-08에 공개한 이 데이터셋은 사람 유전체에서 생길 수 있는 한 글자 치환(SNV) 90억 개 전부의 효과를 미리 계산해 둔 지도입니다. 이 글에서는 조회 전에 확인할 조건과 준비물, 단계별 절차, 자주 틀리는 해석을 차례로 짚습니다. 상업용 도입 절차와 모델 재학습 방법은 다루지 않습니다.
90억이라는 숫자는 간단한 계산에서 나옵니다. 사람 유전체는 약 30억 염기쌍이고, 위치마다 다른 글자로 바뀔 수 있는 경우가 3가지씩 있습니다. 데이터셋 크기는 1페타바이트(1PB)로, DeepMind는 AlphaFold Database보다 30배 넘게 크다고 밝혔습니다. 변이 하나마다 사람과 생쥐의 세포 유형·조직 수백 종에 걸친 예측이 붙어 있는데, 공식 표현으로는 “thousands of molecular effect predictions for each variant”입니다.
시작 전에 알아둘 전제는 세 가지입니다.
- 용도 제한: Atlas 출력은 비상업용으로만 쓸 수 있고, 다른 ML 모델 학습에 쓰는 것도 금지됩니다(GitHub README, 2026-09-22 확인).
- 의료 목적 불가: 공식 고지는 “not intended to be a substitute for professional medical advice, diagnosis, or treatment”입니다. 개인 유전자 검사 결과 해석에 쓰면 안 됩니다.
- 범위 한정: “모든 변이”는 SNV에 한한 말입니다. 삽입·결실은 관측된 것 일부만 들어 있습니다.
용어 풀이
1. SNV(단일 염기 변이) — DNA 서열에서 한 글자가 다른 글자로 바뀐 변이로, Atlas가 빠짐없이 다루는 유일한 변이 유형입니다.
2. 비코딩 영역 — 단백질을 직접 만들지 않지만 유전자가 언제·얼마나 켜질지를 조절하는 부분으로, 유전체의 98%를 차지합니다.
3. AVI(AlphaGenome Variant Impact) — AlphaGenome과 AlphaMissense의 예측을 합쳐 변이 하나에 붙이는 단일 점수입니다.
준비물·필요 서류
Atlas 조회에 서류는 필요 없습니다. 준비할 것은 용도 확인과 변이 정보 정리가 전부입니다. 접근 경로마다 필요한 게 다르니 아래 표에서 자기 경로부터 고르면 빠릅니다.
| 접근 경로 | 코딩 필요 | 비용(2026-09-22 기준) | 적합한 경우 |
|---|---|---|---|
| 무료 웹 포털 | 불필요 | 무료 | 변이 몇 개를 브라우저에서 확인 |
| AlphaGenome API | 필요 | 비상업 무료 | 변이 목록을 일괄 조회 |
| Google Antigravity 스킬 | 에이전트 환경 | 공식 안내 확인 필요 | AI 에이전트 작업 흐름에 연결 |
| Google Cloud Model Garden | 필요 | 유료(요금 별도 확인) | 기반 모델 상업 이용 |
지금 Model Garden에서 상업용으로 쓸 수 있는 것은 기반 모델인 AlphaGenome뿐입니다. 상업용 Atlas는 “available for commercial use on Google Cloud soon”이라는 안내만 나왔고, 출시일·가격·약관은 2026-09-22 기준 하나도 공개되지 않았습니다.
준비물을 목록으로 정리하면 다음과 같습니다.
- 용도 판정 메모 — 비상업 연구인지, 결과를 기업 서비스나 신약 개발에 쓸 것인지 먼저 적어 둡니다. 경로가 여기서 갈립니다.
- 변이 위치 정보 — 염색체, 위치, 참조 염기, 바뀐 염기를 정리합니다. 어떤 참조 유전체 버전(GRCh38 등)이 기준인지는 공식 자료에서 확인하지 못했습니다(확인 필요). 조회 전에 포털 안내부터 보세요.
- API 키(API 경로만) — 비상업 용도는 무료이고, 발급 절차는 GitHub
google-deepmind/alphagenome저장소 안내를 따릅니다. - 조회 규모 추정치 — 미리 계산된 Atlas 조회는 한도가 넉넉한 편입니다. 반면 공식 README는 100만 건이 넘는 실시간 예측은 적합하지 않을 수 있다고 안내합니다.
- 포털 로그인 여부 — 로그인이 필요한지는 확인하지 못했습니다(확인 필요).
모델을 직접 돌리려면 Kaggle이나 Hugging Face에서 가중치를 받으면 됩니다. 코드는 Apache 2.0이지만 가중치에는 비상업 모델 약관이 따로 붙습니다. 코드 라이선스만 보고 상업 이용이 된다고 판단하면 안 됩니다.
단계별 진행 순서
공식 자료에는 단계별 소요시간 수치가 없습니다. 아래 소요시간은 상대적인 부담 정도만 나타냅니다.
1단계: 용도와 라이선스 판정
– 소요시간: 짧지만 가장 먼저 해야 합니다.
– 비상업 연구라면 포털이나 무료 API로 진행합니다. 상업 목적이면 현재는 Atlas를 쓸 수 없으니 기반 모델(Model Garden)이나 다른 도구를 검토합니다.
– 주의점: 출력으로 다른 모델을 학습시키는 것은 금지입니다. 파인튜닝이나 증류 데이터로 쓸 계획이라면 여기서 멈춥니다.
2단계: 접근 경로 선택
– 소요시간: 포털은 바로 시작할 수 있고, API는 키 발급과 환경 설정에 시간이 더 듭니다.
– 변이가 몇 개뿐이면 포털, 수백 개가 넘으면 API가 효율적입니다.
– 주의점: 실시간 예측과 미리 계산된 조회는 한도가 다릅니다. 대규모 분석이라면 Atlas 조회(사전 계산)를 우선 써야 한도에 덜 걸립니다.
3단계: 변이 정보 입력
– 소요시간: 데이터 정리 상태에 따라 가장 오래 걸릴 수 있습니다.
– 좌표와 염기 정보를 형식에 맞춰 넣습니다.
– 주의점: 참조 유전체 버전이 어긋나면 엉뚱한 위치의 점수를 읽게 됩니다. 버전은 반드시 공식 안내에서 확인하세요.
4단계: AVI 점수와 기여 요인 읽기
– 소요시간: 변이당 오래 걸리진 않지만, 해석에는 시간을 들여야 합니다.
– AVI 점수마다 점수를 끌어올린 요인이 함께 표시됩니다. 조절 기능 예측 때문인지, AlphaMissense의 단백질 영향 점수 때문인지 나눠서 봅니다.
– 주의점: 점수가 높다는 건 먼저 검토할 후보라는 뜻입니다. 병을 일으킨다는 판정이 아닙니다.
5단계: 한계 조건과 대조
– 소요시간: 짧지만 건너뛰면 결론이 틀어집니다.
– 모델 입력 길이가 1Mb(100만 염기쌍)라서 그보다 먼 인핸서의 효과는 놓칠 수 있습니다. 결과를 넘길 때 이 조건을 같이 적습니다.
– 주의점: 관심 변이가 삽입·결실이면 Atlas에 없을 수 있습니다. 매체 보도로는 1억 개 이상이 들어 있다지만 공식 블로그에서는 확인되지 않은 수치입니다.
6단계: 조회 조건 기록
– 소요시간: 짧습니다.
– 조회 날짜, 접근 경로, 기여 요인을 함께 남깁니다. 데이터 버전 관리 방식은 공개 자료에서 확인하지 못했으므로, 나중에 결과를 재현하려면 조회 날짜만큼은 반드시 기록해 두세요.
용어 풀이
1. 인핸서 — 유전자에서 떨어진 곳에서 그 유전자의 발현을 높이는 조절 서열로, 거리가 멀수록 예측이 어려워집니다.
2. 추론(실시간 예측) — 저장된 결과를 찾는 대신 모델이 입력을 받아 그 자리에서 계산하는 방식으로, 시간과 계산 자원이 더 듭니다.
자주 놓치는 부분
첫째, “best-in-class”를 모든 과제 1위로 읽는 실수입니다. 공식 발표는 AVI가 “best-in-class performance across many variant pathogenicity” 과제에서 우수하다고만 밝혔고, 지표별 수치는 블로그 본문에 없습니다. 보도에 따르면 ClinVar의 UTR 과제와 TraitGym 비코딩 과제에서는 다른 방법이 근소하게 앞섰습니다. UTR이 관심 영역이라면 다른 도구와 교차 확인하는 편이 안전합니다.
둘째, 29.5% 대 12.5%라는 수치를 조건 없이 인용하는 실수입니다. GREGoR 컨소시엄 사례에서 인과 변이를 상위 50위 안에 넣은 비율이 AVI 29.5%, CADD 12.5%였다고 보도됐습니다. 이 수치는 해결된 사례라는 조건에서만 나왔습니다. 대상도 매체마다 달라서 Fortune은 희귀질환 해결 사례, The Decoder는 뇌전증 사례라고 적었습니다. 원출처인 Atlas 논문 PDF와는 대조하지 못했으니(확인 필요) 인용할 때 조건을 함께 밝혀야 합니다.
셋째, 먼 인핸서 효과를 믿는 실수입니다. Cold Spring Harbor Laboratory의 Murphy·Koo 평가(2026-06-25 게시, 2026-08-03 갱신)에서 기반 모델 AlphaGenome의 Pearson r은 Fulco 데이터 0.67, Gasperini 데이터 0.45로 두 실험 모두 1위였습니다. 그런데 비교한 모델 4개가 모두 실제 억제 효과를 과소 예측했고, 인핸서가 전사 시작점에서 멀수록 격차가 벌어졌습니다. 이 평가의 대상은 Atlas나 AVI가 아니라 기반 모델입니다.
| 모델 | Fulco | Gasperini |
|---|---|---|
| AlphaGenome | 0.67 | 0.45 |
| Borzoi | 0.66 | 0.34 |
| Enformer | 0.60 | 0.30 |
넷째, 22% 수치를 잘못 옮기는 실수입니다. Exeter 대학 Hawkes의 분석은 UK Biobank 참가자 54,000명 이상에서 상위 1% 변이만 남겨 비코딩 연관성을 22% 더 찾았고, BMI 관련 영역 19곳을 발견했습니다. 다만 22%가 무엇의 증가인지는 매체마다 표현이 다릅니다. Google은 비코딩 유전 연관성이라고 했고, The Decoder는 비코딩 변이와 단백질 수준 사이의 연관이라고 적었습니다. 어느 설명이 맞는지는 가리지 못했습니다.
다섯째, 연구 사례를 임상 근거로 쓰는 실수입니다. Broad Institute와 보스턴 아동병원 연구진은 AVI로 뇌전증성 뇌병증 관련 DNM1 변이를 찾아 실험으로 검증했습니다. 그러나 Atlas 논문의 동료 심사 여부는 확인되지 않았고, 임상용 승인도 받지 않았습니다. 외부 평가도 엇갈립니다. Wellcome Sanger의 Ben Lehner는 이번 발표가 AlphaFold급 전환점은 아니라는 취지로 평가했습니다(Nature 원문 확인 못 함). UBC의 Carl de Boer는 선도 모델로 인정하면서도 느리고 계산량이 크며 오해받기 쉽다고 봤습니다.
용어 풀이
1. CADD — 게놈 전체 변이에 해로움 점수를 매기는 기존 표준 도구로, Atlas 성능 비교의 기준으로 자주 쓰입니다.
2. zero-shot 평가 — 해당 실험 데이터로 추가 학습하지 않은 상태에서 모델의 예측력을 재는 방식입니다.
체크리스트 정리
- [ ] 용도가 비상업 연구인지 확인했다. 상업 목적이면 2026-09-22 기준 Atlas는 쓸 수 없다.
- [ ] 결과를 다른 모델 학습에 쓰지 않는다는 약관을 확인했다.
- [ ] 변이 수에 맞춰 포털(소량)과 API(대량)를 골랐고, 100만 건 이상 실시간 예측은 피하도록 계획했다.
- [ ] 입력 좌표의 참조 유전체 버전을 공식 안내와 대조했다.
- [ ] 관심 변이가 SNV인지 확인했다. 삽입·결실이면 Atlas에 없을 수 있다.
- [ ] AVI 점수와 함께 기여 요인(조절 기능 대 단백질 영향)을 기록했다.
- [ ] 결과를 진단이 아니라 검토 우선순위로만 쓰고, 1Mb 입력 창의 한계와 조회 날짜를 함께 남겼다.
📎 출처 (모두 2026-09-22 확인)
– Google DeepMind 블로그(2026-09-08): https://deepmind.google/blog/alphagenome-atlas-a-predictive-map-of-every-possible-dna-letter-change-in-the-human-genome/
– Google 공식 블로그(2026-09-08): https://blog.google/innovation-and-ai/models-and-research/google-deepmind/alphagenome-atlas/
– AlphaGenome 소개 페이지: https://deepmind.google/science/alphagenome/
– GitHub alphagenome: https://github.com/google-deepmind/alphagenome
– GitHub alphagenome_research: https://github.com/google-deepmind/alphagenome_research
– Murphy·Koo 평가: https://genomicsxai.github.io/blogs/2026-007/
– IEEE Spectrum: https://spectrum.ieee.org/alphagenome-atlas
– Fortune: https://fortune.com/2026/09/08/google-deepmind-ai-predictions-9-billion-mutation-human-genome/
– The Decoder: https://the-decoder.com/deepminds-alphagenome-atlas-maps-every-possible-dna-change-in-the-human-genome/
– WinBuzzer: https://winbuzzer.com/2026/09/09/google-alphagenome-atlas-nine-billion-dna-substitutions-searchable-xcxwbn/
참고 자료
조사 기준일: 2026년 09월 22일
본문의 수치는 아래 자료에서 확인한 것입니다. 제조사 공식 자료(T1)와 전문 매체 실측(T2)을 구분해 표기했습니다. 가격·공급 상황은 변동이 크므로 기준일 이후의 값은 다시 확인해야 합니다.
Tier 1 (모두 2026-09-22 확인)
– https://deepmind.google/blog/alphagenome-atlas-a-predictive-map-of-every-possible-dna-letter-change-in-the-human-genome/
– https://blog.google/innovation-and-ai/models-and-research/google-deepmind/alphagenome-atlas/
– https://deepmind.google/science/alphagenome/
– https://github.com/google-deepmind/alphagenome
– https://github.com/google-deepmind/alphagenome_research
– 원문 확인 못 함: Atlas 논문 PDF https://storage.googleapis.com/deepmind-media/DeepMind.com/Blog/alphagenome-atlas-a-predictive-map-of-every-possible-dna-letter-change-in-the-human-genome/alphagenome-atlas.pdf
– 원문 확인 못 함: https://docs.cloud.google.com/gemini-enterprise-agent-platform/models/open-models/alphagenome
Tier 2 (모두 2026-09-22 확인)
– https://genomicsxai.github.io/blogs/2026-007/
– https://spectrum.ieee.org/alphagenome-atlas
– https://www.scientificamerican.com/article/new-google-deepmind-alphagenome-atlas-could-transform-our-understanding-of-genetic-diseases/
– https://fortune.com/2026/09/08/google-deepmind-ai-predictions-9-billion-mutation-human-genome/
– https://the-decoder.com/deepminds-alphagenome-atlas-maps-every-possible-dna-change-in-the-human-genome/
– https://www.implicator.ai/google-alphagenome-atlas-9-billion-dna-variants/
– https://winbuzzer.com/2026/09/09/google-alphagenome-atlas-nine-billion-dna-substitutions-searchable-xcxwbn/
– https://www.gadgetreview.com/alphagenome-atlas-maps-every-dna-mutation-free-to-any-researcher
– 유료 벽으로 미열람: https://www.nature.com/articles/d41586-026-02835-4
– 참고만(수치 불사용): https://rundatarun.io/p/alphagenome-atlas-and-the-tools-you
답글 남기기