AlphaGenome Atlas, 인간 DNA 단일 서열 변이의 모든 가능성을 예측하는 지도 출시

TL;DR

Google DeepMind는 연구 및 발견을 위한 AlphaGenome AI 모델의 접근성을 크게 확장하는 무료 1페타바이트 플랫폼인 AlphaGenome Atlas를 발표했습니다. 이 플랫폼은 인간 게놈 내 약 90억 개의 가능한 단일염기변이(SNV)에 대해 사전 계산된 분자적 영향 예측과 통합된 AlphaGenome 변이 영향(AVI) 점수를 제공합니다.

AlphaGenome Atlas란?

AlphaGenome Atlas는 인간 게놈 전체에서 모든 가능한 단일 서열 DNA 변화(약 90억 개의 SNV)를 커버하는 사전 계산된 데이터셋입니다. 이 데이터셋은 다음과 같은 정보를 포함합니다:

  • 수십 가지 조절 차원(예: 염색질 접근성, RNA 스플라이싱, 유전자 발현)에서 수백 가지 인간 및 쥐 세포 유형에 걸쳐 각 변이에 대한 분자적 영향 예측
  • AlphaGenome 변이 영향(AVI) 점수 – 코드 영역과 비코드 영역 모두에서 변이 영향을 순위 매기기 위해 AlphaGenome과 AlphaMissense 예측을 통합한 단일 스칼라 값
  • AVI 특성 기여도 – 변이가 받는 AVI 점수를 설명하는 해석 가능한 생물학적 범주들의 가산적 기여도
  • DNA 서열 모티프 카탈로그 – 유전체 좌표를 포함한 2,500개 이상의 반복 모티프, 모티프 수준 분석을 지원

이 전체 자원은 약 1페타바이트에 달하며, AlphaFold 데이터베이스보다 30배 이상 큽니다. 웹 포털, 오픈소스 API, Google Antigravity의 기능으로 접근 가능합니다.

AVI 점수의 작동 방식

AVI 점수는 두 개의 딥러닝 모델을 통합하여 요약합니다:

  1. AlphaGenome – 조절 과정에 대한 변이 영향을 예측
  2. AlphaMissense – 미스센스 변이의 단백질 영향을 예측

이 신호들을 통합함으로써 AVI는 다양한 병원성 및 희귀질환 벤치마크에서 최고 수준의 순위 매기기 지표를 제공합니다. 각 점수와 함께 특성 기여도가 제공되어 가장 방해받는 분자적 과정(예: 스플라이싱, 전사, 보존성)을 강조합니다.

과학적 영향력 입증

희귀질환 변이 우선순위 정하기

GREGoR 컨소시엄과 협력하여 브로드 연구소 연구진은 AVI 점수를 사용해 해결되지 않은 희귀질환 사례에서 후보 변이를 우선순위 정했습니다. 그들은 DNM1 유전자에서 전사 스플라이싱을 방해하는 SNV를 식별했으며, 실험적 스크리닝을 통해 예측된 기능적 영향을 검증했습니다.

인구유전학 분석 강화

Gareth Hawkes는 54,000명 이상의 UK Biobank 참가자의 전체 게놈 데이터에 AlphaGenome Atlas를 적용했습니다. 예측된 분자적 영향에 따라 희귀 변이를 그룹화함으로써 기존 GWAS보다 22% 더 많은 비코드 영역 연관성을 발견했으며, 단백질 수준에 영향을 주는 조절 변이(예: PLA2G7, EGLN1)와 체중지수 관련 루커스를 밝혀냈습니다.

모티프 수준 기능 주석

스토우어스 연구소의 연구진은 모티프 카탈로그를 활용하여 염색질 접근성에만 영향을 주는 전사인자 결합 모티프와 전사 조절도 함께 영향을 주는 모티프를 구분했으며, 더 세밀한 조절적 통찰을 제공했습니다.

접근성 및 이용 가능 여부

기반 모델인 AlphaGenome은 이미 GitHub 및 AlphaGenome API를 통해 학계에서 사용 가능합니다.

미래 방향성

AlphaGenome Atlas는 기준 자원으로 위치지어져 있으며, AlphaGenome 모델이 향상됨에 따라 향후 버전은 예측 정확도와 커버리지를 높일 것입니다. 팀은 Google Antigravity와 같은 에이전트 시스템과의 더 밀접한 통합을 예상하며, 가설 생성에서 실험 설계에 이르기까지 종단 간 과학적 파이프라인을 자동화할 수 있기를 기대합니다.

커뮤니티 및 감사의 말

이 아틀라스는 에크세터 대학, 브로드 연구소, 보스턴 어린이병원, 스토우어스 연구소, 하버드, MSKCC, MGH, 캔자스 의과대학의 협력자들의 의견을 반영하여 공동 설계되었습니다. 기존 블로그 게시물에 기여자 및 기술 지원자들의 긴 목록이 감사의 말로 명시되어 있습니다.

AlphaGenome Atlas의 예측은 임상 진단이나 치료를 위한 것이 아니며, 임상적 사용을 위한 검증이 이루어지지 않았습니다.

Sources