90억 변이가 한 지도에 모입니다 | DAKER 커뮤니티

Google DeepMind가 2026년 9월 8일 AlphaGenome Atlas를 공개했습니다. 인간 유전체에서 가능한 단일 염기 변이 약 90억 개의 분자 영향 예측을 한곳에 모은 플랫폼입니다. 오늘은 임상 승인 주장이 아니라 연구용 지도·AVI 점수·공개 범위 각도로 정리합니다. 원문은 DeepMind 블로그와 blog.google입니다.

나온 것

1. 약 90억 단일 염기 변이에 대한 예측을 담습니다. 가능한 한 글자 치환을 전 유전체 규모로 미리 계산해, 특정 변이만 돌리던 AlphaGenome의 시야를 넓혔다고 설명합니다. 연구자가 코딩 없이도 포털에서 큰 그림을 보게 하는 것이 목표입니다.

2. 데이터셋 규모는 약 1페타바이트입니다. AlphaFold Database보다 30배 이상 크다고 적습니다. 변이마다 수천 개 분자 효과 예측이 있고, 인간·마우스의 수백 세포·조직에 걸친 유전자 조절 측면을 포함합니다.

3. AVI 점수는 AlphaGenome과 AlphaMissense를 합칩니다. AlphaGenome Variant Impact(AVI)는 두 모델 예측을 한 숫자로 압축해 변이를 빠르게 순위를 매깁니다. 코딩(약 2%)과 비코딩(약 98%) 모두에 쓰입니다. AVI feature attributions는 스플라이싱·발현·염색질 접근성 등 어떤 과정이 흔들리는지 보여 줍니다.

4. DNA 모티프가 2,500개 넘게 포함됩니다. 반복되는 짧은 서열과 위치를 모아, 전사인자 결합 등 조절 「단어」를 해석하는 데 씁니다. Stowers Institute 연구진이 접근성만 바꾸는 인자와 유전자 on/off까지 가는 인자를 분류하는 데 썼다고 소개합니다.

5. 접근 경로는 포털·API·Antigravity 스킬입니다. 비영리 웹 포털은 오늘부터 무료이고, 상업 이용은 Google Cloud에서 곧 제공한다고 합니다. AlphaGenome 기본 모델은 학술용 GitHub·API와 Cloud Model Garden 상업 경로가 이미 있다고 적습니다.

6. 협력 사례가 공개됐습니다. GREGoR·Broad의 Covill·O’Donnell-Luria 팀은 AVI로 희귀질환 후보를 우선순위해 DNM1 관련 뇌전증 뇌병증 스플라이스 변이를 찾고 실험으로 검증했다고 합니다. Exeter의 Hawkes는 UK Biobank 5만4천 명 이상 전장 유전체에 적용해 비코딩 연관이 22% 더 나왔다고 합니다. BMI에서는 영향이 큰 비코딩 상위 1%에 집중해 19개 유전 영역을 짚었습니다.

7. 임상 의료 조언이 아니라고 명시합니다. 페이지 하단은 전문 의료 조언·진단·치료를 대체하지 않으며, 임상용으로 검증·승인되지 않았다고 적습니다. 연구 자원으로만 다루십시오.

「모든 질병을 고친다」로 요약하지 마십시오. 지도는 분자 영향 예측과 연구 우선순위용입니다. 진단 확정 도구로 쓰지 마십시오.

1PB·30×·90억은 공식 수치입니다. 팀 문서에 옮길 때 DeepMind 블로그 날짜를 같이 적으십시오. 임의로 「전 인류 유전체 완전 해독」으로 바꾸지 마십시오.

AVI는 순위·해석 보조입니다. 병원 전자의무기록에 바로 넣는 승인 제품이 아닙니다. 임상 경로와 연구 경로를 분리하십시오.

UK Biobank 22%·BMI 19영역·DNM1은 협력 연구 결과입니다. 일반 인구에 같은 비율이 나온다고 단정하지 마십시오. 기관명과 「보고」를 붙이십시오.

비영리 포털과 상업 Cloud를 섞지 마십시오. 오늘은 비영리 웹이 열렸고, 상업은 soon입니다. 확정 요금표를 창작하지 마십시오.

모티프 2,500+는 「over 2,500」입니다. 정확한 정수를 임의로 고정하지 말고, 원문 표현을 따르십시오.

blog.google와 DeepMind 블로그를 나란히 두십시오. 같은 발표의 다른 진입점입니다. 사실 출처는 DeepMind 본문을 우선하십시오.

Antigravity 스킬은 에이전트 워크플로 연결용입니다. 자동 진료 시스템 출시로 해석하지 마십시오.

DAKER에 남길 때는 공개 URL과 비임상 고지를 같이 올리십시오. 환자 식별 정보가 있는 화면은 올리지 마십시오. 올린 링크가 제출입니다.

AlphaFold DB 비유는 규모 감각용입니다. 구조 예측 DB와 변이 분자 효과 DB는 목적이 다릅니다. 「AlphaFold 후속작」으로만 줄이지 마십시오.

코딩/비코딩 2%·98%는 원문의 설명입니다. 팀 교육 자료에 쓸 때도 같은 비율을 유지하십시오.

실험 검증이 끝난 변이만 「확인」이라고 쓰십시오. DNM1은 실험 스크린으로 검증했다고 적혀 있습니다. 다른 후보를 같은 수준으로 올리지 마십시오.

의료 면책 문구를 본문 끝에 유지하십시오. 요약만 따로 퍼갈 때도 면책을 붙이십시오.

포털 사용 전에 연구윤리·데이터 사용 조건을 확인하십시오. 비영리 무료라도 기관 IRB·데이터 정책이 따로 있을 수 있습니다.

AVI feature attributions를 해석 노트에 남기십시오. 점수만 복사하지 말고, 스플라이싱·발현·접근성 중 무엇이 큰지 한 줄을 적습니다.

희귀질환 우선순위 워크플로에 「실험 검증 전」 라벨을 붙이십시오. DNM1처럼 검증된 사례와 미검증 후보를 같은 표에 두지 마십시오.

UK Biobank 적용 사례를 인용할 때 표본 규모 5만4천+를 유지하십시오. 「전 영국인」으로 확대하지 마십시오.

BMI 19영역을 「비만 치료 타깃 확정」으로 쓰지 마십시오. 후속 연구 방향을 돕는 영역 식별입니다.

모티프 자원을 전사인자 교육 자료에 쓸 때는 Stowers 사례를 「예시」로만 표시하십시오. 모든 세포형에 동일하다고 단정하지 마십시오.

AlphaGenome API와 Atlas 포털을 북마크에서 분리하십시오. 기본 모델 호출과 사전계산 지도 조회는 목적이 다릅니다.

상업 Cloud 일정은 「soon」으로만 적고, 영업 슬라이드에 임의 분기 숫자를 넣지 마십시오.

면책 문구를 자동 서명에 넣으십시오. 슬랙·노션에 요약을 붙여 넣을 때도 「비임상·미승인」을 한 줄 남기십시오.

Antigravity 스킬을 연결할 때 환자 데이터를 넣지 마십시오. 공개 연구용 변이·모티프 탐색에만 쓰십시오.

변이 순위를 매긴 뒤 문헌 검색 단계를 의무화하십시오. AVI 상위라도 기존 보고와 모순되면 보류하십시오.

마우스·인간 세포형 예측이 섞인 결과를 라벨로 구분하십시오. 인간 임상 해석에 마우스 신호를 바로 넣지 마십시오.

1페타바이트 규모를 로컬에 미러하지 마십시오. 포털·API 쿼리로 필요한 구간만 가져오십시오.

AlphaMissense 단독 점수와 AVI를 혼동하지 마십시오. AVI는 두 모델 결합입니다. 문서에 약어 정의를 고정하십시오.

GREGoR·Exeter·Stowers 협력을 「DeepMind가 환자를 진료했다」로 쓰지 마십시오. 연구 협력 사례입니다.

블로그 영상 캡션의 1·2·3단계 개요를 팀 온보딩에 그대로 쓰십시오. 사전계산 → AVI → 모티프 연결 순서입니다.

포털에서 변이 하나를 조회하는 연습과 대규모 순위 작업을 분리하십시오. 교육용 조회에 환자 유전체를 넣지 마십시오.

AVI 벤치마크 「best-in-class」 문구는 회사 테스트 설명입니다. 독립 재현 논문이 나오기 전까지 「절대 최고」로 단정하지 마십시오.

단백질 수준·복합 형질 매핑 사례를 희귀질환 사례와 같은 슬라이드에 섞을 때는 목적을 라벨로 나누십시오.

PLA2G7·EGLN1 언급은 Exeter 사례의 예시 단백질입니다. 치료 권고로 확장하지 마십시오.

GitHub 학술 AlphaGenome과 Atlas 포털 라이선스를 각각 읽으십시오. 상업 이용 가능 범위가 다를 수 있습니다.

「지도」라는 비유를 쓸 때는 원문의 atlas 설명을 따르십시오. 지리 지도처럼 완전 무결하다는 뜻이 아닙니다.

연구 협조 기관 목록을 감사 표기용으로만 옮기십시오. 모든 기관이 동일 실험을 했다는 뜻이 아닙니다.

면책 문장을 영어·한국어로 모두 보관하십시오. 번역 요약을 퍼갈 때 빠지기 쉽습니다.

변이 영향 예측을 신약 타깃 확정과 같은 문장에 두지 마십시오. 발견 가속 도구이지 승인된 치료 결정이 아닙니다.

포털·API·스킬 세 경로의 접근 로그를 각각 남기십시오. 누가 어떤 경로로 조회했는지 추적 가능해야 합니다.

아닌 것

임상 진단·치료 승인 제품이 아닙니다. 의료 조언을 대체하지 않습니다.

모든 희귀질환이 해결됐다는 뜻이 아닙니다. 일부 협력 사례와 실험 검증이 소개됐습니다.

상업 Cloud가 오늘 전 세계 유료 개방됐다는 확정이 아닙니다. soon으로 적혀 있습니다.

환자 개인정보를 수집하는 서비스 안내가 아닙니다. 연구용 예측 지도입니다.

오늘 할 일

첫째, DeepMind 블로그에서 90억·1PB·AVI·면책 문장을 확인하십시오. AlphaGenome Atlas 발표를 여십시오.

둘째, 비영리 포털과 API·Antigravity 스킬 진입점을 북마크하십시오. 상업 경로는 Cloud 공지를 기다리십시오.

셋째, 팀 문서에 「비임상·미승인」 면책을 고정하십시오. 임상 워크플로에 바로 넣지 마십시오.

넷째, 협력 수치(22%·19영역·DNM1)를 인용할 때 기관명을 같이 적으십시오. 일반화하지 마십시오.

다섯째, AVI로 순위를 매긴 뒤에는 실험·전문가 검토 단계를 분리하십시오. 점수만으로 진단을 끝내지 마십시오.

여섯째, 확인한 요약과 출처 링크를 공개로 남기십시오. DAKER에는 빌더와 대회 기록이 쌓여 있습니다. 올린 링크가 제출입니다.

한 페이지 요약

Google DeepMind는 AlphaGenome Atlas로 인간 유전체 단일 염기 변이 약 90억 개의 분자 영향 예측을 공개했습니다. 약 1PB로 AlphaFold DB의 30배 이상입니다. AVI는 AlphaGenome과 AlphaMissense를 합친 영향 점수이며 코딩·비코딩에 쓰입니다. 포털·API·Antigravity 스킬로 접근하고, 비영리 웹은 오늘 무료, 상업은 Cloud soon입니다. GREGoR/Broad DNM1 스플라이스 변이 검증, Exeter UK Biobank 5.4만+에서 비코딩 연관 22% 증가, BMI 상위 1%로 19영역, 모티프 2500+가 소개됐습니다. 임상 의료 조언이 아니며 임상용 승인이 없습니다.

출처: Google DeepMind — AlphaGenome Atlas (2026-09-08) · blog.google