구글 딥마인드가 인간 유전체에서 가능한 약 90억 개의 단일 염기 변이가人体에 미칠 영향을 AI로 예측한 '알파게놈 아틀라스'를 공개했습니다. 1페타바이트 규모의 이 데이터셋은 단백질 구조 데이터베이스인 알파폴드보다 30배 이상 크며, 수십만 개에 달하는 예측값을 단일 점수(AVI)로 요약해 질병 관련 변이를 신속히 선별할 수 있게 합니다. 실제로 진단되지 않던 소아 간질 사례에서 원인 변이를 찾아내는 성과를 거두었습니다.
구글 딥마인드가 인간 유전체의 모든 단일 염기 변이(SNV)에 대해 영향 점수를 미리 계산한 '알파지놈 아틀라스(AlphaGenome Atlas)'를 공개했습니다. 약 90억 개의 DNA 변이에 대해 분자 효과 예측과 AVI 점수를 제공하여, 유전병 연구와 정밀의료 분야에서 변이 해석 속도를 크게 높일 수 있을 것으로 기대됩니다.
국제 연구진이 AI 기반 연산 모델을 활용해 10만 명 이상의 유전 데이터를 분석, 조현병과 관련된 766개의 유전자를 새롭게 규명했습니다. 이번 연구는 수많은 유전 변이가 개별적으로 작용하는 것이 아니라 거대한 생물학적 네트워크를 형성하여 질환 발생 위험을 공동으로 높인다는 사실을 밝혀냈다는 점에서 큰 의의가 있습니다. 이는 향후 조현병의 정확한 원인 규명과 표적 치료제 개발을 위한 핵심적인 유전적 지도를 제공합니다.
본 튜토리얼은 생물정보학 실무자들을 위해 구글 Colab 환경에서 동작하는 플라스미드 엔지니어링 워크벤치를 구축하는 방법을 다룹니다. Biopython 등 파이썬 라이브러리를 활용하여 플라스미드 맵 렌더링, 제한 효소 분석, 가상 젤 전기영동 및 프라이머 설계 기능을 구현합니다.
앤스로픽이 연구자를 위한 전용 AI 워크벤치인 클로드 사이언스를 베타 버전으로 공개했습니다. 이 도구는 로컬 환경에서 실행되어 민감한 연구 데이터를 보호하면서도, 문헌 분석 및 검증 에이전트 기능, 그리고 엔비디아 BioNeMo 등 다양한 데이터베이스와 도구를 통합하여 연구 효율성을 극대화하는 것이 핵심입니다.
본 튜토리얼은 생물정보학의 핵심 기술인 단일세포 RNA 시퀀싱(scRNA-seq) 데이터를 분석하는 전체 파이프라인을 다룹니다. Python의 대표적인 라이브러리인 Scanpy를 활용하여 PBMC-3k 벤치마크 데이터셋을 전처리하고, Leiden 알고리즘으로 세포를 클러스터링하며, 세포 주기를 교정한 뒤 주요 마커를 통해 세포 유형을 주석(annotation) 달아냅니다. 나아가 PAGA와 확산 의사시간(diffusion pseudotime)을 통해 세포의 발달 궤적을 탐색하는 고급 실무 기법까지 제공하므로 데이터 사이언티스트와 생물학 연구자에게 매우 유용합니다.
단백질 구조 예측부터 서열 설계, 코돈 최적화(Codon optimization)까지 아우르는 엔드투엔드 AI 파이프라인이 구축되었습니다. 코돈 수준의 언어 모델링 비교 결과 'CodonRoBERTa-large-v2'가 4.10의 퍼플렉시티와 0.40의 스피어만 CAI 상관관계를 기록하며 기존 모델을 크게 상회하는 성능을 입증했습니다. 25개 생물종을 대상으로 단 55 GPU시간만에 4개의 실 서비스용 모델을 학습하여, 타 오픈소스에서 제공하지 않는 종 조건부(species-conditioned) 시스템을 완성했다는 점이 핵심입니다.