AVI 점수 입문: 뜻과 연구 활용 맥락

한 문장으로 이해하기

AVI 점수는 디옥시리보핵산(DNA) 글자 하나가 달라지는 변화의 잠재적 영향을 예측해 비교하기 쉬운 하나의 점수로 요약한 값으로, 연구자가 Atlas에 수록된 변이들 가운데 어떤 후보를 먼저 살필지 정하도록 돕는 도구입니다.

AVI는 AlphaGenome Variant Impact의 약자이며, 우리말로는 ‘알파지놈 변이 영향 점수’로 풀 수 있습니다. 이 강좌에서 다루는 대상은 단일 염기 변이, 즉 DNA 글자 하나가 다른 글자로 바뀌는 변화입니다. 변이에는 다른 종류도 있지만 여기서는 다루지 않습니다. 이 강좌를 마치면 세 가지를 할 수 있습니다. 첫째, AVI 점수가 무엇을 하나의 숫자로 요약한 것인지 설명할 수 있습니다. 둘째, 그 점수가 어떤 예측을 바탕으로 만들어지는지 순서대로 말할 수 있습니다. 셋째, 이 점수를 언제 쓰고 언제 쓰면 안 되는지 구분할 수 있습니다. 사전지식은 많지 않습니다. 사람의 DNA 전체를 뜻하는 유전체를 글자로 이어진 긴 기록으로 떠올릴 수 있고, 그 안에 단백질을 만드는 부분과 유전자 활동을 조절하는 부분이 있다는 구분, 그리고 인공지능 모델이 데이터를 보고 결과를 예측한다는 것 정도면 충분합니다.

왜 필요한가

AlphaGenome Atlas는 사람 유전체에서 가능한 약 90억 개의 단일 염기 변이에 대한 예측을 담고 있습니다. 이 많은 변이를 모두 실험으로 검사하기는 현실적으로 어렵습니다. 그래서 어떤 변이를 먼저 볼지 고르는 일 자체가 연구의 병목이 됩니다.

구글 딥마인드의 AlphaGenome은 유전 변이가 생물학적 과정에 미치는 영향을 예측하는 인공지능 모델입니다. Atlas는 이 모델의 예측을 대규모로 미리 계산해 제공하는 자원입니다. Atlas에는 변이마다 수천 개의 분자 효과 예측이 들어 있습니다. 여기서 분자 효과란 생물학적 분자 수준에서 예상되는 변화를 뜻합니다. 이 예측은 여러 유전자 조절 측면과 수백 가지 사람·생쥐 세포 유형 및 조직을 포괄합니다.

예측이 많다는 것은 곧 비교가 어렵다는 뜻이기도 합니다. AVI 점수는 이 여러 예측 결과를 비교하기 쉬운 하나의 점수로 요약합니다. 비교가 가능해지면 무엇부터 살펴볼지 정할 수 있습니다.

어떻게 이루어지는가

아래 정리는 실제 계산 공식이 아니라, 공개된 설명에서 확인되는 구성 관계를 개념적으로 순서 지은 것입니다. 제공된 출처에는 AVI 점수의 계산식과 가중치가 제시되지 않았습니다.

1. 대상은 사람 유전체에서 가능한 단일 염기 변이입니다.
2. AlphaGenome이 각 변이가 생물학적 과정에 미치는 영향을 예측합니다.
3. AVI 점수는 AlphaGenome의 예측과, 단백질을 변화시키는 DNA 변이의 영향을 예측하는 모델인 AlphaMissense의 예측을 결합한 값입니다.
4. 결합 결과는 하나의 수치로 압축되어 변이 사이의 비교에 쓰입니다.
5. 점수와 함께 ‘AVI 특성 기여도’가 제공됩니다. 이는 그 점수에 영향을 준 것으로 예측된 생물학적 특징을 보여줍니다. 유전정보가 리보핵산(RNA)이나 단백질을 만드는 데 쓰이는 과정인 유전자 발현, 그리고 RNA 이어맞추기가 그런 특징의 예입니다.
6. 연구자는 점수로 후보의 우선순위를 정하는 데 도움을 받고, 기여도를 보며 그 변이가 왜 눈에 띄는지 살핍니다.

5단계가 중요합니다. 숫자만으로는 이유를 알 수 없지만, 기여도가 함께 있으면 해석의 실마리가 생깁니다. 다만 기여도는 예측된 특징일 뿐 실제 원인을 확정하지 않습니다.

하나의 예시로 따라가기

브로드 연구소 연구진의 희귀질환 사례를 따라가 보겠습니다. 이 사례에서 가장 큰 난관은 수천 개의 후보 변이 가운데 원인일 가능성이 있는 소수를 찾아내는 일이었습니다.

1. 후보를 정렬했습니다. 연구진은 AVI 점수로 후보 변이의 우선순위를 정했고, 그 결과 DNM1 유전자에 영향을 주는 변이를 찾아냈습니다.
2. 예측 근거를 확인했습니다. 그 변이는 잘못된 이어맞추기 자리를 만들어 단백질이 비정상적으로 길어지는 효과를 낼 것으로 예측되었습니다.
3. 실험으로 확인했습니다. 이 사례에서는 실험적 선별 검사가 그 예측을 확인해 주었습니다.

이 세 단계에서 전체 구조가 드러납니다. 점수는 후보를 좁히는 데 도움을 주고, 기반 예측은 살펴볼 효과의 실마리를 제공하며, 그다음에는 추가 검증이 필요합니다.

언제 쓰고 언제 쓰지 않는가

쓰기 좋은 상황은 후보 변이가 너무 많아 무엇부터 볼지 정해야 할 때입니다. AVI 점수는 단백질을 만드는 암호화 영역의 변이와 그렇지 않은 비암호화 영역, 즉 단백질을 암호화하지 않으며 유전자 활동 조절과 관련된 영역의 변이를 모두 평가하도록 제시됐습니다. 비암호화 변이 연구에서는 무해한 변화가 매우 많아 통계적 배경 잡음을 만들고, 그 탓에 관찰되는 특성인 형질과 관련된 신호를 찾기 어렵습니다. Gareth Hawkes는 5만 4천 명이 넘는 UK 바이오뱅크 참여자의 전장 유전체 자료, 즉 유전체 전체를 읽어 낸 자료에 Atlas를 적용했고, 비암호화 변이의 유전적 연관성을 22% 더 발견했다고 보고됐습니다. 이는 한 연구의 결과이며 모든 자료에서 같은 수치가 나온다는 뜻은 아닙니다.

쓰지 말아야 할 곳은 분명합니다. Atlas가 제공하는 정보는 전문적인 의학적 조언이나 진단, 치료를 대신하지 않습니다. AlphaGenome은 임상 용도로 검증되거나 승인되지 않았습니다. 따라서 개인이 AVI 점수를 근거로 의학적 진단이나 치료 결정을 내려서는 안 됩니다.

흔한 오해도 짚고 갑니다. 첫째, AVI 점수는 측정값이 아니라 예측값입니다. 앞의 사례에서도 예측 뒤에 실험적 확인이 뒤따랐습니다. 둘째, AVI가 잠재적 영향이 큰 후보로 제시한 변이라도 질병의 원인으로 확정할 수는 없습니다. 점수는 출발점이지 결론이 아닙니다. 셋째, 이 자원은 완성품이 아닙니다. 딥마인드는 Atlas를 최종 결과가 아닌 기준선으로 설명하며, 기반 모델이 개선되면 예측 지도도 더 포괄적이고 정밀해질 수 있다고 밝혔습니다. 이용 조건도 확인이 필요합니다. Atlas는 현재 비상업적 이용이 가능하고, 상업적 이용은 구글 클라우드를 통해 제공될 예정이라고 안내됐습니다.

핵심 정리와 확인문제

AVI 점수는 AlphaGenome과 AlphaMissense의 예측을 결합해 하나의 수치로 압축한 값이며, Atlas에 수록된 변이의 잠재적 영향을 비교하고 연구 후보의 우선순위를 정하는 데 쓰입니다. 점수는 우선순위를 정하는 데 도움을 주고, 특성 기여도는 점수에 영향을 준 것으로 예측된 생물학적 특징을 해석하는 실마리를 주며, 그 뒤에는 추가 검증이 필요합니다. 임상 판단에는 쓸 수 없습니다.

확인문제

1. AVI 점수를 이루는 두 모델은 각각 무엇을 예측하며, 그렇게 만든 점수는 연구에서 어떤 용도로 쓰입니까?
2. AVI 점수가 비암호화 영역의 변이도 평가한다는 점이 왜 도움이 됩니까?
3. AVI 점수만으로 어떤 변이가 질병의 원인이라고 결론 내릴 수 있습니까?

정답과 해설

1. 정답: AlphaGenome은 유전 변이가 생물학적 과정에 미치는 영향을 예측하고, AlphaMissense는 단백질을 변화시키는 DNA 변이의 영향을 예측합니다. 해설: AVI 점수는 이 두 예측을 결합해 하나의 수치로 압축한 값이며, 변이의 잠재적 영향을 비교해 연구 후보의 우선순위를 정하는 데 씁니다. 두 예측을 어떤 공식으로 합치는지는 제공된 출처에 제시되지 않았으므로 계산 방식까지 설명할 수는 없습니다.
2. 정답: 비암호화 변이에서 형질과 관련된 신호를 찾기 쉬워지기 때문입니다. 해설: 비암호화 변이 연구에서는 무해한 변화가 많아 통계적 배경 잡음이 생깁니다. UK 바이오뱅크 자료를 다룬 사례에서는 Atlas를 적용해 비암호화 변이의 유전적 연관성을 22% 더 발견했다고 보고됐습니다.
3. 정답: 없습니다. 해설: AVI 점수는 실험 측정값이 아니라 예측값이며, 후보의 우선순위를 정하는 출발점입니다. DNM1 사례에서도 예측 이후 실험적 선별 검사가 결과를 확인했습니다. 또한 AlphaGenome은 임상 용도로 검증되거나 승인되지 않았습니다.

참고자료

• AVI 점수 입문 참고자료
• AVI 점수 입문 참고자료