역시 딥마인드의 궁극적인 방향성은 가상 세포를 향하고 있구나


"알파게놈은 DNA의 한 구간, 다시 말해 유전물질이자 세포의 설명서인 것을 읽고, 게놈의 그 위치에서 세포 내부에 어떤 일이 일어나는지 알려주도록 설계됐습니다. 그리고 DNA 서열을 조금 바꾸면 어떤 일이 생기는지도 알려줍니다. 예를 들어 A라는 문자를 T로 바꾼다면, 게놈의 그 위치에서 무엇이 달라질까요? 따라서 알파게놈은 서열과 유전적 변이를 분자 수준에서 연구할 수 있게 해주는 도구입니다."

"알파게놈 2에서는 세포 유형 수준에서 모델의 능력을 높이고 싶었습니다. 이를 위해 지난 10년간 만들어진 많은 데이터를 활용했습니다. 특히 인간 세포 지도, 휴먼 셀 아틀라스 프로젝트의 기여가 컸습니다. 예를 들어 혈액을 생각해보면, 그 안에는 여러 종류의 세포가 있습니다. 모두 줄기세포가 여러 방향으로 분화하면서 만들어진 것이죠. 변이의 영향을 생각해보면, 어떤 변이는 세포 유형에 따라 서로 다른 영향을 줄 것이 분명합니다. 발달 과정의 시점에 따라서도 영향이 달라질 수 있습니다. 따라서 알파게놈 2에서는 세포 유형 수준에서 모델의 성능을 개선하는 데 집중했습니다."

"우리는 인간과 생쥐의 다양한 조직을 포괄하는 샘플을 수집하는 데 집중했습니다. 생물학적 다양성이 합리적으로 반영되도록 구성을 맞추려고 했습니다. 매우 어려운 일이지만, 모델이 어느 한 방향으로 지나치게 치우치지 않도록 하려는 것이었습니다. 물론 어떤 세포 유형은 다른 유형보다 훨씬 다양한 조직에 존재합니다. 반대로 폐 같은 곳에 있는 극히 드문 세포 상태를 확보하기는 굉장히 어려울 수 있습니다. 그래서 알파게놈 2에는 연구자들이 자신의 데이터를 직접 넣을 수 있는 기능도 마련했습니다. 예를 들어 어떤 연구실이 특정 폐 질환을 연구하고 있다면 자체 데이터를 가지고 있을 수 있겠죠. 그 데이터를 알파게놈 2에 넣고, 자신들이 수집한 데이터를 기준으로 변이의 영향을 예측할 수 있습니다."

"(Q. 지금은 게놈과 표현형 사이의 관련성을 이야기하고 있지만, 궁극적으로 이루고 싶은 것은 무엇인가요? 둘 사이를 직접 연결할 수 있는 단계에 도달한다고 가정해봅시다. 그러면 어디까지 갈 수 있을까요?)" 

"모든 개별 변이의 영향을 분자 수준에서 완벽하게 정확히 예측할 수 있다면 정말 놀라울 것입니다. 거기서 더 나아가 ‘가상 세포’ 같은 것을 구축할 수 있으면 좋겠습니다. 데미스가 즐겨 이야기하는 비전이기도 합니다. 특정 세포의 상태와 그 게놈이 주어지고, 그 세포에 어떤 변화를 가했을 때, 앞으로 상태가 어떻게 달라질지 예측하는 계산 시스템을 만들 수 있을까요? 여러 변화나 환경에 세포가 어떻게 반응하는지를 시뮬레이션하는 것입니다. 그 변화는 유전적 변화일 수도 있지만, 약물을 처리하는 것일 수도 있습니다. 충분히 유용한 수준으로 생물학을 시뮬레이션할 수 있다는 비전은 굉장히 매력적입니다. 다만 정말로, 정말로 어려운 일이고, 우리는 아직 거기서 아주 멀리 떨어져 있습니다."

"우리는 게놈을 이해하는 일을 세포를 이해하기 위한 근본적인 요소로 봅니다. 저는 게놈을 세포의 중앙 지휘소라고 표현하곤 합니다. 단백질이 여기에 결합해 유전자를 켜고 끄는 등의 일을 하니까요. 따라서 게놈은 좋은 출발점이라고 느낍니다. 여기에서 출발해 세포의 나머지 부분으로 이해를 넓혀갈 수 있습니다. 궁극적으로는 임상시험을 통과하는 약을 만들 가능성을 높이고 싶습니다. 지금은 성공률이 상당히 낮죠. 약 10%의 약물만 임상시험을 통과합니다."

[https://www.youtube.com/watch?v=uND6iY2qp_c](https://www.youtube.com/watch?v=uND6iY2qp_c)