진화 정보 학습한 유전체 AI, 질병 변이 탐색 앞당긴다
인공지능신문 ·
✦ AI 요약
인간 유전체 30억개 염기서열의 숨은 기능 분석…기존 대형 모델보다 적은 연산으로 학습
인공지능신문에 따르면 UC버클리 연구진은 9일 비암호화 DNA를 포함한 인간 유전체 전반에서 질병 관련 변이를 가려내는 AI 모델 'GPN-Star'를 네이처에 발표했다. 이 모델은 약 30억개 염기서열 자체의 패턴만이 아니라 종 사이에서 보존되거나 달라진 진화 정보까지 함께 학습해 기존 대형 유전체 모델보다 적은 연산으로 기능성 영역을 예측한다. 핵심은 여러 종의 유전체를 대응시켜 보는 전장 유전체 정렬 데이터를 활용한 점이다. 이를 통해 AI가 중요한 구간을 무작정 찾게 두기보다 생물학적 단서를 먼저 반영해 학습 효율과 해석력을 높였다고 연구진은 설명했다. 또 어떤 진화 시간대를 반영해 학습했는지에 따라 잘 포착하는 변이의 성격이 달라졌고, 가까운 종 중심 학습은 인간의 복합 형질 해석에 더 유리한 모습도 보였다고 전했다. 연구진은 예측 데이터와 코드를 함께 공개해 후속 실험의 우선순위를 정하는 데 활용되길 기대했다.
관점
이 사안의 의미는 유전체 AI의 승부가 단순한 모델 규모 경쟁에서 벗어나, 도메인 지식을 얼마나 정교하게 학습 구조에 녹이느냐로 이동하고 있다는 점이다. 특히 적은 연산으로도 성능과 활용성을 함께 노릴 수 있다면 소수 연구팀까지 접근 범위가 넓어지고, 질병 연구에서는 실험 대상을 추리는 초기 단계의 병목을 줄이는 쪽으로 연구 방식이 달라질 가능성이 있다.
이 관점은 비즈크러시가 작성한 자체 의견이며, 인공지능신문의 보도 내용과 무관합니다.
이 기사는 자동생성 알고리즘의 도움을 받아 작성되었습니다.
출처 인공지능신문
원문 확인이 기사는 인공지능신문 원문을 바탕으로 비즈크러시가 요약 정리했습니다. 정확한 인용과 세부 내용은 원문을 확인해 주세요.