'대부분 비어 있는' 게놈으로 향한 역사
James Watson과 Francis Crick이 1953년에 이중 나선 구조를 공개했을 때, 과학계는 생명체의 깔끔한 설명서가 존재할 것이라고 상상했습니다. 수십 년 후, Human Genome Project (HGP)는 30억 염기쌍의 지도(map)를 제공하며, 그 중 단지 약 **2%**만이 단백질을 암호화한다는 것을 확인시켜 주었습니다. 나머지 ~98%—한때 '쓰레기 DNA(junk DNA)'로 치부되었던 부분—는 이후 유전자들이 언제, 어디서, 어떻게 발현되는지를 결정하는 광범위한 조절 지형으로 인식되었습니다.
현재의 관점을 형성한 주요 이정표:
- 1950년대 – DNA 구조 발견은 '코드(code)에서 단백질로'라는 패러다임을 촉발했습니다.
- 1990~2003년 – HGP는 인간 게놈을 염기서열 분석하여, 단백질 코딩 영역이 차지하는 미미한 비율을 드러냈습니다.
- HGP 이후 시대 – 고처리량 어세이(High-throughput assays) (예: ChIP-seq, ATAC-seq)를 통해 프로모터부터 인핸서에 이르기까지 유전자 활동을 조율하는 수백만 개의 조절 요소들이 밝혀졌습니다.
이러한 조절의 '암흑 물질(dark matter)'을 이해하는 것은 질병 관련 변이를 해석하고, 유전자 치료를 설계하며, 약물 반응을 예측하는 데 필수적입니다. 하지만 그 엄청난 조합적 복잡성 때문에 어떤 계산적 접근 방식에게도 만만치 않은 도전 과제를 안겨줍니다.
유전자 조절: 다층적인 교향곡
전사 인자(Transcription Factors)와 논리 게이트
박테리아에서는 단일 전사 인자(TF)가 특정 DNA 잠금장치에 맞는 열쇠처럼 작용하여, 유전자를 OR 논리 방식으로 켜거나 끄는 경우가 많습니다. 하지만 인간의 TF들은 오케스트라 단원들처럼 더 복잡하게 행동합니다:
- 낮은 특이성(Low specificity) – 인간 TF는 짧고 퇴화된 모티프(motif)를 인식하며, 이로 인해 여러 TF가 유사한 부위에 결합할 수 있습니다.
- 조합적 결합(Combinatorial binding) – TF들은 종종 쌍이나 더 큰 복합체 형태로 작용하여 여러 신호를 통합합니다.
- 맥락 의존적 결과(Context-dependent outcomes) – 동일한 TF가 한 세포 유형에서는 활성화제(activator)로, 다른 세포 유형에서는 억제제(repressor)로 작용할 수 있습니다.
하버드 의과대학의 Karen Adelman은 이 미묘한 차이를 포착합니다. “우리의 게놈은 우리가 설계도 앞에 앉아 만든 것이 아닙니다.” 조절 코드는 규정적(prescriptive)이기보다 출현적(emergent)입니다.
인핸서(Enhancers): 분산된 스위치보드
인핸서는 전사 인자(TFs)를 모집하고 프로모터에 “시작” 신호를 전달하는 DNA 영역으로, 때로는 수백만 뉴클레오타이드에 걸쳐 작용합니다. 그 특성은 다음과 같습니다:
- 숫자적 풍부성 (Numerical abundance) – 인간 게놈에서 수십만 개에서 백만 개를 초과하는 것으로 추정되며, 약 20,000개의 단백질 코딩 유전자를 압도합니다.
- 다면발현 영향 (Pleiotropic influence) – 하나의 인핸서가 여러 유전자를 조절할 수 있으며, 반대로 하나의 유전자가 수십 개의 인핸서에 의해 제어될 수 있습니다.
- 세포 유형 특이성 (Cell‑type specificity) – 활성화에는 정밀한 전사 인자의 조합(cocktail)이 필요하며, 이 때문에 같은 인핸서라도 한 조직에서는 침묵하고 다른 조직에서는 활성화됩니다.
에든버러 대학교의 Wendy Bickmore는 이 분야의 난처함을 지적합니다. “인간 게놈 프로젝트가 시작된 지 25년이 지난 지금도, 우리는 모든 인핸서가 게놈 어디에 있는지조차 모르고, 설사 그것들이 작용할 때 무엇을 하는지, 어떤 유전자를 제어하는지도 모른다는 것이 당황스럽습니다.”
염색질 루프와 응집소(Cohesin)-주도 외축 (Extrusion)
원거리 인핸서(Distal enhancers)는 **염색질 루프(chromatin loops)**를 통해 목표 프로모터에 도달합니다. 모터 단백질인 **응집소(cohesin)**가 DNA를 외축하며, 전사적 “허브”를 생성하는 역동적인 루프를 만듭니다. 이 허브들은 경직된 지지대라기보다는 액체와 같은 응축물(condensates)이며, 여러 조절 단백질이 농축되어 환경 신호에 대한 빠르고 조절 가능한 반응을 가능하게 합니다.
AI 기반 게놈 기초 모델: 약속과 블랙박스 현실의 만남
기초 모델의 부상 (The Rise of Foundation Models)
최근 몇 년 동안 대규모 게놈 기초 모델(foundation models)이 등장했습니다. Evo 2, Genos, 그리고 Google DeepMind의 Alpha Genome 등이 있으며, 이들은 페타바이트 규모의 서열 데이터, 후성유전체 표지(epigenomic marks), 표현형 연관성에 대해 학습되었습니다. 그 기능에는 다음이 포함됩니다:
- 단일 뉴클레오타이드 변이(single-nucleotide variants)가 질병 위험에 미치는 영향 예측.
- 원시 DNA로부터 조직 특이적 발현 패턴 추론.
- 염기서열 모티프 기반 후보 조절 요소 제안.
이러한 모델들은 **상관관계 마이닝(correlation mining)**에 탁월합니다. 인간이 나열하기 불가능한 통계적 관계를 탐지할 수 있기 때문입니다.
블랙박스 한계 (The Black-Box Limitation)
하지만 상관관계가 인과관계를 의미하지는 않습니다. 이 모델들은 다음과 같은 문제점을 가집니다:
- 기전적 통찰력 부족(Lack mechanistic insight) – 변이가 전사 인자 결합이나 염색질 루핑(chromatin looping)을 왜 변화시키는지 설명할 수 없습니다.
- 불분명한 의사결정 경로(Obscure decision pathways) – 기울기 기반 기여도 방법(Gradient-based attribution methods)은 노이즈가 많고 때로는 오해를 불러일으키는 중요도 점수를 제공합니다.
- 과적합 위험(Risk overfitting) – 편향된 데이터셋(예: 특정 조직을 과대표하는 세포주)으로 훈련할 경우, 원시 인간 샘플에 적용했을 때 거짓 예측을 생성할 수 있습니다.
실제 연구 환경에서 연구자는 비코딩 변이가 인핸서(enhancer)를 교란한다는 고신뢰도 예측을 받았더라도, 후속 실험을 설계할 기전적 가설이 없을 수 있습니다. 이는 특히 기전적 검증이 규제 요건인 임상 유전체학 분야에서 번역적 영향(translational impact)을 제한합니다.
인접 AI 배포 사례를 통한 교훈
이러한 어려움은 다른 AI 기반 보안 영역에서 목격된 것과 유사합니다. 예를 들어, **Zoom 주석 오류(Zoom annotation flaw)**는 AI 프롬프트 익스플로잇을 통해 블랙박스 모델이 투명한 안전장치 없이 어떻게 조작될 수 있는지 밝혀낸 후 패치되었습니다 (자세한 분석은 https://ltdeveloperblogs.github.io/posts/zoomsday-hack-uncovered-using-fewer-than-20-ai-prompts를 참조하십시오). 유사하게, macOS용 AI 강화 백신 솔루션(https://ltdeveloperblogs.github.io/posts/your-mac-isnt-immune-to-viruses-surveillance-tools-intego-one-is-here-to-help)은 신속한 위협 탐지와 설명 가능성 사이의 긴장 관계를 보여주며, 이는 게놈 AI에서도 공명하는 부분입니다.
중요성: 과학적, 임상적 및 산업적 시사점
질병 유전자 발견 가속화
정확한 조절 주석(regulatory annotation)은 '의미 불명의 변이(variant of unknown significance)'를 임상적으로 활용 가능한 발견으로 바꿀 수 있습니다. 조절 변이를 잘못 해석하면 다음 분야에 지장을 초래합니다:
- 희귀 질환 진단: 많은 병원성 돌연변이가 코딩 영역 밖에 존재하기 때문입니다.
- 약물유전체학 (Pharmacogenomics): 유전자 발현 가변성이 약물 대사 및 효능에 영향을 미치기 때문입니다.
치료제 개발 안내
CRISPR 기반 치료는 오프타겟 효과(off-target effects)를 피하기 위해 인핸서-유전자 연결에 대한 정확한 지식을 필요로 합니다. 단순히 상관관계를 예측하는 AI 모델은 필수적인 염색질 루프(chromatin loops)를 방해할 수 있는 편집을 의도치 않게 제안하여 예상치 못한 독성을 초래할 수 있습니다.
생명공학 시장 형성
바이오테크 기업들은 AI 증강 약물 표적 식별에 막대한 투자를 하고 있습니다. 불투명한 모델에 과도하게 의존하는 것은 R&D 자금을 잘못 배분하여, 기전적 검증이 부족한 표적으로 파이프라인을 부풀릴 수 있습니다. 투명하고 기전적인 AI는 게놈학 분야 벤처 캐피털에게 핵심 지표인 **위험 조정 투자 수익률(risk-adjusted return on investment)**을 개선할 것입니다.
윤리적 및 규제적 고려 사항
규제 기관(예: FDA, EMA)은 AI 기반 진단에 대해 점점 더 기계론적 근거를 요구하고 있습니다. 설명 가능성(explainability)이 없는 블랙박스 예측은 규제 장벽에 직면하여 시장 진입과 환자 접근을 늦출 수 있습니다.
미래 전망: 기계론적이고 해석 가능한 유전체 AI를 향하여
하이브리드 모델링 전략
- 물리학 기반 신경망(Physics-informed neural networks) – 알려진 생물물리학적 제약 조건(예: TF 결합 에너지학, 루프 외재화 역동성)을 손실 함수에 통합합니다.
- 인과 추론 프레임워크(Causal inference frameworks) – 교란 데이터(CRISPRi/a 스크리닝)를 사용하여 상관관계와 인과관계를 구별하는 모델을 훈련합니다.
다중 모드 데이터 통합
단일 세포 ATAC-seq, Hi-C, CUT&RUN, 그리고 **공간 전사체학(spatial transcriptomics)**을 결합하면 AI 모델에 더 풍부한 맥락을 제공하여, 인핸서-프로모터 통신을 지배하는 규칙을 학습할 수 있게 합니다.
커뮤니티 주도 벤치마킹
단백질 접힘(protein folding)의 CASP 챌린지와 유사한 공개 대회는 규제 예측 모델의 평가를 표준화할 수 있습니다. 투명한 리더보드는 정확성뿐만 아니라 설명 가능성을 장려할 것입니다.
다른 AI 분야의 교훈
핵심(hubs)은 전사 인자, 공동 활성화 인자, RNA 중합효소 II, 그리고 Mediator 복합체를 농축하는 고도로 역동적인 응축물입니다. 이들의 액체와 같은 특성은 빠른 조립 및 해체를 가능하게 하여, 세포가 신호 전달 단서에 반응하여 유전자 발현을 미세 조정할 수 있게 합니다. 최근 초해상도 현미경 연구는 이러한 초점(foci)이 몇 분 안에 형성되고 용해되는 것을 시각화했으며, 이는 게놈의 3차원 구조가 선형 서열만큼 중요하다는 점을 강조합니다.
AI 기반 모델에서 부족한 부분
Current foundation models는 게놈을 평평한 문자열로 취급하며, 대규모 정렬 및 에피게노믹 데이터 세트에서 통계적 패턴을 추출합니다. 이들은 인핸서처럼 보이는 영역을 표시할 수는 있지만, 다음을 명시적으로 모델링하지는 못합니다:
- 루프 외재화 역학 (Loop extrusion dynamics) – 원거리 요소들을 하나로 모으는 cohesin과 CTCF의 확률적 활동입니다.
- 상(相) 분리 응축물 형성 (Phase‑separated condensate formation) – 허브 조립을 유도하는 생물물리학적 원리들(예: 다가성 약한 상호작용, 본질적으로 무질서한 영역)입니다.
- 세포 유형 특이적 TF 협업 (Cell‑type‑specific TF cooperativity) – 주어진 맥락에서 TF가 활성화제 또는 억제제로 작용하는지를 결정하는 조합 문법입니다.
이러한 과정들은 순수한 염기서열 통계보다는 물리 및 화학에 의해 지배되기 때문에, 단순히 상관관계를 학습하는 모델은 불가피하게 중요한 인과 관계를 놓치게 됩니다.
간극 메우기: 새롭게 등장하는 접근 방식 (Bridging the Gap: Emerging Approaches)
1. 물리 인식 신경망 (Physics‑Aware Neural Networks)
연구자들은 크로마틴의 고분자 물리학 시뮬레이션을 딥러닝 파이프라인에 통합하고 있습니다. cohesin의 프로세시비티(processivity)가 설정하는 최대 루프 크기 등 알려진 제약 조건을 위반하는 예측에 페널티를 부여함으로써, 이러한 하이브리드 모델들은 근본적인 역학을 존중하는 인핸서-유전자 맵을 생성합니다.
2. 인과 교란 데이터 기반 지도 학습 (Causal Perturbation Data as Supervision)
대규모 CRISPR 간섭/활성화(CRISPRi/a) 스크리닝은 이제 수십 가지 세포 유형에 걸쳐 수천 개의 잠재적 조절 요소들에 대한 체계적인 교란을 제공합니다.
원래 https://ltdeveloperblogs.github.io/posts/why-ai-isnt-ready-to-tackle-our-convoluted-genomes/에서 발표된 전체 분석을 읽어보세요.