멜론 수확량 높이는 핵심 유전자, AI가 4분 만에 찾아냈다

AI타임스 기사(박찬 기자)를 옮겼어요.

개요

AI 연구소 리빙 모델스(Living Models)가 6일(현지시간) 식물 DNA를 학습한 '보타닉-1(BOTANIC-1)'과 구글 '젬마 4'를 결합해 유전자 변이를 분석하는 시스템을 공개했어요. 수천 개 후보 중 실제 형질 변화와 관련된 변이를 몇 분 만에 찾아내, 가뭄에 강하거나 열매를 더 맺는 작물 개발에 쓸 수 있을 것으로 기대돼요.

역할 분담

• 젬마 4(구글 게시물상 E4B)는 유전자 데이터를 정리하고, 분석 계획을 세우고, 도구를 실행해요.
• 보타닉-1은 약 320종 식물 DNA로 학습한 전문 모델이에요. 특정 서열이 진화 과정에서 얼마나 보존됐는지, 염기 하나가 바뀌면 생물학적 영향이 얼마나 클지 점수화해요. 그래서 변이가 형질과 함께 나타나는지만이 아니라 실제 기능에 영향을 줄 가능성을 평가해요.
• 보타닉-1은 어텐션 대신 양방향 Mamba-2(BiMamba2) 구조를 써서 위치 임베딩 없이 긴 컨텍스트를 효율적으로 처리해요.

멜론 실험

기존 유전학 분석으로 후보를 좁혀도, 염색체상 가까운 변이가 함께 유전되는 특성 때문에 진짜 원인 변이를 가리기 어려웠어요.

• 일반 분석 도구를 쓴 젬마 4는 후보를 두 개까지 줄였지만 원인 변이를 구분하지 못했어요.
• 보타닉-1을 더하자, 삽입·결실 같은 다른 유형을 걸러 낸 뒤 남은 단일염기 변이 2,494개 중 목표 변이를 4분 안에 정확히 1위로 찾았어요.

더 넓은 평가

실험으로 검증된 500건 이상 식물 변이에서 보타닉-1은 원인 변이를 상위 0.1% 안에 넣은 비율이 15.9%로, 기존 생물정보학 도구 기반 비교군 4.6%보다 높았어요. 상위 1% 포함 비율도 48.8%로 33.9%를 넘었어요.

의미와 이용 조건

범용 AI 하나에 모든 분석을 맡기기보다 모델별 강점을 엮는 접근이에요. 연구진은 이 시스템을 클라우드가 아니라 연구실 로컬 환경에서 돌릴 수 있어 민감한 유전체 데이터 유출 위험을 막고 비용도 줄인다고 강조했어요. 예전엔 수천 그루를 여러 세대 키워 검증해야 했지만, AI가 후보를 빠르게 좁히면 기후에 강한 품종 연구가 빨라질 수 있어요. 보타닉-1은 허깅페이스에서 받을 수 있지만 상업적 이용은 제한되고 연구 목적으로만 라이선스 동의 후 써요.