멜론 수확량 높이는 핵심 유전자, AI가 4분 만에 찾아냈다

AI가 농업 혁신의 새로운 지평을 열다

최근 AI 기술이 농작물 수확량을 높이는 데 중요한 역할을 할 수 있다는 놀라운 소식이 전해졌다. AI 연구소 '리빙 모델스(Living Models)'는 식물 DNA에 특화된 AI 모델과 범용 언어 모델을 결합하여 멜론의 수확량과 관련된 핵심 유전자 변이를 단 4분 만에 찾아내는 성과를 거두었다. 이는 농업 분야에서 AI의 활용 가능성을 한층 더 확장하는 계기가 될 것으로 기대된다.

AI와 유전학의 결합

리빙 모델스는 6일(현지 시각) 보타닉-1(BOTANIC-1)이라는 AI 모델과 구글의 젬마 4(Gemma 4)를 결합한 새로운 시스템을 공개했다. 보타닉-1은 식물 DNA를 학습하여 유전자 변이를 분석하는 전문 모델로, 기존의 어텐션 메커니즘 대신 양방향 Mamba-2(BiMamba2) 구조를 채택하여 긴 컨텍스트를 효율적으로 처리할 수 있는 특징을 지니고 있다. 젬마 4는 유전자 데이터를 정리하고 분석 과정을 자동화하여, 보타닉-1이 식물의 유전적 특성을 기반으로 형질 변화에 영향을 미칠 가능성이 큰 변이를 평가하는 방식을 채택하고 있다.

연구진은 멜론의 수확량과 관련된 변이를 분석하기 위해 기존의 유전학 분석 방법으로 후보군을 좁혀 나갔지만, 염색체 상에서 서로 근접한 변이들이 함께 유전되는 특성으로 인해 실제 형질 변화를 일으키는 변이를 구별하는 데 어려움을 겪었다. 그러나 보타닉-1을 통한 분석 결과, 연구팀은 남은 2,494개의 단일염기 변이 중에서 목표 변이를 정확히 찾아내는 데 성공하였다.

농업 혁신의 새로운 가능성

리빙 모델스의 연구진이 발표한 결과에 따르면, 보타닉-1은 500건 이상의 실험 검증 식물 유전자 변이를 대상으로 한 평가에서 실제 원인 변이를 후보군 상위 0.1% 안에 포함할 확률이 15.9%로 나타났다. 이는 기존의 생물정보학 도구에서 도출된 4.6%보다 월등히 높은 수치다. 또한, 원인 변이를 상위 1% 안에 포함한 비율도 48.8%로, 기존 분석 방식의 33.9%를 초과하였다. 이러한 결과는 AI 모델의 결합이 데이터 분석의 효율성을 얼마나 크게 향상시킬 수 있는지를 보여준다.

리빙 모델스의 시스템은 클라우드가 아닌 연구실 내부에서 실행할 수 있어, 민감한 유전체 데이터의 외부 유출 위험을 줄이고 운영 비용을 절감할 수 있는 장점도 갖고 있다. 이를 통해 연구자들은 검증에 필요한 시간과 비용을 절감하고, 기후 변화에 강한 작물 개발에 더욱 집중할 수 있을 것으로 기대된다.

향후 전망

AI가 농업 분야에서의 활용 가능성을 지속적으로 확장함에 따라, 기후 변화에 대응하는 식물 연구가 한층 더 가속화될 것으로 보인다. 앞으로는 AI를 통해 개발된 가뭄에 강하거나 높은 수확량을 자랑하는 작물이 농업 현장에서 실제로 구현될 수 있을 것으로 기대된다. 이러한 혁신은 식량 안보와 지속 가능한 농업 실현에 긍정적인 영향을 미칠 것이다. AI의 발전이 농업의 미래를 어떻게 바꿔놓을지 귀추가 주목된다.