순서가 있습니다. 포털 넷(연구방·지식센터·커뮤니티·아카데미)을 먼저 담고,
SSRA 는 맨 나중에 담아 주세요. SSRA 를 먼저 담으면 나머지가 그 안에 포함된 것으로
잡혀 따로 담기지 않습니다. 아이콘도 담을 차례대로 놓았습니다 — 왼쪽부터 차례로 누르시면 됩니다.
Advancing regulatory variant effect prediction with AlphaGenome
Natasha S. Latysheva, Natasha S. Latysheva, Jun Cheng 외 · Nature · 2026년 · 조회 13
왜 이 논문인가 — 선정 기준
오늘의 Editor's Pick · 전체 분야에서 그날 가장 주목할 논문 1편
2026-01 발표 · 피인용 236회 · 분야 내 인용 영향력 상위권 · 동년 인용 상위 1% · 원 분야 자연과학
Editor’s Pick 슬럿의 최고 주목도 기준을 충족하며, 236회의 피인용과 연도 상위 1% 인용률이라는 매우 높은 인용 영향력을 기록했기 때문이다.
논문 요약
이 연구는 DNA 서열을 입력으로 하여 다양한 기능성 게놈 트랙을 단일 염기 수준까지 예측하는 통합 딥러닝 모델 AlphaGenome을 제시한다. 모델은 최대 1 Mb의 서열을 처리하며 유전자 발현, 전사 개시, 크로마틴 접근성, 히스톤 변형, 전사인자 결합, 크로마틴 접촉 지도, 스플라이스 사이트 이용 및 강도 등을 포함한 수천 개의 측정을 예측한다. 인간과 마우스 유전체를 대상으로 학습한 AlphaGenome은 26개 변이 효과 평가 중 25개에서 기존 최고 외부 모델과 동등하거나 우수한 성능을 보였다.
후속 연구설계에 활용하기
후속 연구에서는 AlphaGenome을 활용해 신규 변이에 대한 규제 효과를 사전 예측하고, 예측된 다중 모달리티 데이터를 변수 혹은 공변량으로 사용해 실험 설계 및 기능 검증을 효율화할 수 있다.
핵심어
규제 변이딥러닝기능 유전체AlphaGenome
실존 확인
이 논문은 OpenAlex에서 후보로 수집한 뒤, Crossref에 등록된 DOI와 제목 일치를 확인해 노출합니다.
SSRA가 문헌연구에서 인용 논문의 실재 여부를 검증하는 원칙과 같습니다.