스토워스 의학연구소가 딥러닝 모델이 DNA에서 무엇을 학습했는지 염기 단위로 보여주는 해석 기법 'PISA(pairwise influence by sequence attribution)'를 개발해 네이처 커뮤니케이션스에 발표했다. 연구팀은 뉴클레오솜을 매핑하는 실험 기법 MNase-seq에 PISA를 적용해, 모델이 생물학적 신호와 함께 학습해버린 효소의 서열 선호 편향을 수학적으로 분리·제거하는 데 성공했다. 편향을 제거한 모델은 수백 염기쌍에 걸쳐 작용하는 뉴클레오솜 위치결정 서열과, 기존에는 대규모 3D 크로마틴 데이터로만 확인 가능했던 염색질 도메인 경계 수천 곳을 뉴클레오솜 데이터만으로 찾아냈다. 연구진은 이를 활용해 설계한 합성 DNA 서열의 예측이 실험적으로도 검증됐다고 밝혔다.
- •PISA, 염기별 영향을 2차원 지도로 보여줘 딥러닝 모델의 DNA 해석을 고해상도로 구현
- •MNase-seq 실험 편향(효소 서열 선호도)을 수학적으로 분리·제거해 순수 생물학 신호만 남김
- •기존 3D 크로마틴 데이터 없이도 염색질 도메인 경계 수천 개 식별, 정밀도는 기존 3D 기법보다 우수
- •모델 기반 설계 합성 DNA 서열이 실제 실험에서도 예측대로 작동함을 검증
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
AI Method Reveals What Genomic Models Learn From DNA and Exposes Hidden Experimental Bias
- 1.스토워스 연구소, DNA 염기 단위로 딥러닝 모델의 예측 근거를 추적하는 해석기법 'PISA' 발표(네이처커뮤니케이션스, 2026년8월)
- 2.뉴클레오솔 매핑 실험(MNase-seq)에서 효소의 서열 편향을 모델 신호에서 분리, 편향만 제거한 순수 생물학적 모델 구축
- 3.편향 제거 모델로 염색질 도메인 경계 수천 곳을 뉴클레오솔 데이터만으로 식별, 기존 3D 크로마틴 기법보다 정밀한 경우도 확인
- 4.모델이 학습한 규칙으로 합성 DNA 서열을 설계해 뉴클레오솔 배열을 예측·실험 검증까지 성공
왜 중요한가?
블랙박스로 여겨지던 유전체 딥러닝 모델이 실제로 무엇을 학습했는지 염기 단위로 드러내고, 실험 편향과 생물학적 신호를 분리해낸 방법론이다. 질병 연관 변이가 몰린 조절 DNA 영역 해석에 실마리를 주지만, 저자들은 질병 적용이 아직 방향성일 뿐 결과는 아니라고 선을 긋는다.
본문 미리보기
Researchers at the Stowers Institute for Medical Research have built an interpretation method that shows, base by base, what a deep-learning model has learned from DNA, and used it to strip a hidden experimental bias out of genomic data. The method, called PISA, is described in a paper published in Nature Communications in August 2026 and announced by the institute on August 25, 2026. Sequence-to-function neural networks take raw DNA as input and predict the readout of genomics experiments…
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 10:53AI 초안
![[AI리더의 서가] Agentic AI 구축 개발의 모든 것](https://cdn.aitimes.com/news/photo/202610/215958_219938_244.jpg)
