AlphaGenome, 이번에는 Codex와 Atlas 화면까지 열어 봤습니다
AI와 함께하는 생명과학 연구 · 6편
안녕하세요, 테라입니다.
지난 글에서 Claude Science와 AlphaGenome을 처음 써 본 이야기를 했습니다. 설명과 출처, 실습용 계산까지는 나왔지만 끝에 빈칸이 남았습니다. Claude Science의 결과 워크시트에는 후보 변이 16개마다 Atlas 결과를 적을 칸이 네 개씩, 모두 64칸이 있었고, 그 칸은 하나도 채워지지 않았습니다.
이번에는 같은 질문을 OpenAI의 Codex에 던졌습니다.
미리 말씀드리면, 이번에는 Atlas 화면에 들어갔습니다. 후보 변이 하나의 점수를 확인했고, 그 변이가 두 종류의 세포에서 TAL1 발현 예측을 어떻게 바꾸는지 보여주는 그래프도 확인할 수 있었습니다. 64칸 중 몇 칸이 처음으로 채워진 셈입니다.
그런데 그 차이가 어디서 왔는지 따라가 보니, 도구가 더 똑똑해서라기보다 손에 쥔 수단이 달랐기 때문이었습니다. 그리고 숫자가 생기자, 그 숫자를 어디까지 읽어도 되는지가 새 질문이 됐습니다. (AlphaGenome과 Atlas의 기본 설명은 지난 글에 있습니다.)
같은 질문, 조금 다른 출발
질문의 흐름과 조건(API 키 미사용, 새 설치 없음)은 지난번과 같았습니다.
다른 점이 두 가지 있습니다.
하나는 사례를 미리 정했다는 것입니다. 지난번에는 Claude Science가 TAL1을 스스로 골랐습니다. 이번에는 세 도구를 같은 맥락에서 비교하려고 처음부터 TAL1을 공통 사례로 지정했습니다. 실제로 넣은 질문은 이랬습니다.
"설명은 이해했습니다. 이제 TAL1 사례를 통해 AlphaGenome을 연구에 어떻게 활용하는지 배우고 싶어요. 처음 해보기에 적합한 연구 질문과 작업을 제안하고 함께 진행해 주세요. API 키는 사용하지 않을 거예요."
다른 하나는 Codex가 Claude Science의 시험 기록을 이미 읽은 채팅에서 진행했다는 것입니다. 그동안 Claude Science의 산출물 검토를 Codex가 맡아 왔기 때문입니다. 이 조건은 뒤에서 후보 변이를 고르는 장면에 그대로 영향을 줍니다.
설명과 출처, 그리고 "지금 이 환경에서"
설명과 출처 단계는 지난번과 비슷했습니다. Codex는 모델과 Atlas를 나눠 설명했고, Nature 논문, 9월의 Atlas 발표, Ensembl 공지, 공식 코드 저장소를 직접 열어 확인했습니다. 용량이 커서 읽지 못한 Atlas 논문 PDF는 "확인하지 못한 것"으로 따로 적어 두었습니다.
환경 확인에서는 비슷하면서도 다른 장면이 나왔습니다. Codex에도 AlphaGenome에 바로 연결된 도구는 없었습니다. 대신 제 컴퓨터에 AlphaGenome 분석용 스킬 파일이 있었습니다. Codex는 스킬 설명을 읽고, 이 스킬이 AlphaGenome API 키를 필수로 요구한다는 것을 확인한 뒤 실행하지 않았습니다. 키를 쓰지 않기로 한 조건과 맞지 않기 때문입니다.
지난번 Claude Science는 키를 쓰지 않겠다고 했는데도 답의 상당 부분에서 키 발급을 권했습니다. Codex는 같은 갈림길에서 조건 쪽을 택했습니다. 작은 차이지만, 처음 정한 조건을 끝까지 지키는지는 연구 도구에서 중요한 부분입니다.
Codex에는 브라우저가 있었습니다
이번 시험에서 가장 크게 갈린 곳은 Atlas에 들어가는 단계였습니다.
Codex도 처음에는 웹 페이지를 읽어 오는 기본 도구로 Atlas 주소를 열었고, 실패했습니다. 지난번 Claude Science와 같은 지점입니다. 그런데 Codex에는 다른 수단이 하나 더 있었습니다. 앱 안에서 웹 페이지를 직접 띄우고, 버튼을 누르고, 화면을 읽을 수 있는 브라우저입니다.
Codex는 이 브라우저로 Atlas 공식 포털에 접속했습니다. 안내 화면과 약관 고지를 확인하고 "Sign in and explore" 버튼을 눌러 Google 로그인 화면까지 갔습니다. 거기서 멈추고, 로그인은 제가 직접 해 달라고 요청했습니다. 제가 로그인과 프로필 질문, 약관 동의를 마치자, Codex가 같은 브라우저에서 탐색을 이어갔습니다. 역할이나 약관 항목을 Codex가 대신 고르지는 않았습니다.
Claude Science는 왜 이렇게 하지 못했을까요? 이 글을 쓰기 전에 Claude Science 공식 문서를 찾아봤습니다.
Claude Science는 내 컴퓨터의 격리된 작업 공간(샌드박스)에서 코드를 실행하고, 커넥터로 과학 데이터베이스를 조회하는 방식으로 일합니다. 네트워크는 기본적으로 막혀 있고, 연결된 데이터베이스와 사용자가 허락한 주소만 열립니다(Core concepts). 웹 사이트에 닿더라도 코드가 보내는 요청의 형태입니다. 웹 화면을 띄워 클릭하거나, 사람이 로그인한 화면을 이어받는 브라우저 기능은 문서에 나오지 않았습니다. 지난번 Claude Science가 "Atlas 포털은 허용 목록 밖"이라고 보고하고 포털은 제 브라우저에서 보시라고 안내한 것도 이 구조와 맞습니다.
| Claude Science (10월 2일) | Codex (10월 5일) | |
|---|---|---|
| 웹에 닿는 방식 | 샌드박스 안의 코드와 커넥터 | 웹 열람 도구 + 앱 안의 브라우저 |
| Atlas 포털 | 허용 목록 밖이라 접속 실패 | 기본 도구는 실패, 브라우저로 로그인 화면까지 도달 |
| 사람이 한 일 | 없음(접속 단계까지 가지 못함) | Google 로그인, 프로필 입력, 약관 동의 |
| 얻은 것 | 대체 계산과 주변 근거 | 후보 변이의 점수와 발현 예측 그래프 |
이 차이는 도구의 실력보다 작업 환경의 설계에서 나왔습니다. Claude Science는 코드를 안전하게 돌리는 데 맞춰져 있고, 로그인이 필요한 웹 화면은 그 설계 밖에 있었습니다. Codex가 들어갈 수 있었던 것도 사람이 로그인 문을 열어 준 다음이었습니다.
유전자 이름에서 후보 변이 하나로
Atlas에 들어간 Codex는 먼저 연구 질문을 세웠습니다.
"TAL1 주변 변이의 영향 점수와 발현·접근성 예측을 함께 보며 무엇을 판단할 수 있는가?"
TAL1을 검색하자 유전자 본체 구간이 나왔습니다. 그런데 지난 글의 후보들은 유전자가 시작되기 전, 앞쪽 조절 영역에 있습니다. TAL1은 반대 방향 가닥에 놓인 유전자라 지도에서는 오른쪽이 '앞쪽'이고, Codex는 이 방향을 고려해 구간을 오른쪽으로 넓혔습니다.
그림 1. Atlas에서 TAL1 유전자 본체와 앞쪽 영역을 함께 연 화면(GRCh38/hg38, GENCODE v46). 아래 막대는 위치마다 미리 계산된 변이 영향 예측 점수를 보존도, 접근성, 전사 같은 항목별 색으로 나눠 보여줍니다. 구간을 새로 검색하면서 유전자·세포 필터가 풀린 상태이며, 특정 세포의 결과가 아닙니다.
그다음 Codex는 후보 변이 하나를 골랐습니다. chr1:47235433:G>T, 지난번 Claude Science가 만든 워크시트 16개 후보 중 하나입니다. Claude의 실습 가이드에서 Atlas 조회 예시로 쓴 바로 그 변이이기도 합니다. MYB 패턴 점수가 크게 오르는 자리이고, 알려진 MYB 결합 주석에서 6염기 떨어져 있습니다.
Codex가 Atlas에서 새로 찾아낸 후보가 아니라 Claude의 기록에서 가져온 후보라는 점은 밝혀 둡니다. Codex는 "모티프 가설 다음에 Atlas가 어떤 정보를 더 붙여 줄 수 있는지 보기 위해서"라고 이유를 설명했습니다.
상위 0.92%라는 숫자
변이 화면에 들어가자 숫자가 나왔습니다.
그림 2. chr1:47235433:G>T의 변이 상세 화면. 왼쪽이 변이 영향 예측 점수(AVI, 20.4)와 "전 유전체 단일 염기 변이 중 상위 0.92%" 표시, 가운데가 가장 크게 기여한 항목인 Cactus 보존도의 설명입니다. 화면 아래쪽 기여도 막대는 캡처 범위에서 잘렸습니다.
AVI는 20.4, 가능한 모든 단일 염기 변이 가운데 예측 영향 상위 0.92%였습니다. 가장 크게 기여한 항목은 Cactus라는 보존도(53.00%)였습니다. 241종 포유류에서 이 자리가 얼마나 바뀌지 않고 보존되어 왔는지를 잰 값으로, 이 위치는 5.628(양수일수록 보존)이었습니다.
처음 이 숫자를 보면 이렇게 읽고 싶어집니다. 상위 1% 안에 드는 변이니까 TAL1을 크게 켜는 변이일 것이다. Codex는 그렇게 읽지 않았습니다.
- 상위 0.92%는 예측 영향의 상대적인 순위입니다. 질병에 걸릴 확률이 아닙니다.
- 이 점수에서 가장 큰 몫은 보존도였습니다. 발현이 크게 바뀐다는 예측에서 나온 점수라고 볼 수 없습니다.
- 항목별 기여 비율은 모델이 점수를 어떻게 구성했는지를 보여줄 뿐, 실제 생물학적 원인의 비중이 아닙니다.
지난 글에서는 보존도 비교에서 차이를 "찾지 못했다"는 결과를 "보존도와 무관하다", "낮은 보존도의 후보는 노이즈다"로 읽은 문장이 문제였습니다. 아무것도 나오지 않은 결과를 '없다'는 결론으로 넓혀, 후보의 의미를 실제보다 깎아내린 쪽의 실수였습니다.
이번에는 방향이 반대입니다. 상위 0.92%라는 높은 점수가 나오자, 그 점수를 "이 변이가 TAL1을 크게 켠다"는 결론으로 넓혀 읽고 싶어집니다. 후보의 의미를 실제보다 부풀리는 쪽입니다. 한쪽은 약한 결과를 '없음'으로, 다른 쪽은 강한 결과를 '효과 있음'으로 키웠다는 점에서 방향은 다르지만, 결과가 말해 주는 범위보다 큰 문장을 쓰게 된다는 점은 같습니다.
참조와 변이, 두 개의 곡선
점수만으로는 TAL1 발현에 대해 말할 수 없으니, Codex는 다음 단계로 갔습니다. Atlas에는 원래 서열(참조)과 바뀐 서열(변이)의 예측을 나란히 그려 주는 기능이 있습니다. Codex는 TAL1을 대상으로 하는 RNA-seq 예측 트랙 가운데 두 가지를 골랐습니다. CD34 양성 골수계 전구세포와 CD14 양성 단핵구, 모두 혈액을 만드는 계통의 세포입니다.
그림 3. chr1:47235433:G>T의 참조·변이 RNA-seq 예측 그래프(위: CD14 양성 단핵구, 아래: CD34 양성 골수계 전구세포). 파란 세로선이 변이 위치이고, 왼쪽에 TAL1 유전자가 있습니다. 두 트랙의 세로축 범위가 서로 다르며(위 0~0.08, 아래 0~2.5), 실제로 측정한 발현량이 아니라 모델의 예측입니다. 화면 일부를 캡처한 것입니다.
두 곡선은 화면에서 거의 겹쳤고, 몇 군데에서만 조금 벌어졌습니다. Codex는 여기서도 결론을 서두르지 않았습니다. 세로축 범위가 달라 높이를 그대로 비교할 수 없고, 수치를 받아 변화량을 계산한 것이 아니라 화면을 본 판단이며, 이 두 세포가 TAL1이 문제가 되는 T세포 백혈병을 대신할 수 있는지는 확인하지 않았다고 적었습니다.
이 그래프를 서버가 새로 계산한 것인지 미리 계산된 결과를 그린 것인지는 화면만으로 알 수 없었습니다. 원래 질문에 있던 '접근성'(DNA가 얼마나 열려 있는지) 예측은 구간 요약 화면을 본 정도였고, 이 변이의 참조·변이 그래프까지는 열지 않았습니다.
64칸 가운데 채워진 칸
Codex가 정리한 다음 단계는 이랬습니다. 연구 질문을 먼저 좁히고, 관심 세포에 맞는 트랙인지 따지고, 이 자리가 실제 조절 영역이며 TAL1과 연결되는지 공개 실험 자료와 문헌으로 확인한 뒤, 필요하면 리포터 실험이나 유전자 편집으로 검증한다. 높은 점수는 그 길의 출발점이라는 것입니다.
| 단계 | Claude Science (5편) | Codex (6편) |
|---|---|---|
| 이해·출처 | 공식 출처 정리, 일부 정정 | 공식 출처 직접 열람, 못 연 자료 따로 표시 |
| 환경 확인 | 전용 연결 없음, API 키 발급 권유 | 전용 연결 없음, 키가 필요한 스킬은 실행 안 함 |
| 사례 | TAL1을 스스로 선택 | TAL1을 지정받음, Claude의 후보 하나를 이어받음 |
| 실습 | 39,000건 MYB 패턴 계산 | Atlas에서 유전자 → 구간 → 변이 순서로 탐색 |
| Atlas 결과 | 0건 | 후보 1개의 점수·기여 항목·RNA-seq 예측 그래프 2개 |
| 남은 것 | Atlas 조회 자체 | 접근성 예측, 다른 후보 15개, 기전 검증 |
워크시트로 돌아가 보면, 채워진 것은 16개 후보 가운데 한 줄입니다. 나머지도 같은 브라우저 절차로 채울 수는 있지만, 후보가 많아지면 화면을 하나씩 여는 방식으로는 어렵습니다. 그때는 API 같은 다른 접근 경로를 정해야 합니다.
이 경험의 조건을 밝혀둡니다
이번에도 제 개입이 여러 번 들어 있습니다. TAL1을 지정했고, 비교의 목적을 중간에 다시 설명했습니다. Atlas 로그인과 약관 동의는 제가 직접 했습니다. 중간에 Codex의 안내가 일본어로 나와서 한국어로 다시 요청한 일도 있었습니다. 앞서 적은 대로 Codex는 Claude Science의 기록을 읽은 상태였고, 후보 변이도 그 기록에서 왔습니다. 두 시험은 날짜도 다릅니다(10월 2일과 10월 5일).
그래서 이 기록은 "Codex가 Claude Science보다 낫다"는 증거가 아닙니다. 서로 다른 작업 환경과 사람의 개입 아래에서 같은 질문이 어디까지 이어졌는지를 적은 것입니다.
마무리
정리하면 이렇습니다.
- Codex는 앱 안의 브라우저로 Atlas에 들어가, 후보 변이 하나의 점수(AVI 20.4, 상위 0.92%)와 두 세포의 RNA-seq 참조·변이 예측 그래프를 확인했습니다. 지난번 비어 있던 칸 중 한 줄이 채워졌습니다.
- 그 차이는 도구의 실력보다 작업 환경에서 왔습니다. Claude Science는 샌드박스 안의 코드와 커넥터로 일하고, Codex에는 웹 화면을 다룰 브라우저가 있었습니다. 그리고 문은 사람이 로그인해서 열었습니다.
- 숫자가 생기자 읽는 법이 문제가 됐습니다. 상위 0.92%는 질병 확률이 아니고, 보존도가 끌어올린 점수는 발현 변화의 예측이 아닙니다.
지난 글에서는 새 연구 도구를 처음 써 볼 때 확인할 것을 적었습니다. 이번에는 AI가 웹 화면에서 결과를 가져왔을 때입니다.
AI가 웹 화면에서 가져온 결과를 읽을 때 확인하는 네 가지
- 그 화면에 들어가기 위해 사람이 한 일은 무엇인가? (로그인, 동의, 설정)
- 이 숫자는 무엇의 순위이고, 무엇이 그 점수를 끌어올렸는가?
- 그래프의 축과 세포는 내 질문에 맞는가?
- 이 후보는 누가 골랐는가? 도구가 새로 찾은 것인가, 이전 기록에서 온 것인가?
Codex는 브라우저라는 손을 하나 더 가지고 있었고, 그 손으로 지난번에 닿지 못한 화면까지 갔습니다. 그러나 화면 속 20.4라는 숫자가 TAL1에 대해 무엇을 말해 주는지, 다음에 어떤 실험으로 확인해야 하는지는 화면 밖의 일이었습니다. AI가 결과를 더 멀리까지 가져올수록, 그 결과를 내 질문에 맞게 읽는 일은 연구자에게 더 크게 남습니다.
재미있게도 Atlas 화면 오른쪽 위에는 "Try skill with Antigravity"라는 버튼이 있었습니다. 다음 글에서는 AlphaGenome을 만든 Google의 연구 도구 Antigravity에 같은 질문을 해 보겠습니다. 만든 회사의 도구는 이 화면에 어떻게 닿는지 궁금합니다.
이 글은 2026년 10월 5일 Codex 단일 채팅에서 진행한 AlphaGenome 활용 시험 기록을 바탕으로 썼습니다. API 키, 새 설치, 접근 설정 변경 없이 진행했으며, Atlas 로그인과 약관 동의는 사용자가 직접 했습니다. Codex는 앞선 Claude Science 시험 기록을 읽은 상태였고, 후보 변이는 그 기록에서 가져왔습니다. 본문 그림은 Atlas 화면 캡처이며, 점수와 그래프는 모델의 예측이지 실험 측정값이 아닙니다. Claude Science의 기능 설명은 2026년 10월 5일 확인한 공식 문서 기준입니다. 제품 간 성능 비교는 아닙니다.
AI와 함께 일하는 방식을 배우는 곳
댓글
댓글 쓰기