우리는 AI 알고리즘이 사람들의 얼굴 사진, 예술 작품, 뉴스 기사, 심지어 포켓몬까지 믿을 수 있는 사진을 만드는 것을 보았다. 그러나 이제 과학자 팀은 존재하지 않는 사람들의 전체 유전 코드를 생성하는 알고리즘을 사용하여 한 단계 더 나아가고 있다.

GAN(Generative Adversarial Network/생성적 대립쌍 네트워크)이라는 유형의 AI를 사용하여 두 개의 알고리즘이 일종의 출력을 빠르게 생성하고 실제 사례와 비교하여 작업을 확인하고 진행하면서 상황을 개선하는 팀은 현실적인 인간 게놈을 복제할 수 있었다. The Next Web에서 처음 발견한 연구에 따르면 그들은 실제와 구별할 수 없다고 말한다.

끔찍한 포켓몬과 같은 다른 GAN 프로젝트와는 달리 AI는 재미있을 것이다. 인공 게놈 프로젝트를 개발한 에스토니아의 타르투 대학과 프랑스의 파리-사 클레이 대학의 연구팀은 그들의 가짜 유전자 서열이 연구 유전학자를 위한 도구로서 진정한 가치가 있다고 말한다.

그들은 PLOS Genetics 저널에 목요일에 발표된 논문에서 이러한 DNA 코드가 유전 데이터를 포기해야 하는 실제 사람들의 프라이버시를 침해하지 않으면서 추가 유전 실험에 도움이 될 수 있다고 주장한다.

그러나 이 논문과 무관한 유전학자는 말했다. 이유를 설명하기 위해 GAN이 생성할 수 있는 다른 예를 고려하라. 우리는 인간의 얼굴, 유명한 예술 작품, 포켓몬이 어떻게 생겼는지 알고 있다. 따라서 AI의 경우 이러한 예제를 통해 학습하고 자체적으로 구축하는 것은 문제가 되지 않는다. 하지만 인간 게놈과 관련하여 다른 부분이 무엇을 하는지에 대한 질문이 너무 많으며 학습 데이터로 알고리즘에 연결하는 것이 실제로 불가능하다는 것을 의미한다.

생명공학 회사 Inscripta의 포유류 사업 영역 및 소프트웨어 전략 부사장 Deanna Church는 “처음에는 그것이 흥미롭다는 것이다. 하지만 지금은 연구에 실질적인 영향을 미칠 것 같지 않다. “많은 과학계는 여전히 비 코딩(대부분의) 게놈이 어떻게 작동하는지 알아 내려고 노력하고 있다. 생성된 게놈을 실제 게놈과 계산적으로 구별할 수 없다고 해서 실제로 중요한 기능적 모티프와 영역이 보존되어 있다. 우리가 아직 이해하지 못하는 부분이 많이 있다.”고 말했다.

우리 마음에 있는 진짜 질문은 이러한 GAN 생성 게놈이 실제로 실제 기능적인 인간 유전자 서열로 컴파일 되는지 여부이다.

Church는 “이것을 인간으로 '컴파일'하는 것에 관해서는 확실히 그 길을 보지 못했다. "게놈 서열을 계산적으로 생성하는 것에서 인간 세포로 변환하는 데는 먼 길이 있다.”고 말했다.