성균관대 의과대학 김대식(Daesik Kim) 교수 연구팀은 AI가 설계한 아데닌 염기교정 효소 Deam-P32를 구조 기반으로 개량한 OpenABE 변이체를 2026년 7월 20일 국제 학술지 Nucleic Acids Research 온라인판에 발표했다. 사람 세포주 HEK293T의 내재 유전자 표적 29곳에서 측정한 A-to-G 전환 효율은 Deam-P32가 13.02%, OpenABE1.1이 41.73%로 최대 36.1배 차이가 났고, 현존 최고 수준 편집기 ABE8e의 42.61%와 사실상 같은 구간에 도달했다. ASAP은 논문 원문을 1차 출처로 이 개량이 무엇을 바꿨고 무엇을 남겼는지 정리한다.

AI가 새로 만든 효소가 임상급 효율에 못 미쳤던 지점

기존 아데닌 염기교정기는 대부분 대장균 유래 단백질 TadA에서 파생돼 서열 다양성이 좁고 부수 편집 문제를 안고 있다. 논문의 초록은 이 한계를 두 갈래로 정리한다. TadA 계열은 표적 주변의 원하지 않는 염기까지 함께 바꾸는 부수 편집(bystander editing)과 낮은 다양성에 시달리고, Deam-P32처럼 AI가 설계한 디아미네이스는 ABE8e 같은 최신 편집기보다 효율과 정밀도가 떨어진다.

이 두 문장은 유전자 편집 분야에서 생성 AI의 성적표가 어디에 놓여 있었는지를 보여준다. AI 설계 단백질의 강점은 자연계에 없는 서열을 대량으로 제안한다는 점이고, 그 결과물은 특허와 접근성 측면에서 자연 유래 효소와 다른 위치를 차지한다. 그러나 실제 세포에서 얼마나 잘 작동하는지는 별개의 문제였다. 이번 논문에서 측정한 Deam-P32의 평균 편집 효율 13.02%는 ABE8e의 42.61%의 3분의 1 이하다. 도구 후보로는 유효하지만 치료용 도구로는 부족한 숫자다.

연구팀이 택한 접근은 AI로 더 좋은 서열을 다시 뽑는 방향이 아니었다. 이미 나온 AI 설계 효소를 단백질 구조 관점에서 손보는 방향이었다. 논문 제목이 이 선택을 그대로 담고 있다. "구조 기반 조작(structure-guided engineering)"이며, AI에서 유래한(AI-derived) 편집기를 대상으로 한다.

세 군데를 고쳐 세 배를 얻은 구성

OpenABE 변이체는 Deam-P32의 아미노산 세 지점 변화와 ABE8e에서 가져온 C-말단 확장으로 정의된다. OpenABE1.1은 L78F 치환과 P103S/A105R 치환에 ABE8e 유래 15개 아미노산(RQVFNAQKKAQSSIN)을 붙인 구성이고, OpenABE1.2는 같은 치환에 17개 아미노산(MPRQVFNAQKKAQSSIN)을 붙인 구성이다. 초록의 표현대로 DNA 결합 방식과 염기 접촉 주머니를 최적화하고 여기에 C-말단 확장을 더한 조합이다.

성능은 HEK293T 세포의 내재 표적 29곳에서 측정했다.

편집기	표적 29곳 평균 A-to-G 전환 효율
Deam-P32 (AI 설계 원본)	13.02% ± 2.92%
OpenABE1.1	41.73% ± 1.90%
OpenABE1.2	41.03% ± 1.99%
ABE8e (기존 최고 수준)	42.61% ± 2.36%

표적별 상승폭은 OpenABE1.1이 16.3배에서 34.4배, OpenABE1.2가 17.5배에서 36.1배 구간에 분포한다. 초록이 요약한 "16~36배"는 이 분포의 양 끝을 가리키는 숫자다. 안전성 지표도 같은 표적 집합에서 함께 측정했다. 부수 시토신 편집은 OpenABE1.1이 1.03% ± 0.24%, OpenABE1.2가 0.71% ± 0.15%로 ABE8e의 1.81% ± 0.81%보다 낮았고, 인델 빈도는 OpenABE1.1 0.54% ± 0.08%, OpenABE1.2 0.63% ± 0.16%, ABE8e 0.49% ± 0.12%로 세 편집기가 비슷한 구간에 있었다.

36배보다 중요한 숫자는 42.61%와의 동률이다

이 논문의 핵심 성과는 배수 개선이 아니라 최고 수준 편집기와의 동률 도달이다. 36배라는 표현은 기준점이 낮을 때 쉽게 커지는 종류의 숫자다. Deam-P32의 13.02%를 분모로 삼으면 41.73%는 3.2배이고, 표적별로 보면 원래 거의 작동하지 않던 자리에서 30배 이상이 나온다. 배수만 보면 극적이지만 그 자체로는 도구의 실용성을 결정하지 않는다.

실용성을 결정하는 비교는 다른 쪽에 있다. OpenABE1.1의 41.73%와 ABE8e의 42.61%는 오차 범위를 감안하면 구분되지 않는 수준이다. 유전자 편집 도구를 실험이나 치료에 도입하는 판단에서 중요한 질문은 "직전 버전보다 몇 배 좋아졌나"가 아니라 "현재 표준을 대체할 수 있나"다. 29곳이라는 표적 수는 이 동률 주장을 뒷받침하기에 충분히 넓다. 몇 개 표적에서 우연히 잘 나온 결과와 표적 29곳 평균은 신뢰도가 다르다.

여기서 파생되는 해석은 AI 설계와 단백질 공학의 역할 분담이다. 생성 모델은 자연계 서열 공간 밖의 출발점을 제공하고, 구조 기반 개량은 그 출발점을 사용 가능한 수준까지 끌어올린다. 이번 결과는 두 단계를 순차로 붙였을 때 표준 편집기와 같은 성능이 나온다는 사례다. AI 단독으로 최종 산물까지 뽑아내는 시나리오와는 다른 그림이며, 당장 실험실에서 재현 가능한 워크플로에 더 가깝다.

ATC 모티프에서 34.09%가 2.79%로 떨어진 대목

부수 편집 수치 중 가장 큰 차이는 ATC 모티프를 포함한 표적에서 나왔다. FANCF 표적의 C-to-D 부수 편집은 ABE8e가 34.09% ± 0.84%인데 OpenABE1.1은 2.79% ± 0.12%, OpenABE1.2는 4.89% ± 0.18%였다. 연구팀은 ATC 모티프를 포함한 표적 9곳을 따로 골라 이 항목을 확인했다.

이 숫자는 평균 효율 표보다 치료 관점에서 무게가 크다. 아데닌 편집기의 목적은 A를 G로 바꾸는 것인데, 같은 자리에서 C까지 바뀌면 의도하지 않은 변이가 함께 만들어진다. ABE8e의 34.09%는 해당 서열 맥락에서 세 번 중 한 번 이상 원하지 않은 변화가 동반된다는 뜻이고, 2.79%는 그 비율이 10분의 1 미만으로 내려갔다는 뜻이다. 편집 효율이 같은 두 도구 중에서 선택해야 한다면 이 항목이 판단을 가른다.

동시에 이 비교는 서열 맥락에 묶여 있다. 34.09%와 2.79%는 FANCF라는 특정 표적에서 나온 값이며, ATC 모티프가 없는 표적에서 두 도구의 차이는 29곳 평균이 보여주는 1.81%와 1.03% 정도다. 즉 OpenABE의 우위는 모든 표적에 균일하게 적용되는 성질이 아니라 특정 서열 맥락에서 크게 벌어지는 성질이다. 표적 설계 단계에서 ATC 모티프가 걸리는지를 확인하는 절차가 그만큼 중요해진다.

핵 유전자를 넘어 미토콘드리아로 옮겨 붙였을 때

연구팀은 같은 변이체를 미토콘드리아 DNA 편집 구성으로 옮겨 OpenABE-TALED를 만들었다. 미토콘드리아 DNA는 가이드 RNA를 안으로 들여보내기 어려워 TALE 단백질로 표적을 지정하는 방식을 쓴다. 논문은 ND1-1, ND1-2, CO3, CYB, ATP6 등 미토콘드리아 표적에서 편집 효율을 측정했고, CYB의 A9 위치에서 최대 32.7%를 기록했다. 초록은 이 결과를 ABE8e-TALED 구성과 "비슷하거나 우수한" 수준으로 서술한다.

전달 방식 실험에서는 조작된 바이러스 유사 입자(eVLP)를 사용했다. SSTR5 표적에서 OpenABE1.1은 68.61% ± 0.94%, OpenABE1.2는 43.12% ± 0.83%, ABE8e는 12.15% ± 0.49%를 기록했고, 특이성 비는 OpenABE1.1이 최대 181.26, OpenABE1.2가 최대 69.59로 보고됐다. 초록의 표현대로 eVLP 전달은 특이성과 산물 순도를 추가로 끌어올렸다.

미토콘드리아 편집으로의 이식이 성립한다는 점은 이 논문의 활용 범위를 넓힌다. 핵 유전자용으로 만든 효소가 다른 표적 지정 방식과 다른 세포내 구획에서도 작동한다면, 개량의 효과가 특정 실험 구성에만 붙어 있는 것이 아니라 효소 자체의 성질이라는 해석이 강해진다. 미토콘드리아 유전질환은 가이드 RNA 기반 도구로 접근하기 어려운 영역이었고, 여기에 쓸 수 있는 고효율 후보가 하나 늘어난 셈이다.

표에 남아 있는 회색지대

논문이 균일한 우위를 주장하지 않는 항목이 하나 있다. 가이드 RNA와 무관하게 발생하는 표적 이탈 편집을 직교 R-루프 방식으로 측정한 결과에서 OpenABE1.1은 5번과 6번 부위에서 ABE8e보다 원하지 않는 A-to-G 편집이 줄었다. 모든 부위에서 일괄 감소한 결과가 아니다. RNA 표적 이탈은 OpenABE 변이체가 ABE8e보다 부위 수가 적었다고 서술한다.

두 번째 회색지대는 실험 범위다. 핵 유전자 효율 비교의 주 데이터는 HEK293T 세포주에서 나왔고, eVLP 전달 결과는 SSTR5 표적 중심이다. 세포주에서 확인된 효율이 1차 세포나 생체 조직에서 유지되는지는 별개의 검증 대상이며, 이번 논문의 초록과 결과만으로는 확정되지 않는다. 치료제 개발 관점에서는 전달체와 표적 조직이 바뀔 때 수치가 어떻게 움직이는지가 다음 관문이다.

세 번째는 비교 대상의 선택이다. 이번 비교는 Deam-P32와 ABE8e를 축으로 삼았다. ABE8e는 널리 쓰이는 기준점이지만 아데닌 편집기 계보에는 다른 변형도 존재하며, 논문의 표 하나로 전체 계보와의 우열이 정리되지는 않는다. OpenABE의 실질적 위치는 다른 연구실이 같은 표적 집합에서 재현할 때 확정된다.

한국 유전자 편집 연구에 이 논문이 놓는 발판

이번 성과는 국내 연구 인프라 관점에서 세 가지 실무적 의미를 만든다. 첫째는 개량 대상의 성격이다. 출발점인 Deam-P32는 AI로 설계된 서열이고, 개량 결과물인 OpenABE는 그 서열에 구조 기반 변화를 더한 산물이다. 자연 유래 효소 계보와 다른 출발점에서 표준급 성능이 나왔다는 사실은 도구 확보 전략에 선택지를 하나 더한다.

둘째는 참여 기관 구성이다. 저자 소속은 성균관대 의과대학 정밀의학과와 분자세포생물학과, 성균관대 융합과학연구소(BICS), 울산대 의과대학 세포유전공학과, 서울아산병원, 이화여대 생명과학과로 이어진다. 유전자 편집 도구 개발과 임상 접점을 국내 기관들이 한 논문 안에서 함께 다룬 구성이며, 후속 치료제 연구를 국내에서 이어갈 경로가 이미 연결돼 있다.

셋째는 검증 절차의 기준이다. 이 논문은 효율 하나로 우위를 주장하지 않고 부수 편집, 인델, 가이드 RNA 비의존 표적 이탈, RNA 표적 이탈, 전달체별 특이성까지 항목을 나눠 보고했다. 편집기를 도입하려는 국내 연구팀이 벤더나 논문의 "효율 몇 퍼센트" 문구만 확인하고 결정하면 이 논문이 드러낸 ATC 모티프 문제 같은 항목을 놓친다. 표적 서열의 모티프 구성을 먼저 확인하고 그에 맞는 편집기를 고르는 절차가 이번 데이터가 제시하는 실무 기준이다.

출처: Nucleic Acids Research 논문 "Structure-guided engineering of AI-derived adenine base editors for nuclear and mitochondrial DNA editing"(Volume 54, Issue 14, gkag737, 온라인 2026년 7월 20일, DOI 10.1093/nar/gkag737) 원문 기반 ASAP 정리