IAN은 미국 국립보건원(National Institutes of Health, NIH) 산하 National Eye Institute 연구진이 2026년 6월 17일 공개한 유전자 발현 해석 시스템이다. 연구자가 유전자 발현 분석 결과와 차등 발현 유전자(Differentially Expressed Genes, DEG) 목록을 입력하면, 여러 전문 AI 에이전트가 KEGG, Reactome, Gene Ontology, STRING 등 서로 다른 생물학 데이터베이스를 교차 분석한다. 이후 주요 조절인자, 생물학적 경로(Pathway), 단백질 상호작용과 경로 네트워크를 하나의 해석으로 통합하고, 검토 가능한 HTML 보고서로 정리한다. 여러 분야의 전문 연구자가 같은 실험 결과를 각자의 지식으로 검토한 뒤 공동 보고서를 작성하는 과정을 소프트웨어 안에 옮긴 셈이다. 일반적인 DEG 분석은 데이터베이스마다 별도의 도구를 실행하고, 서로 다른 식별자와 유의도 결과를 맞춘 다음, 중복되거나 충돌하는 경로를 연구자가 직접 해석해야 한다. 이 과정에서는 통계적으로 유의한 유전자 목록을 얻고도 어떤 상위 조절인자가 변화를 이끌었는지, 개별 경로가 하나의 생물학적 현상으로 어떻게 연결되는지 설명하기 어렵다. IAN의 차별점은 하나의 범용 모델에 모든 판단을 맡기는 대신 데이터베이스별 전문 에이전트를 배치하고, 각 분석 결과를 통합된 생물학적 설명으로 연결한다는 데 있다. GPT가 여러 문서를 읽고 핵심 논지를 연결하듯, IAN은 흩어진 오믹스 근거를 경로와 상호작용 중심의 설명으로 재구성한다. 연구자는 RNA-seq 파이프라인에서 산출한 유전자 발현 결과와 DEG 목록을 IAN에 전달한 뒤 KEGG와 Reactome에서 활성화 가능성이 있는 경로를 비교하고, Gene Ontology로 관련 생물학적 과정과 분자 기능을 보완할 수 있다. 이어 STRING의 단백질 상호작용 정보와 주요 조절인자 분석을 결합하면 단순한 유전자 순위표를 후보 기전 네트워크로 발전시킬 수 있다. 생성된 HTML 보고서는 후속 실험 후보를 선정하거나 서로 다른 조건의 전사체 반응을 비교하고, 협업 연구진이 분석 근거를 검토하는 출발점으로 활용할 수 있다. 특히 질환군과 대조군, 약물 처리군과 비처리군처럼 조건 간 유전자 발현 차이를 해석하는 연구에서 활용 가치가 있다. 연구자는 IAN이 연결한 조절인자와 경로 네트워크를 바탕으로 검증 우선순위를 정하고, 후보 유전자에 대한 추가 발현 측정이나 기능 실험을 설계할 수 있다. 다만 입력 형식, 지원 파라미터, 실행 환경, 모델 구성, 근거 추적 방식과 보고서의 재현성 범위는 제공된 발견 정보만으로 확인되지 않았다. 또한 라이선스는 비상업적 사용과 그 밖의 사용 조건이 구분되므로, 기업 연구나 제품 개발에 적용하기 전에 저장소의 공식 조건과 개발팀의 별도 허가 여부를 반드시 확인해야 한다.

IAN은 미국 국립보건원(National Institutes of Health, NIH) 산하 National Eye Institute 연구진이 2026년 6월 17일 공개한 유전자 발현 해석 시스템이다. 연구자가 유전자 발현 분석 결과와 차등 발현 유전자(Differentially Expressed Genes, DEG) 목록을 입력하면, 여러 전문 AI 에이전트가 KEGG, Reactome, Gene Ontology, STRING 등 서로 다른 생물학 데이터베이스를 교차 분석한다. 이후 주요 조절인자, 생물학적 경로(Pathw

전사체 경로 해석: RNA-seq 분석에서 얻은 유전자 발현 결과와 DEG 목록을 입력하고, KEGG·Reactome 경로 분석과 Gene Ontology 주석을 교차 검토한다. 주요 조절인자와 연결 경로를 HTML 보고서로 정리해 후속 기능 검증 대상의 우선순위를 설정한다.