주간 연구 브리핑 — AI·신약·기능성식품 (2026-08-02)

이번 주(7/27~8/1) 브리핑을 관통하는 문장은 하나다. AI가 ‘그럴듯한 후보를 뽑아주는 도구’에서 ‘실험을 설계하고 직접 돌려 결과로 답하는 시스템’으로 넘어가는 중이라는 것.

파운데이션 모델은 DNA·단백질·세포·환자까지 층을 채웠고, 자율 실험실 쪽에서는 가설에서 wet-lab 검증까지의 고리를 실제로 닫은 사례가 Nature에 두 편 나왔다. 우리 연구실 입장에서 중요한 건 발표된 성능 숫자가 아니라, 이 구조 중 어느 조각이 지금 우리 예산과 인력으로 손에 잡히느냐다.

생명 파운데이션 모델 — 층이 채워졌다

유전체 층에서는 Evo 2(40B 파라미터·9.3조 염기)가 Nature에 실렸다. 설계한 서열을 파지 실험으로 확인까지 갔다는 점이 핵심이다. 유전체 언어를 읽는 단계를 넘어 쓰는 쪽으로 옮겨간 셈.

세포 층은 세 편이 몰렸다. scLong(48M cells, 2.8만 유전자를 한 번에 어텐션), RegFormer(유전자 조절망+Mamba, 25M cells·45개 조직), 그리고 BulkFormer. 이 중 실무적으로 눈에 띄는 건 BulkFormer다. 50만 건의 bulk 전사체로 학습해 6개 과제에서 단일세포 기반 모델을 앞섰다고 보고했다. Xaira의 X-Cell(‘가상세포’)은 아직 프리프린트 단계라 판단을 미룬다.

환자 층에서는 Apollo가 25억 이벤트·720만 환자 멀티모달 시계열로 322개 과제를 다루며 발병 5년 전 예측을 보고했다.

So what → 연구실 연결: 값비싼 단일세포를 못 돌려도 bulk RNA-seq 한 세트면 기전 해석을 다시 시도해볼 수 있다는 신호다. “데이터가 얕아서” 미뤄둔 우리 전사체들을 다시 꺼낼 이유가 생겼다.

신약·단백질 설계 — 예측이 아니라 실제 분자

Nature에 실린 효소 연구가 이번 주 가장 정직한 사례다. AI가 재설계한 효소를 출발점으로 삼아 PACE(연속 진화)를 돌려 특이성 79배를 얻었다. AI 단독의 성과가 아니라 ‘AI 출발점 + 실험 진화’의 조합이라는 점이 그대로 교훈이다. Biohub의 ESMC·ESMFold2·ESM Atlas도 28억 서열 규모 모델로 5개 타겟의 de novo 바인더를 설계해 36~88% hit rate를 실험으로 확인했다(프리프린트).

모델 크기 쪽 흐름도 갈렸다. ChemFM(3B)은 34개 과제에서 최대 67.48% 개선을 보고했고, LFM2-2.6B-MMAI는 10배 큰 모델을 앞섰다고 발표했다 — 다만 이건 회사 보도자료이고 독립 검증 전이다.

So what → 연구실 연결: 단백질 설계는 우리 도메인이 아니지만, ‘2~3B 모델이 연구실 장비에서 돈다’는 흐름은 우리 천연물 소재-타겟 스크리닝에 그대로 온다. 단, 가상 스크리닝 결과는 어디까지나 예측이고 wet-lab 확인이 없으면 아무것도 아니다. 위 효소 사례가 그 순서를 정확히 보여준다.

자율 실험실·과학 에이전트 — 고리가 닫혔다

Co-Scientist는 여러 에이전트가 가설을 내고 토너먼트 방식으로 걸러, AML 약물 재창출과 신규 타겟을 시험관에서 확인했다. Robin은 가설→실험→분석→새 가설을 한 바퀴 자동으로 돌려 건성 황반변성에 ripasudil을 찾아내고 RNA-seq으로 기전까지 붙였다. 둘 다 Nature다.

인프라 쪽 소식 — Ginkgo Cloud Lab이 70여 종 장비를 웹으로 열었다는 발표, CMU·DOE의 Genesis가 자율 실험실끼리 연결하는 국가 규모 구상 — 은 아직 발표·보도 단계다.

So what → 연구실 연결: 우리가 지금 도입할 수 있는 건 로봇이 아니라 방법론이다. Co-Scientist의 핵심은 장비가 아니라 ‘가설을 여러 개 내고 근거 강도로 줄 세워 걸러낸다’는 절차다. 그건 오늘 랩미팅에서도 할 수 있다.

소재·인프라 — 곁불 쬐기

MatterChat이 원자 시뮬레이터와 LLM을 붙여 물성을 대화형으로 예측했고(Nat Mach Intell), 오픈소스 재료 발견 인프라 논의도 이어졌다(Comms Materials).

So what → 연구실 연결: 재료과학에서 먼저 굳어지는 ‘시뮬레이터+LLM’ 패턴은 결국 식품 매트릭스·전달체 설계로 넘어온다. 지금은 관찰만.

이번 주 실행 결정

Kill — ‘자율 실험실 장비 도입 검토’는 접는다. 규모가 우리 조건과 맞지 않고, 인프라 쪽은 대부분 보도자료 단계다.

Watch — BulkFormer·scLong의 코드·가중치 공개 여부. 공개되면 우리 기존 전사체에 바로 얹는다. 경량 화학 FM(2~3B)의 독립 벤치마크도 같이 본다.

Test — 학생 1명·30분: ① BulkFormer 논문(Cell Systems 2026)의 Data/Code availability 항목만 확인, ② 우리 실험실에 남아 있는 bulk RNA-seq 데이터셋 목록(조건·반복수·시점)을 A4 한 장으로 정리. 얹을 데이터가 있는지부터가 판단 기준이다.

Write — 다음 과제계획서 연구방법에 ‘AI 사전 예측 → wet-lab 검증’ 2단 구조를 명시한다. 예측을 결과로 쓰지 않고, 가설 선별 비용을 줄이는 도구로 배치하는 문장으로.