주간 연구 브리핑 — AI·신약·기능성식품 (2026-10-11)

이번 주(10/5~10/10) 프런티어 과학 AI의 경쟁축이 "더 큰 모델"에서 "실험으로 닫는 능력"으로 명확히 이동했습니다. de novo 효소 설계가 wet-lab에서 선택성과 안정성을 입증하고, 자율 연구 에이전트가 실패를 학습에 되먹이며, 단일세포 파운데이션 모델의 범용성이 노화 벤치마크에서 시험받는 한 주였습니다.

신약·바이오 신기술

AlphaProtein Novo가 자연 효소 골격을 검색하는 대신 촉매 모티프에서 새 골격을 설계해 피페리딘 선택적 nitrene transferase(99:1 선택성, 94% ee)와 DEHP 분해 esterase(90°C·75% acetonitrile에서 활성 유지)를 실험 구현했습니다. 188개 자연·개량 효소가 넘지 못한 선택성을 설계체가 달성했습니다. So what → 천연물 전환 효소 과제에서 기존 효소 검색 실패를 종료점이 아닌 직접 설계 출발점으로 바꾸는 근거가 됩니다.

ImmuneAgent는 실패를 재학습에 되먹이는 폐루프 에이전트로 110개 클론 중 범중화항체 12개를 발굴하고, 선정 항체 5개가 치명적 인플루엔자 공격에서 100% 생존을 보였습니다. So what → 비표적 LC-MS·전사체 후보를 단일 점수로 줄이지 않고 구조·기전·실험 실패를 다음 후보 선정에 되먹이는 폐루프 설계의 직접 참고입니다.

타겟·소재·모달리티

IDiom이 AlphaFold DB에서 선별한 5,400만 개 비정형 단백질 영역 전용 언어모델을 구축했습니다. RL-SAE가 한 서열에 수십 개 기능 연관 특징을 동시 설치해 activation steering 24%·SFT 15%·자연 서열 21%를 앞섭니다. So what → 식품 유래 펩타이드 설계에서 서열 유사도보다 기능 문법 묶음을 설계 목표로 삼는 연구 기획 사례가 됩니다.

CODesign은 서열·backbone·all-atom 좌표를 하나의 flow 모델에서 공동 생성해 외부 folding reward 없이도 일관성을 확보했습니다. DiMOS는 동결 모델에서 재학습 없이 다목적 제약(활성·용해도·신규성)을 동시 만족하는 서열 설계 탐색을 보였습니다. So what → 기능성 펩타이드 후보에서 활성·용해도·제조성 제약을 동시에 거는 후보 선별 설계로 직접 번역 가능합니다.

식품·기능성 직결

scRep은 세포 수를 무작정 늘리지 않고 세포형 커버리지를 높여 99.8M 파라미터·30.7M 세포로 6개 홀드아웃에서 NMI 0.859·ARI 0.821을 기록했습니다. 희소 scRNA-seq의 누락을 잡음이 아닌 동일 생물상태의 불변성 학습 신호로 사용한 것이 핵심입니다. So what → 발효·노화 single-cell 자료에서 대형 모델 전체 미세조정보다 동결 임베딩+단순 분류기의 표본 효율을 먼저 검증할 근거입니다.

노화 single-cell FM 벤치마크는 10개 범용 FM이 희귀 노화세포 식별에서는 유용했으나 연령 예측·pseudotime에서는 2,000 HVG 기준선이 더 강함을 보였습니다. 어떤 모델도 다섯 과제를 일관되게 지배하지 못했습니다. So what → 항노화 소재 연구에서 FM을 기본값으로 두지 않고 HVG·PCA 기준선과 외부검증을 함께 설계해야 합니다.

LucaCell은 고정 유전자 ID 대신 mRNA 서열 임베딩으로 사람·생쥐·여우원숭이·미생물·바이러스를 한 표현계에서 다뤄 정확도 0.937(사람)·0.961(여우원숭이)을 기록했습니다. So what → 발효 미생물 종 동정과 균주 상태를 정렬 의존 파이프라인 밖에서 함께 표현하는 파일럿 사례가 됩니다.

식품 이식 기술

ScienceClaw는 23개 학문에서 실패-성공 실행 궤적을 독립 검증 후 재사용 가능한 Skill로 축적해 OOD macro score를 77.72%에서 91.30%로 올렸습니다. EmbodiedRSI는 경쟁 가설을 가장 잘 구분하는 다음 실험을 정보가치로 선택해 실제 로봇 5과제 성공률을 46.0%에서 71.3%로 높였습니다. Station은 명확한 보상함수 없이도 연구방향을 오래 유지해 숨겨진 발견의 62.7%를 재발견했습니다. So what → 시료가 비싼 실험에서 후보 수가 아니라 불확실성을 가장 크게 줄이는 다음 실험을 고르는 능동학습 원리를 연구실 SOP에 이식할 수 있습니다.

검증·게이트

HetCat26은 15개 범용 원자간 퍼텐셜을 촉매 표면·흡착·반응 장벽에서 비교해 일반 재료 벤치마크 순위의 도메인 전이 예측력이 약함을 보였습니다. 15개 중 4개만 CO 흡착 위치 선호를 재현했습니다. MechHypoBench는 1,798만 관측값으로 AI 과학자의 기전 가설 생성 한계를 측정했고, RoboQuest는 최강 멀티모달 에이전트도 물리 탐색 과제에서 23.2%에 그치며 병목이 동작이 아닌 증거 수집 판단임을 분리했습니다. So what → 공개 종합 점수보다 우리 시료의 결합·분리·대사 과제로 전이 시험을 먼저 해야 하는 검증 원칙입니다.

Frontier

Large Knowledge Model이 약 14억 개 주장을 주소 가능한 추론 그래프로 구축해 에이전트가 출처가 묶인 다단계 추론 객체를 읽고 재사용하게 합니다. SciFact-Open에서 근거 쌍 818개 대 443개를 회수해 약 1.85배를 기록했습니다. So what → 논문을 파일로만 쌓지 않고 주장·시료·증거를 연결하는 연구실 지식 그래프 설계에 직접 참고 가능합니다.

HGR(고차 분자 문법)은 ring·motif의 고차 topology를 context-free production rule로 직렬화해 5개 생성 벤치마크 모두에서 100% validity와 최고 FCD를 달성했습니다. So what → 천연물 ring scaffold와 발효 대사체의 motif 다양성을 기존 fingerprint와 비교하는 소규모 표현 학습 과제로 직접 이식 가능합니다.

Symmetrix-XL은 학습된 원자 모델을 재학습 없이 단일 A100의 24,565개 한계에서 1,124만 원자까지 확대해 7.03억 원자에서 93.8% weak-scaling을 기록했습니다. So what → 고정밀 모델의 추론 엔진을 최적화해 실험 규모를 키우는 인프라 전략 사례입니다.

이번 주 실행 결정

• Test — AlphaProtein Novo 설계 선택 기준 원문 독해(30분) · IDiom 공개 모델 activation-domain 100개 생성(반나절) · scRep 동결 임베딩 vs HVG 기준선 비교(반나절) · HGR 천연물 1,000개 표현 pilot(반나절) · ScienceClaw 검증 게이트 단일 실패 사례 패키징(반나절) · EmbodiedRSI 정보가치 선택 후보표 이식(반나절)
• Watch — CODesign·DiMOS·AbsorbEvo(wet-lab 전까지) · Station 개방형 발견 재현성 · LKM 14억 주장 그래프 환각·누락 감사
• Write — EmbodiedRSI 정보가치 선택 SOP 초안(반나절 파일럿 통과 시)
• Kill — 범용 단일세포 FM을 노화 연령 예측에 기본값으로 사용하는 관행