주간 연구 브리핑 — AI·신약·기능성식품 (2026-09-27)

이번 주 자료를 모아 놓고 보니 흐름이 한 줄로 모인다. 경쟁의 축이 '모델을 얼마나 키웠나'에서 '무엇을 학습에 넣었고, 결과를 어떻게 검증했나'로 옮겨갔다.

가상세포와 단백질 설계 쪽에서는 실물 검증이 붙은 성과가 나왔고, 반대편에서는 자율 연구 에이전트의 허위 결과·데이터 오염·안전 취약점을 정면으로 계측한 연구가 나란히 올라왔다. 성능 자랑과 신뢰성 점검이 같은 주에 겹친 것이 이번 주의 성격이다.

신약·바이오 신기술

AIDO Cell은 DNA·RNA·단백질·세포 형태를 하나로 묶은 가상세포 시뮬레이터로, Virtual Cell Benchmark 31개 지표 중 24개에서 최고 성적을 보고했다(Cell). Skape Bio의 GPCR de novo 미니단백질은 11개 수용체를 대상으로 작용제·길항제를 설계해 50개 설계 중 나노몰 수준 길항제를 얻었고 Cryo-EM 5개 구조로 확인했다(Nature 656, 1044-1053).

So what → 연구실 연결: 설계 단계가 아니라 '설계 후 구조로 확인했다'는 지점이 핵심이다. 우리 쪽 천연물 타겟 가설도 예측 점수가 아니라 확인 가능한 판독값까지 설계해 두어야 같은 급으로 읽힌다.

타겟·소재·데이터

scKITE는 세포 주석 텍스트와 TF-표적 조절관계를 학습 중 보조 감독으로 주입해, 179,067개 프로필만으로 수천만 샘플급 단일세포 기반모델을 앞섰다(zero-shot macro-F1 0.500 vs scGPT 0.430·Geneformer 0.399, 프리프린트). CARNIVAL은 현미경 물리 모델로 만든 합성 tomogram만 학습하고도 실제 cryo-ET에서 미세조정 없이 분류 F1 0.88을 냈다(프리프린트).

한편 고체전해질 문헌 감사는 반대 방향의 경고다. 같은 도표값이 축 해석에 따라 7.2×10⁻⁴·1.4×10⁻⁴·2.4×10⁻⁶ S cm⁻¹로 갈렸고, gel 문헌 83편 중 10.8%에서 본문과 그림이 어긋났다.

So what → 연구실 연결: 데이터를 더 모으기 전에 지식을 넣는 쪽이 싸게 먹힌다. 그리고 우리 LC-MS 표도 원도표·단위·변환식·판단자를 같이 저장하지 않으면 같은 종류의 오차를 그대로 안고 간다.

식품 이식 기술

MOMbot은 화학 전달·전기장·기계 진동·열 조절을 한 장비에 묶고, 영상 판독과 online active learning으로 다음 개입 조건을 스스로 고르는 폐쇄루프 생물 실험 장치다. Xenopus 배아부터 점액섬모 organoid까지 크기가 세 자릿수로 다른 재료에서 작동을 확인했다(프리프린트).

So what → 연구실 연결: 발효·세포 기반 기능성 평가에서 조건을 순차로 훑는 대신 불확실성이 큰 조건에 실험을 몰아주는 설계가 가능하다. 장비를 새로 사자는 얘기가 아니라 조건 선택 순서를 바꾸자는 얘기다.

검증·안전

이번 주에서 가장 불편하지만 가장 쓸모 있는 쪽이다. 자율 AI 연구 환각을 정량한 연구는 Agent Laboratory 결과의 90%, Co-Scientist의 46%가 심각하게 허위였다고 보고했고, 신뢰성 모듈을 붙였을 때 4%까지 떨어졌다(프리프린트). TruthInsightBench는 네 개 코딩 에이전트가 58.4~60.3점의 좁은 구간에 함께 갇혀 있음을 보였는데, 막힌 지점이 코딩이 아니라 통제·강건성·반증가능성이라는 뜻이다. ChemMat-AgentSafetyBench는 화학·재료 에이전트가 장기 공격에 노출됐을 때 완전한 유해 합성 절차를 최종 산출물로 내보낸 비율이 25.6%였고, 방어를 붙인 뒤에도 9.2~22.5%가 남았다고 보고했다.

So what → 연구실 연결: 학생 AI 과제 채점표에 결과값만 두면 안 된다. 대조군·강건성·반증·외부 검증 산출물을 항목으로 못 박아야 한다.

Frontier

ScienceBuddy는 연구자의 수정 요청을 일회성 교정이 아니라 재사용 가능한 과제·채점표로 바꾸고, 도구 체계 개선과 모델 강화학습을 교대로 돌려 단일 시도 정확도를 42.2%에서 73.3%로 올렸다. 모델을 고정하고 도구 체계만 바꿔도 검증 정확도가 31.1%에서 51.1%로 올랐다는 대목이 눈에 띈다. SPHERE는 평균·분산·공분산으로 결정되는 분석을 정확히 보존하는 합성 표현을 한 번 만들어 원자료 노출 없이 재사용하는 데이터 계층을 제안했다(프리프린트, 알고리즘은 특허 출원으로 비공개).

이번 주 실행 결정

Kill — 자율 연구 에이전트에 가설 생성부터 결론까지 통째로 맡기는 실험. 환각 비율 수치가 나온 이상 근거 없이 시도할 단계가 아니다.

Watch — AIDO Cell과 GPCR 미니단백질 설계. 둘 다 실물 검증이 붙었지만 우리 천연물 계열에 그대로 오지는 않는다. 후속 독립 재현을 본다.

Test — 학생 1명·30분. 기존 분석 보고서 1건을 통제·강건성·반증 6개 항목으로 재채점한다. 세 항목 이상 비면 우리 쪽 AI 활용 절차부터 고친다. 이어서 반나절 과제로 LC-MS 표 20행을 원파일·단위·변환식·처리조건·판단자 5필드로 감사하고, 누락이 10%를 넘으면 스키마를 개편한다.

Write — 연구실 AI 사용 지침 1쪽. 외부 입력·도구 출력·메모리·최종 산출물 네 경계와 각 경계의 검토 책임자를 명시한다.

정리하면, 이번 주는 성능 뉴스보다 검증 뉴스가 더 실무적이었다. 우리가 지금 손댈 수 있는 것도 모델이 아니라 기록과 채점표 쪽이다.