주간 연구 브리핑 — AI·신약·기능성식품 (2026-08-16)

이번 주 브리핑을 한 줄로 줄이면 이렇다. 모델은 이미 '예측'을 넘어 '수행'까지 손을 뻗었는데, 정작 그 결과가 맞는지 확인하는 절차는 그만큼 따라오지 못했다.

유전체와 세포를 읽는 해상도는 눈에 띄게 올라갔고, 재료 합성 경로를 제안한 모델은 실제 실험실 검증까지 통과했다. 그런데 같은 주에 자율 연구 에이전트를 평가한 논문들은 하나같이 낮은 점수와 재현 실패를 보고했다. 이 두 방향이 나란히 나왔다는 게 지금 상태를 정확히 보여준다.

신약·바이오 신기술 — 해상도가 올라갔다

AlphaGenome(Nature, Google DeepMind, 2026)은 100만 염기쌍 구간을 단일 염기 해상도로 읽으면서 11개 모달리티를 함께 예측한다. 26개 전문 모델과 붙여 25개에서 앞섰다. 지금까지 유전체 모델은 넓게 보면 흐려지고 정밀하게 보면 좁아지는 트레이드오프를 안고 있었는데, 그 둘을 한 모델에 넣었다는 게 핵심이다.

세포 쪽에서는 Cell-JEPA(프리프린트)가 잠재공간에서 예측하는 방식으로 단일세포 모델을 학습해, 제로샷 세포군집에서 scGPT 대비 AvgBIO 0.53에서 0.72로 36% 상대 개선을 보고했다. 라벨을 주지 않아도 세포 종류가 갈린다는 뜻이다. Stack(프리프린트)은 1.49억 인간 세포를 문맥 내 학습으로 다루고, 함께 공개한 Perturb Sapiens는 28개 조직·40개 세포 클래스·201개 섭동을 담은 전신 아틀라스다. LOGOS(프리프린트)는 1B·3B·8B 규모에서 단백질·항체·소분자·재료를 하나의 문법으로 생성한다.

So what → 연구실 연결: 기능성 소재를 처리했을 때 어떤 유전자 발현이 어떻게 움직이는지, 그 해석을 사람 손으로 하던 부분을 모델에 넘길 여지가 생겼다. 다만 이 중 Nature에 실린 건 AlphaGenome 하나고 나머지는 아직 프리프린트다.

타겟·소재 — 예측이 실험대를 통과한 사례

DiffSyn(Nature Computational Science 6, 404-416)은 확산 생성 모델로 재료 합성 경로를 제안한다. 23,000개가 넘는 레시피로 학습했고, UFI 제올라이트의 Si/Al 19.0 조건을 실제로 만들어 확인했다. 이번 주 나온 것 중 예측에서 멈추지 않고 wet-lab까지 간 몇 안 되는 사례다. CLOUD(Nature Communications 17, 4074)는 600만 개가 넘는 결정 구조를 대칭·Wyckoff 자리·조성으로 인코딩한 물리 기반 결정 파운데이션 모델이다.

우리 쪽에 더 가까운 건 AI 단백질 설계 × 식물 천연물 생합성 리뷰(BioDesign Research)다. CYP72A63·CYP87D20 같은 P450 효소를 설계해 식물 천연물 경로를 손보는 사례를 정리했다. 리뷰이므로 새 데이터가 아니라 정리된 지도로 읽어야 한다.

So what → 연구실 연결: 천연물 소재를 다루는 입장에서 P450 계열 효소 설계는 '확보가 어려운 화합물을 만들어낼 수 있는가'라는 질문과 직결된다. 리뷰에 실린 두 사례부터 확인하는 게 순서다.

Frontier — 자율 과학자, 그리고 아직 안 되는 것

잘 되는 쪽부터 보면, OmniScientist(프리프린트)는 요약된 텍스트가 아니라 원시 증거를 직접 읽는 방식을 택했다. 36개 사례 전부에서 원시 데이터부터 완성 원고까지 갔고, 직접 지각 방식이 7개 차원에서 개선되며 85% 승률을 기록했다. AutoScientists(프리프린트)는 중앙 조정자 없이 자기조직화하는 에이전트 팀으로 BioML-Bench 74.4 백분위, ProteinGym Spearman +12.5%를 냈다.

그런데 같은 주에 반대 방향 결과가 더 많이 나왔다. ResearchClawBench(프리프린트)는 10개 분야 40개 과제로 자율 연구를 평가했는데 가장 잘한 에이전트가 평균 21.5점이었다. CUSP(프리프린트)는 과학 예측을 시간 축에서 평가했더니, 추론 능력이 강한 모델도 실현 가능성 판단은 우연 수준이었고 시점은 체계적으로 늦게 잡았다.

가장 아픈 숫자는 자율 연구 에이전트 서베이(프리프린트)에 있다. 코드를 공개한 논문은 83%인데, 실제로 재현 가능한 산출물까지 낸 건 38%였다. 한편 도메인 특화 모델은 계속 나오는 중이다. SurgVISTA(npj Digital Medicine 9, 220)는 3,650개 수술 영상·355만 프레임으로 만든 첫 비디오 수준 수술 파운데이션 모델이다.

So what → 연구실 연결: 에이전트에게 연구를 통째로 맡기는 건 아직 아니다. 대신 '우리가 내놓는 결과가 남이 재현할 수 있는 형태인가'라는 질문은 지금 당장 우리 것이다.

이번 주 실행 결정

Kill — 프리프린트 벤치마크 점수만 보고 자율 연구 에이전트 도입을 결정하는 것. 최고 점수가 21.5점이고 실현 가능성 판단이 우연 수준이면, 지금은 도구지 연구자가 아니다.

Watch — AlphaGenome. Nature에 실렸고 규제 유전체 해석에 쓸 수 있는 형태다. 기능성 소재 처리 후 발현 변화를 해석하는 데 붙일 수 있는지, 공개 범위와 입력 요건부터 본다.

Test — 학생 1명·30분. BioDesign Research 천연물 생합성 리뷰에서 CYP72A63·CYP87D20 두 사례만 읽고, 우리가 다루는 소재 중 P450 매개 전환이 걸려 있는 후보를 목록으로 뽑는다. 논문 전체를 읽을 필요 없이 두 사례 문단과 표만 보면 된다.

Write — 우리 실험 프로토콜에 재현 산출물 항목(원시 데이터·처리 코드·중간 산출물 보관 위치)을 명시적으로 추가한다. 83% 대 38%라는 격차는 남의 이야기가 아니다.

※ 생성 모델의 예측 결과는 별도 언급이 없는 한 예측이며 wet-lab 검증이 필요하다. 프리프린트는 동료 심사를 거치지 않았다.