주간 연구 브리핑 — AI·신약·기능성식품 (2026-10-18)

이번 주(10/12~10/17) 과학 AI 논문들이 가리킨 방향은 하나였습니다. 모델을 더 키우는 경쟁보다, 예측한 결과를 실험·계측으로 다시 확인하고 그 실패를 다음 선택에 반영하는 '닫힌 고리(closed loop)'를 누가 먼저 만드느냐가 경쟁력이 되고 있습니다. 아래는 대부분 프리프린트이며, 수치는 각 원문이 보고한 값입니다.

신약·바이오 신기술

Hyper Screening X(bioRxiv 프리프린트)는 11조 규모의 가상 화합물 공간을 합성 반응 규칙 안에서 탐색해 1,000만 후보만 평가했고, SLC1A5 변이 억제 후보 23개를 골라 22개를 자동 합성, 그중 11개가 10 μM에서 기능성 hit로 확인됐다고 보고했습니다. 가상스크리닝은 어디까지나 예측이며, 이 연구가 의미 있는 이유는 합성 가능성을 처음부터 제약으로 넣고 wet-lab으로 닫았기 때문입니다.

MAGI는 제약사의 과거 프로젝트 데이터로 에이전트를 시험해 실제 한계를 드러냈습니다. 에이전트 성능보다 활성·ADME 예측기의 적용 범위를 표시하는 일이 먼저라는 교훈입니다.

So what → 연구실 연결: 천연물 분획·유도체 후보도 효능 점수 하나가 아니라 '구할 수 있는가/합성 가능한가'를 함께 걸러야 실험 예산이 낭비되지 않습니다.

타겟·소재: 파운데이션 모델

Zatom-2(arXiv:2610.11454)는 2.7억 파라미터 단일 원자 기반 모델로 분자·재료 생성과 에너지·힘 예측을 함께 학습했습니다. 단백질 결과는 계산상 설계가능성일 뿐 발현·기능 검증은 아닙니다. CrystalJev는 원자 모델 점수를 보정된 안정성 확률로 바꿔, 비싼 계산을 결과가 바뀔 후보에만 쓰도록 했습니다(신규 DFT 700건 전향 검증).

So what: 점수 순위보다 'hit 확률과 추가 실험의 가치'로 예산을 나누는 설계 원칙은 천연물 virtual screening에도 그대로 옮길 수 있습니다.

식품·기능성 직결: 오믹스와 소규모 데이터

single-cell 파운데이션 모델 벤치마크(bioRxiv)는 대형 모델 임베딩의 우위가 클래스당 라벨이 약 100개 이하인 구간에서 뚜렷하고, 라벨이 충분하면 단순 log-normalized count와 비슷하거나 더 낫다고 보고했습니다. RAGenome은 진화정보 검색과 13,312 nt 장거리 문맥을 결합해 유전자 찾기·변이효과 예측을 한 모델에서 수행했습니다. CellWorld는 공간전사체에서 유전자값 복원 대신 세포 잠재표현을 예측하는 방식으로 접근했습니다.

So what: 우리 같은 소규모 식품·노화 오믹스 과제는 대형 모델을 무조건 쓰기보다 라벨 수별 learning curve로 채택 여부를 판단해야 합니다. 발효균주 비교유전체에도 RAGenome식 설계가 참고가 됩니다.

식품 이식 기술: 자율 실험

iCloudBiofoundry는 자연어 목표를 분산 로봇 실험으로 연결해 β-carotene 생산 1.98배, PAND 효소 2.82배 개선을 보고했습니다. Thermoset SDL은 72개 조성을 폐쇄고리로 시험하며 사람 작업시간을 91% 줄였고, GENIE는 자연어 질문을 현미경 측정과 통계 결론까지 이었습니다.

So what: 발효·추출 조건 최적화도 시료 제조→측정→이상치 판정→다음 조건 추천을 하나의 추적 가능한 기록으로 묶는 것이 첫걸음입니다. 장비보다 데이터 구조가 먼저입니다.

Frontier: 스스로 고치는 과학 에이전트

Station은 정답 논문을 숨긴 과제에서 발견 기준을 평균 62.7% 재발견했고, MedEvo는 오답 궤적의 첫 오류만 고쳐 재학습하는 방식으로 9B~397B 모델의 외부 벤치마크 평균을 모두 올렸습니다. AutoSciBench는 에이전트보다 빠르게 진화하는 평가체계를 제안했습니다. 모두 벤치마크 성능이며 실제 연구 현장 효과는 미검증입니다.

So what: 학생 실험노트의 오답을 통째로 버리지 말고 '처음 틀린 지점'을 찾는 피드백 방식은 당장 연구실 지도에 쓸 수 있습니다.

이번 주 실행 결정

Kill: 라벨이 충분한 소규모 오믹스 과제에 대형 파운데이션 모델을 기본값으로 쓰는 관행.
Watch: Zatom-2·CrystalJev 계열 원자 모델의 천연물/펩타이드 적용 사례, iCloudBiofoundry 코드 공개 여부.
Test: 학생 1명·30분 — single-cell FM 벤치마크(bioRxiv 10.64898/2026.10.12.758421)의 라벨 수별 결과 그림을 읽고, 연구실 보유 오믹스 데이터의 클래스당 라벨 수를 세어 '100개 이하' 구간에 해당하는 과제가 있는지 표 한 장으로 정리.
Write: 천연물 후보 선별 시 '효능 예측 + 수급/합성 가능성 + 적용범위 표시'를 함께 기록하는 1쪽 체크리스트 초안.