인공지능 클로드, 생명과학 연구에서 새로운 효소 시스템 발견
1. 이게 뭔가요?
인공지능 모델 클로드를 활용해 기초 생물학 연구를 수행하는 앤스로픽 연구진이, 유전 정보 속에서 크리스퍼와 유사한 반복 서열을 가진 새로운 효소 시스템을 발견한 초기 연구 결과입니다. 디엔에이는 생명체의 유전 정보를 담은 사다리 모양의 물질이며, 역전사효소는 유전 정보를 전달하는 알엔에이를 디엔에이로 거꾸로 복사하는 단백질을 말합니다. 연구진이 클로드에게 방대한 데이터베이스에서 새로운 역전사효소를 찾으라는 큰 방향의 지시를 내리자, 약 950개의 인공지능 에이전트가 21시간 동안 데이터를 분석한 끝에 이 새로운 효소 시스템을 찾아냈습니다.
2. 왜 화제인가요?
기존에는 생물학자들이 자연 속의 복잡한 분자 기계에서 이상한 점을 오랜 시간에 걸쳐 우연히 발견하거나 방대한 데이터를 직접 분석해야만 새로운 생물학적 발견을 할 수 있었습니다. 하지만 이번 연구는 인공지능 에이전트가 방대한 유전 정보 데이터 속에서 스스로 특이한 단백질 패턴을 찾아내고 후보를 좁히는 과정을 주도함으로써, 인공지능이 인간과 협력하여 생명과학 연구의 속도를 획기적으로 가속할 수 있음을 보여주는 중요한 사례입니다.
3. 핵심 내용
앤스로픽 연구진은 인공지능 모델인 클로드를 활용해 기초 생물학 연구를 수행하는 새로운 생명과학 연구팀을 출범했습니다. 연구실은 미국 샌프란시스코 베이에어리어에 위치하며, 생물안전 등급 1등급과 2등급의 위험도가 낮은 연구만 다루고, 사람에게 병을 옮기는 위험한 병원체는 다루지 않습니다. 또한 실험실의 모든 실험은 사람인 과학자들이 직접 진행합니다. 연구진이 일하는 구체적인 방식은 클로드에게 기능이 밝혀지지 않은 수많은 단백질 관련 유전자 데이터에서 필요한 내용을 찾게 하는 것부터 시작됩니다. 클로드는 관련 문헌을 읽고 기존 공개 데이터로 이미 증명된 결과를 스스로 다시 확인하여 분석 방법이 올바른지 점검합니다. 그 다음 기존 연구에 설명된 적이 없는 새로운 단백질 집합이나 주변 유전자를 찾아내고, 후보마다 기능에 대한 가설을 정리해 사람이 읽기 쉬운 짧은 보고서로 작성합니다. 연구진의 심사를 통과한 후보 물질은 실험실에서 직접 검증하며, 표준적인 실험용 생물체에 해당 단백질을 발현시킨 뒤 클로드의 도움을 받아 생화학적 성질과 분자 구조를 분석합니다. 이번 연구에서 클로드 인공지능 에이전트들은 20만 개 이상의 역전사효소를 수집하고, 그중에서 가능성이 높은 새로운 후보 시스템 3,500개를 골라냈으며, 다시 이들을 압축해 상위 20개 후보를 추려낸 뒤 사람이 읽기 편한 보고서 형태로 분석했습니다. 숙련된 과학자가 이 정도 분석을 하려면 수주에서 수개월이 걸립니다. 연구를 진행하던 중 클로드는 역전사효소 주변의 원래 디엔에이 염기서열을 꼼꼼히 훑어보던 중 역전사효소 옆에 똑같은 모양이 반복되는 구역이 있다는 것을 감지하고 크리스퍼와 비슷한 반복 배열인지 놀라워했습니다. 철저한 분석을 마친 끝에 자신이 새로운 생물학적 시스템을 찾아냈다고 확신하고 사람이 직접 검토할 수 있도록 보고서를 제출했습니다. 이 시스템의 이름은 배열 연관 역전사효소이며, 주로 박테리오파지에서 발견됩니다. 이 시스템은 역전사효소, 그 옆에 있는 짝꿍 유전자, 그리고 일정한 간격으로 길게 늘어선 디엔에이 반복 서열 등 세 가지 부분으로 이루어져 있습니다. 이 반복 서열의 배치는 유전자를 편집하는 도구로 널리 쓰이는 크리스퍼 시스템을 프로그래밍 가능한 생명공학 도구로 만들어 주는 리보핵산 조각들을 담고 있는 크리스퍼 배열과 닮았습니다. 초기 실험 결과에 따르면 이 배열 역시 서로 다른 짧은 리보핵산 조각들로 만들어진다는 사실이 밝혀져, 이 시스템에서도 비슷한 원리가 작동하고 있음을 시사합니다. 크리스퍼 유전자 교정 기술의 개척자 중 한 명인 펭 장 교수는 인공지능 에이전트가 생물학적 발견에 기여할 수 있는 흥미로운 사례라고 평가했습니다.
4. 나에게 어떤 영향이 있나요?
당장 시중에 유통되는 제품이나 치료제가 나오는 것은 아니며, 이번 연구는 인공지능이 과학자들의 방대한 데이터 분석과 새로운 가설 수립을 도울 수 있는 가능성을 보여줍니다. 앞으로 인공지능이 유전체학 연구를 가속하는 도구로 널리 쓰이게 된다면 질병 진단이나 새로운 치료법 개발을 위한 기초 연구 속도가 빨라지는 데 간접적인 도움을 줄 수 있습니다. 다만 이 시스템의 정확한 기능과 역할은 아직 연구 중이며, 발견된 성과가 곧바로 실생활에 적용되는 상용 기술로 완성되는 것은 아닙니다.