연구진의 궁극적 목표는 느리고 비용이 많이 드는 기존 실험 중심의 생물학 연구를, 컴퓨터 시뮬레이션(인실리코, in silico) 기반의 효율적 체계로 전환하는 것이다. 이른바 생물학의 '세계 모델(world model)' 을 구축해 연구자들이 가상 실험실에서 마치 비행 시뮬레이터를 조종하듯 생명 현상을 탐구할 수 있도록 하겠다는 비전이다.

AIDO 청사진: 모듈식 다층 구조

AIDO는 생물학적 규모별로 특화된 여러 트랜스포머(Transformer) 기반 모델을 연결 가능한 모듈 형태로 구성한 것이 핵심 설계 원칙이다:

• AIDO.DNA — 유전체 서열을 모델링하여 유전적 변이와 그 하위 영향 분석의 기반 제공
• AIDO.RNA — 16억 개 파라미터 규모로, 4200만 개 비암호화 RNA 서열을 단일 염기 해상도로 사전 학습
• AIDO.Protein — 단백질 서열, 구조, 기능 학습
• AIDO.Cell — 인코더 전용 밀집 트랜스포머 모델 시리즈(최대 6억 5000만 파라미터), 다양한 조직의 5000만 개 인간 세포로 사전 학습, 세포당 약 2만 개 유전자 처리
• AIDO.Tissue — 조직 수준의 행동과 세포 간 상호작용 모델링
• AIDO.Biology — 모든 하위 규모를 통합하는 최상위 '세계 모델' 계층으로 유기체 수준 결과 시뮬레이션

이 모듈들은 서로 연결(connectable) 이 가능하도록 설계되어, 신약 분자나 유전자 편집 같은 단일 교란(perturbation)이 분자 상호작용에서 세포 반응, 조직 효과를 거쳐 최종 건강 결과까지 어떻게 전파되는지 논리적으로 추적할 수 있다.

목표: 생물학의 '멀티스케일 시뮬레이터'

AIDO의 핵심 야망은 DNA 수준의 변화가 단백질, 세포, 조직, 유기체 표현형으로 어떻게 전파되는지 시뮬레이션할 수 있는 생물학의 '세계 모델' 을 구축하는 것이다. 이를 통해 연구자들은:

• 질병 및 복잡한 생물학적 과정을 컴퓨터로 시뮬레이션해 수년의 실험실 작업 생략
• 실제 실험 전에 약물 효과와 독성 예측으로 현물 테스트가 필요한 후보군 대폭 축소
• 수백만 건의 인실리코 교란(in silico perturbation)을 신속히 테스트해 최적 후보만 실험 검증으로 연결

연구진은 이 프로젝트를 의학계의 '비행 시뮬레이터' 에 비유했다. 실제 비행기를 띄우기 전 시뮬레이터로 수백 번 연습하듯, 생물학자들도 컴퓨터 속 가상 유기체로 먼저 실험해본 후 현실 실험에 들어간다는 개념이다.

다른 가상 세포 프로젝트와 비교

AI 기반 가상 세포 개념은 AIDO팀만의 독창적 아이디어는 아니다. 찬 저커버그 바이오허브(CZI)는 스탠포드대·제넨텍과 공동으로 2024년 12월 Nature Perspective에 AI 가상 세포(AIVC: AI Virtual Cells) 개념을 발표했다. AIVC는 분자, 세포, 조직을 표현하는 다중 규모·다중 양식 대규모 신경망 모델이다. CZI는 또한 가상 세포 워크숍을 개최해 데이터 이질성, 잡음, 재현성 문제 등 공통 병목을 확인했다.

두 주요 프로젝트의 차이점:

범위와 단계에 차이가 있지만, 두 프로젝트 모두 단일세포 RNA 시퀀싱, 프로테오믹스, 에피제노믹스, 메타볼로믹스 등 고도로 이질적인 오믹스(omics) 데이터를 통합해야 한다는 동일한 근본적 과제를 안고 있다.

인정된 한계: 편향 데이터와 환자 다양성 문제

AIDO 논문과 관련 보도는 초기의 기대감을 누그러뜨리는 여러 중요한 한계를 지적한다:

• 편향되고 불완전한 훈련 데이터: 현재 생물학 데이터세트는 잘 연구된 세포주, 흔한 질병, 유럽계 인구에 편중되어 있다. 이는 모델 예측을 왜곡하고 의료 형평성을 악화시킬 수 있다.
• 환자 변이성: 유전적 배경, 나이, 건강 상태에 걸친 인간 생물학적 다양성은 방대하지만 기존 훈련 코호트로는 제대로 포착되지 않는다. 연구진은 모델이 과소대표 집단에 적용될 경우 일반화에 실패할 수 있다고 명시했다.
• 이질적 데이터 통합: 전사체학에서 단백질체학, 영상, 임상 기록까지 다양한 양식의 데이터를 융합하는 것은 규모 차이, 측정 잡음, 결측 패턴 차이로 인해 기술적으로 여전히 어렵다.
• 표준화된 벤치마크 부재: 교차 도메인 평가 프레임워크 없이는 서로 다른 그룹의 모델을 객관적으로 비교하거나 실제 현장에서의 강건성을 평가하기 어렵다.

응용 분야: 신약 후보 필터링과 전염병 대응

AIDO의 당장 실현 가능한 응용 분야로 두 가지가 가장 두드러지게 강조된다:

• 신약 후보 물질 필터링: AIDO는 수백만 개 화합물을 컴퓨터상에서 시뮬레이션해 분자 결합, 세포 반응, 조직 수준 독성, 유기체 수준 효능을 실제 실험 전에 예측할 수 있다. 이는 실험 테스트가 필요한 후보군을 대폭 줄여 전임상 개발 비용과 실패율을 낮춘다.

• 전염병 발병 대응 가속화: 시스템이 모듈식이고 특정 병원체가 아닌 기초 생물학 패턴을 학습했기 때문에 신종 바이러스나 세균 위협 모델링에 신속히 적용될 수 있다. 연구자들은 감염 역학을 시뮬레이션하고, 기존 약물 라이브러리를 재창출 용도로 테스트하며, 가상 유기체 전반의 면역 반응을 수개월이 아닌 수일에서 수주 내에 예측할 수 있다.

연구진의 궁극적 목표는 느리고 비용이 많이 드는 기존 실험 중심의 생물학 연구를, 컴퓨터 시뮬레이션(인실리코, in silico) 기반의 효율적 체계로 전환하는 것이다. 이른바 생물학의 '세계 모델(world model)' 을 구축해 연구자들이 가상 실험실에서 마치 비행 시뮬레이터를 조종하듯 생명 현상을 탐구할 수 있도록 하겠다는 비전이다.

AIDO 청사진: 모듈식 다층 구조

AIDO는 생물학적 규모별로 특화된 여러 트랜스포머(Transformer) 기반 모델을 연결 가능한 모듈 형태로 구성한 것이 핵심 설계 원칙이다:

• AIDO.DNA — 유전체 서열을 모델링하여 유전적 변이와 그 하위 영향 분석의 기반 제공
• AIDO.RNA — 16억 개 파라미터 규모로, 4200만 개 비암호화 RNA 서열을 단일 염기 해상도로 사전 학습
• AIDO.Protein — 단백질 서열, 구조, 기능 학습
• AIDO.Cell — 인코더 전용 밀집 트랜스포머 모델 시리즈(최대 6억 5000만 파라미터), 다양한 조직의 5000만 개 인간 세포로 사전 학습, 세포당 약 2만 개 유전자 처리
• AIDO.Tissue — 조직 수준의 행동과 세포 간 상호작용 모델링
• AIDO.Biology — 모든 하위 규모를 통합하는 최상위 '세계 모델' 계층으로 유기체 수준 결과 시뮬레이션

이 모듈들은 서로 연결(connectable) 이 가능하도록 설계되어, 신약 분자나 유전자 편집 같은 단일 교란(perturbation)이 분자 상호작용에서 세포 반응, 조직 효과를 거쳐 최종 건강 결과까지 어떻게 전파되는지 논리적으로 추적할 수 있다.

목표: 생물학의 '멀티스케일 시뮬레이터'

AIDO의 핵심 야망은 DNA 수준의 변화가 단백질, 세포, 조직, 유기체 표현형으로 어떻게 전파되는지 시뮬레이션할 수 있는 생물학의 '세계 모델' 을 구축하는 것이다. 이를 통해 연구자들은:

• 질병 및 복잡한 생물학적 과정을 컴퓨터로 시뮬레이션해 수년의 실험실 작업 생략
• 실제 실험 전에 약물 효과와 독성 예측으로 현물 테스트가 필요한 후보군 대폭 축소
• 수백만 건의 인실리코 교란(in silico perturbation)을 신속히 테스트해 최적 후보만 실험 검증으로 연결

연구진은 이 프로젝트를 의학계의 '비행 시뮬레이터' 에 비유했다. 실제 비행기를 띄우기 전 시뮬레이터로 수백 번 연습하듯, 생물학자들도 컴퓨터 속 가상 유기체로 먼저 실험해본 후 현실 실험에 들어간다는 개념이다.

다른 가상 세포 프로젝트와 비교

AI 기반 가상 세포 개념은 AIDO팀만의 독창적 아이디어는 아니다. 찬 저커버그 바이오허브(CZI)는 스탠포드대·제넨텍과 공동으로 2024년 12월 Nature Perspective에 AI 가상 세포(AIVC: AI Virtual Cells) 개념을 발표했다. AIVC는 분자, 세포, 조직을 표현하는 다중 규모·다중 양식 대규모 신경망 모델이다. CZI는 또한 가상 세포 워크숍을 개최해 데이터 이질성, 잡음, 재현성 문제 등 공통 병목을 확인했다.

두 주요 프로젝트의 차이점:

범위와 단계에 차이가 있지만, 두 프로젝트 모두 단일세포 RNA 시퀀싱, 프로테오믹스, 에피제노믹스, 메타볼로믹스 등 고도로 이질적인 오믹스(omics) 데이터를 통합해야 한다는 동일한 근본적 과제를 안고 있다.

인정된 한계: 편향 데이터와 환자 다양성 문제

AIDO 논문과 관련 보도는 초기의 기대감을 누그러뜨리는 여러 중요한 한계를 지적한다:

• 편향되고 불완전한 훈련 데이터: 현재 생물학 데이터세트는 잘 연구된 세포주, 흔한 질병, 유럽계 인구에 편중되어 있다. 이는 모델 예측을 왜곡하고 의료 형평성을 악화시킬 수 있다.
• 환자 변이성: 유전적 배경, 나이, 건강 상태에 걸친 인간 생물학적 다양성은 방대하지만 기존 훈련 코호트로는 제대로 포착되지 않는다. 연구진은 모델이 과소대표 집단에 적용될 경우 일반화에 실패할 수 있다고 명시했다.
• 이질적 데이터 통합: 전사체학에서 단백질체학, 영상, 임상 기록까지 다양한 양식의 데이터를 융합하는 것은 규모 차이, 측정 잡음, 결측 패턴 차이로 인해 기술적으로 여전히 어렵다.
• 표준화된 벤치마크 부재: 교차 도메인 평가 프레임워크 없이는 서로 다른 그룹의 모델을 객관적으로 비교하거나 실제 현장에서의 강건성을 평가하기 어렵다.

응용 분야: 신약 후보 필터링과 전염병 대응

AIDO의 당장 실현 가능한 응용 분야로 두 가지가 가장 두드러지게 강조된다:

• 신약 후보 물질 필터링: AIDO는 수백만 개 화합물을 컴퓨터상에서 시뮬레이션해 분자 결합, 세포 반응, 조직 수준 독성, 유기체 수준 효능을 실제 실험 전에 예측할 수 있다. 이는 실험 테스트가 필요한 후보군을 대폭 줄여 전임상 개발 비용과 실패율을 낮춘다.

• 전염병 발병 대응 가속화: 시스템이 모듈식이고 특정 병원체가 아닌 기초 생물학 패턴을 학습했기 때문에 신종 바이러스나 세균 위협 모델링에 신속히 적용될 수 있다. 연구자들은 감염 역학을 시뮬레이션하고, 기존 약물 라이브러리를 재창출 용도로 테스트하며, 가상 유기체 전반의 면역 반응을 수개월이 아닌 수일에서 수주 내에 예측할 수 있다.