AIDO Cell이란 무엇인가: DNA부터 전체 세포 행동까지 모델링하는 가상 세포

GenBio AI의 AIDO Cell은 DNA와 RNA에서 시작해 단백질을 거쳐 세포 전체의 행동까지 이어지는 생물학적 변화를 컴퓨터 안에서 시뮬레이션하려는 프리뷰 단계의 ‘가상 세포’ 월드 모델이다. 특정 분자 하나나 단일 측정값만 분석하는 도구와 달리, 여러 생물학적 층위를 하나의 계산 환경으로 연결하는 것이 목표다.

이 구조는 신약 후보를 가상으로 선별하거나 실험 계획을 세우는 데 활용될 가능성을 보여준다. 다만 현재 공개된 근거를 해석할 때는 신중해야 한다. 공개 사례는 이미 알려진 생물학적 현상을 재현한 수준이며, 새로운 약물 반응을 사전에 예측하고 이를 실험실에서 확인했다는 증거는 아직 제시되지 않았다.

AIDO Cell의 핵심: ‘다중 스케일’과 ‘상태 유지’

AIDO Cell을 이해하는 핵심 키워드는 두 가지다.

• 다중 스케일(multiscale): 유전 정보, RNA 발현, 단백질, 세포 표현형을 연결해 하나의 교란이 생물학적 계층을 따라 어떻게 퍼지는지 모델링한다. 유전자 제거(knockout)나 약물 투여가 단순히 특정 전사체 수치 하나를 바꾸는 데 그치지 않고, 세포 안의 여러 하위 과정과 최종 행동에 어떤 영향을 미치는지 추적하도록 설계된 것이다.
• 상태 유지(stateful): 가상 세포가 이전 개입의 결과를 기억한다. 따라서 유전자 제거 뒤 약물을 투여하거나, 여러 차례 약물을 처리하는 것처럼 순서가 있는 시나리오를 모델링할 수 있다. 두 번째 반응은 첫 번째 처치가 만들어 놓은 세포 상태에 따라 달라질 수 있다.

이 때문에 AIDO Cell은 단순히 정적인 생물학 샘플을 분류하는 모델이 아니라, 개입이 이어지는 동안 세포 상태가 어떻게 변화하는지 표현하려는 ‘월드 모델’로 설명된다.

AlphaFold와는 무엇이 다른가

AlphaFold는 주로 개별 단백질의 구조를 예측하는 도구로 알려져 있다. 반면 AIDO Cell은 세포 전체의 분자 장치가 어떻게 작동하는지, 한 생물학적 층위의 변화가 다른 층위에 어떤 연쇄 효과를 일으키는지를 모델링하려는 시스템이다.

이는 AIDO Cell이 단백질 구조 예측을 대체한다는 뜻이 아니다. 두 모델이 답하려는 질문이 다르다는 의미에 가깝다. AlphaFold가 ‘이 단백질은 어떤 구조를 가질까’를 묻는다면, AIDO Cell은 ‘세포의 구성 요소나 입력을 바꿨을 때 전체 세포 시스템에는 어떤 일이 일어날까’를 탐색하려 한다.

AIDO Cell은 GenBio AI가 앞서 개발한 단일세포 파운데이션 모델의 기반도 활용한다. 기존 AIDO.Cell 모델군은 다양한 조직에서 얻은 약 5,000만 개의 인간 세포 데이터로 학습됐으며, 300만~6억5,000만 개 파라미터 규모의 모델을 포함한다. 초기 시스템의 주된 역할은 전사체 맥락을 표현하는 것이었다. 새로운 가상 세포 방향은 이 기반을 여러 생물학적 층위를 통합하는 시뮬레이션으로 확장하려는 시도다.

AIDO를 뒷받침하는 3단계 전략

AIDO Cell은 GenBio AI가 추진하는 ‘AI 기반 디지털 유기체(AI-Driven Digital Organism)’ 프로젝트의 한 단계다. 회사가 제시한 로드맵은 세 단계로 구성된다.

1. 분할 정복: DNA, RNA, 단백질, 세포, 조직 등 서로 다른 생물학적 데이터 유형과 규모에 맞는 전문 파운데이션 모델을 각각 구축한다.
2. 연결: 개별 모델을 서로 연결해 정보와 표현, 생물학적 교란이 층위 사이를 오갈 수 있도록 한다.
3. 통합 시뮬레이션과 프로그래밍으로 정복: 연결된 시스템을 활용해 생물학적 결과를 예측하고, 장기적으로는 여러 생물학적 시스템에 적용할 개입을 설계한다. 이는 AIDO의 장기 비전이며, 현재 공개된 AIDO Cell 프리뷰에서 이미 입증된 기능을 뜻하지는 않는다.

GenBio AI는 앞서 DNA, RNA, 단백질, 단백질 구조, 단일세포 발현, 진화 정보 등 주요 생물학 데이터 유형을 아우르는 다중 스케일 모델 체계를 설명한 바 있다. 중요한 난제는 단순히 더 큰 모델을 만드는 것이 아니다. 서로 다른 생물학적 표현을 실제로 연결해, 개입에 따른 결과를 유용하게 모델링하고 실험으로 검증할 수 있게 만드는 일이 핵심이다.

이마티닙 사례가 보여준 것

첫 사례 연구에서 GenBio AI는 AIDO Cell이 백혈병 세포주 K562에서 이마티닙(imatinib)의 이미 알려진 효과와 작용 기전을 재현했다고 밝혔다. 이 시연은 약물이 모델 안의 세포 환경을 거치며 어떤 결과를 일으키는지 추적할 수 있다는 점을 보여주려는 목적이었다.

이는 개념 증명으로서는 의미가 있지만, 사전 예측 능력을 입증한 결과와 혼동해서는 안 된다. 이미 알려진 생물학을 사후적으로 재현했다고 해서 보지 못한 약물 반응을 예측하거나, 새로운 유효 화합물을 찾아내거나, 더 단순한 계산 방법보다 뛰어나다는 사실이 증명되는 것은 아니다. 공개 자료에는 이런 주장을 뒷받침할 정량적 정확도 지표, 통계 분석, 직접 비교 결과, 사전 계획된 실험 검증이 공개되지 않았다.

현재 지원하는 세포는?

현재 공개된 AIDO Cell 프리뷰가 지원하는 세포는 두 가지 불멸화 인간 세포주다.

• K562: 이마티닙 사례 연구에 사용된 백혈병 세포주
• HepG2

GenBio AI는 2026~2027년에 더 많은 세포 유형과 기능을 추가할 계획이라고 설명했다. 다만 소수의 불멸화 세포주에서 확인된 성능을 곧바로 정상적인 1차 인간 세포, 조직 또는 환자에게 일반화할 수는 없다.

신약 개발에서의 현실적인 역할

가상 세포가 충분히 신뢰할 만하다면, 연구자들은 모든 가설을 곧바로 비용이 큰 실험으로 옮기기 전에 컴퓨터 안에서 다양한 가능성을 먼저 비교할 수 있다. 후보 화합물과 표적, 약물 조합, 투여 순서를 살펴보고, 효능이나 내성 또는 예상치 못한 세포 반응을 시사하는 패턴을 찾는 식이다.

따라서 AIDO Cell의 가장 현실적인 초기 용도는 후보 우선순위 설정이다. 어떤 화합물을 먼저 실험할지, 어떤 유전적·화학적 교란을 검증할지, 어떤 결과가 실험 설계의 약점을 보여주는지를 좁히는 데 도움을 줄 수 있다. 이전 개입 이후 세포 반응이 어떻게 달라지는지 분석해 후속 실험을 더 정교하게 설계하는 데도 활용될 수 있다.

그러나 이는 후보를 걸러내고 실험을 계획하는 기능이지, 임상 성공을 보증하는 기능은 아니다. 세포주 모델만으로는 생물 전체에서 일어나는 약물동태, 면역계와 조직의 상호작용, 환자별 차이, 독성, 실제 임상 결과를 모두 반영할 수 없다. 가상 세포는 완전한 가상 인간이 아니며, 컴퓨터에서 나온 반응이 동물실험이나 인간 대상 임상시험, 규제기관의 검토를 대신할 수도 없다.

가장 중요한 한계: 예측은 결국 생물학으로 검증돼야 한다

AIDO Cell의 진정한 시험대는 **사전 검증(prospective validation)**이다. 모델을 소개하는 데 사용되지 않은 새로운 반응을 실제로 예측할 수 있는가? 그리고 그 예측이 통제된 실험에서 재현되는가?

이런 증거가 나오기 전까지 AIDO Cell을 가장 타당하게 설명하는 표현은 유망한 가상 스크리닝 및 실험 계획 지원 계층이다. 다중 스케일·상태 유지형 설계는 단일 분자 모델이나 전사체 중심 모델보다 현실적이고 유용한 생물학적 시뮬레이션으로 이어질 가능성이 있다. 하지만 구조가 정교하다는 사실만으로 예측 정확도가 증명되는 것은 아니다. 이미 알려진 생물학을 재현하는 것과, 신뢰할 만한 새로운 생물학적 발견을 예측하는 것 사이의 간극이 여전히 가장 큰 과학적 과제다.

이용 가능성과 현재 단계

GenBio AI는 대학 연구자와 생명공학·제약업계 연구자를 위한 초기 접근 협력 프로그램을 준비하고 있다.

현재 AIDO Cell은 야심찬 범위와 잠재력을 가진 초기 연구 시스템으로 보는 것이 적절하다. 실험 후보를 좁히고 연구 자원을 효율적으로 배분하는 데 기여할 가능성은 있지만, 신약 개발이나 생물학적 실험을 대체할 만큼의 사전 예측 근거가 확보된 단계는 아니다.