AI 요약
과학적 발견은 관찰, 가설 생성, 실험, 데이터 분석의 반복으로 이루어지지만, 기존 AI는 생물학 분야에서 이 모든 단계를 통합하여 자동화하지 못했습니다. 이에 미국 샌프란시스코의 퓨처하우스(FutureHouse)와 영국 옥스퍼드대 등의 공동 연구진은 문헌 검색 에이전트와 데이터 분석 에이전트를 결합한 최초의 완전 자동화 멀티 에이전트 AI 시스템 '로빈(Robin)'을 개발했습니다. 로빈은 선진국 실명의 주요 원인인 건성 황반변성(dAMD)의 치료법을 찾기 위해 망막 색소 상피 세포의 식작용(phagocytosis) 증진을 치료 전략으로 제안했습니다. 이를 바탕으로 기존에 dAMD 치료용으로 제안된 적 없던 임상용 ROCK 억제제인 '리파수딜(ripasudil)'과 'KL001'의 효능을 시험관 내(in vitro)에서 확인했습니다. 나아가 로빈은 후속 RNA-seq 실험을 스스로 설계·분석하여 지질 배출 펌프인 'ABCA1'의 발현 상승 메커니즘을 밝혀냈으며, 이 연구 보고서의 모든 가설과 데이터 분석 자료를 자율적으로 생성하며 AI 기반 과학 발견의 새로운 패러다임을 정립했습니다.
핵심 인사이트
- 최초의 완전 자동화 시스템: '로빈(Robin)'은 가설 수립, 실험 제안, 결과 해석, 가설 업데이트에 이르는 생물학 연구의 전 과정을 자율화한 최초의 멀티 에이전트 AI 플랫폼입니다.
- 새로운 치료 후보 물질 발굴: 선진국 내 실명의 주요 원인인 건성 황반변성(dAMD) 치료를 위해 기존에 dAMD용으로 제안된 적 없던 임상용 ROCK 억제제 '리파수딜(ripasudil)'과 'KL001'을 발굴하고 이들의 시험관 내(in vitro) 효능을 검증했습니다.
- 신규 타겟 발견: 리파수딜의 작용 메커니즘을 규명하기 위해 로빈이 제안하고 분석한 RNA-seq 실험을 통해 지질 배출 펌프이자 새로운 치료 표적인 'ABCA1'의 상향 조절(upregulation)을 확인했습니다.
- 연구진 구성: 이번 연구는 퓨처하우스(FutureHouse)의 Ali Essam Ghareeb과 옥스퍼드 대학의 Benjamin Chang이 공동 제1저자로 참여했으며, Andrew D. White, Michaela M. Hinks, Samuel G. Rodriques가 공동 교신저자로 참여했습니다.
주요 디테일
- 실험 및 분석의 자율성: 본문 보고서에 제시된 모든 가설, 실험 방향, 데이터 분석 결과 및 데이터 수치 그래프는 인간의 개입 없이 AI 시스템 로빈에 의해 자율적으로 생성되었습니다.
- 멀티 에이전트 아키텍처: 로빈은 학술 문헌을 검색하고 지식을 추출하는 '문헌 검색 에이전트'와 실험 데이터를 처리하는 '데이터 분석 에이전트'의 유기적 결합을 통해 구동됩니다.
- 'Lab-in-the-Loop' 프레임워크: AI가 실험을 설계하면 실제 실험실(Lab)에서 검증이 이루어지고, 그 결과 데이터가 다시 AI 시스템으로 피드백되어 차기 실험을 설계하는 자율 순환 루프를 구현했습니다.
- 메커니즘 규명: 단순히 약물을 찾는 데 그치지 않고, 망막 색소 상피(RPE) 세포의 식작용(phagocytosis)을 활성화하는 분자적 메커니즘을 RNA-seq 유전자 분석 기법으로 명확히 규명했습니다.
향후 전망
- AI 기반 신약 개발 가속화: 로빈과 같은 자율형 멀티 에이전트 시스템은 신약 후보 물질 발굴 기간과 비용을 획기적으로 단축시켜 제약 산업의 혁신을 이끌 것으로 예상됩니다.
- 과학 연구의 패러다임 변화: 인간 연구원과 AI 에이전트가 협동하는 '실험실 내 루프(Lab-in-the-loop)' 프레임워크가 보편화되면서 학계 및 산업계 연구 프로세스가 대대적으로 재편될 전망입니다.