오픈AI, 에이전트 1946개로 뇌세포 데이터 분석

오픈AI가 AI 에이전트 1946개를 동시에 돌려 쥐 뇌세포 수백만 개의 유전자 교란 데이터를 32분 만에 분석했다고 10월 21일 발표했다. 퍼터브AI, 미국 스크립스 연구소와 함께한 연구다. 에이전트는 생명과학 전용 모델 GPT-Rosalind로 움직였다. 연구진은 사람이 교란 하나씩 데이터를 해석하고 문헌을 찾으면 수개월에서 1년이 걸릴 일로 추산했다. 에이전트는 알츠하이머병과 파킨슨병 같은 뇌 질환 연구로 이어질 수 있는 새 단서도 내놨다.

분석 대상은 올해 3월 공개된 전뇌 CRISPR 아틀라스다. 쥐 뇌 전체에서 유전자 2000개 가까이를 하나씩 망가뜨린 뒤 세포 유형별로 어떤 유전자 발현이 바뀌는지 잰 데이터다. 원래 논문을 낸 연구진은 통계, 유전체학, 신경과학 전문가가 팀을 꾸려 분석했지만 데이터 속 생물학의 상당 부분이 여전히 해석되지 못한 채 남았다고 밝혔다. 실험 규모가 커질수록 측정보다 해석이 병목이 된다는 것이 연구진의 문제의식이다.

연구진이 내놓은 방식의 이름은 분산 생물학적 추론이다. 교란 하나에 에이전트 하나를 붙였다. 각 에이전트는 세포 유형별 유전자 발현 변화와 실험 조건을 받아 데이터를 들여다보고, 다른 교란과 비교하고, 논문을 찾아 읽은 뒤 해석과 근거, 주의 사항, 후속 실험 제안을 담은 보고서를 썼다. 보고서들은 유전자와 세포 반응, 문헌, 가능한 기전을 잇는 추론 아틀라스로 묶였다. 에이전트들은 모두 3만9185편의 논문을 읽고 1만6445건을 인용했다.

검증 장치도 붙였다. 연구진은 원 논문의 결론을 에이전트에게 보여 주지 않았다. 지식 컷오프가 2025년 12월인 GPT-Rosalind-5.5를 써서 2026년 3월에 나온 원 논문 내용을 모델이 알 수 없게 했다. 그 상태에서 에이전트는 유전자 발현 데이터만으로 도출할 수 있는 원 논문의 발견 55개 가운데 48개(87.3%)를 그대로 찾거나 더 정교하게 다듬었다. 일부만 찾은 4개까지 더하면 94.5%다.

에이전트 하나에 데이터 전체를 맡기면 어떻게 될까. 연구진은 같은 모델과 같은 도구로 비교했다. 교란 893개를 한 에이전트에 몰아 주자 인용한 문헌이 11건으로 줄었다. 반면 교란마다 따로 붙은 분산 에이전트는 그 711배의 문헌을 남겼다. 일이 많아질수록 단일 에이전트는 문헌을 덜 찾았고, 분산 에이전트는 같은 깊이를 유지했다.

사람 전문가의 판단과도 맞춰 봤다. 박사급 생물학 전문가 30명이 생성형 AI 없이 보고서 60건을 블라인드로 평가했다. 분산 에이전트와 단일 에이전트의 해석 20쌍을 전문가 3명씩 나란히 놓고 고른 판정 60건에서 전문가들은 45건(75%)에서 분산 에이전트 쪽을 골랐다. 단일 에이전트를 고른 것은 10건, 동점은 5건이었다. 에이전트가 매긴 신규성 점수와 사람의 신규성 점수 사이 상관계수는 0.61이었다.

에이전트가 찾은 단서 가운데 오픈AI가 앞세운 것은 두 가지다. 하나는 세포 성장과 대사를 조절하는 mTOR를 함께 통제하는 Tsc1과 Tsc2 유전자의 차이다. 여러 뉴런에서는 두 유전자를 망가뜨린 결과가 비슷했지만, 운동을 조율하는 소뇌의 억제성 뉴런에서는 Tsc2 교란이 유전자 83개의 발현을 바꾼 반면 Tsc1 교란은 하나도 바꾸지 못했다. 결절성 경화증 환자의 소뇌 이상은 TSC2 변이와 강하게 연결돼 있다.

다른 하나는 파킨슨병과 비슷한 증상을 보이는 신경 퇴행 질환인 페리 증후군의 원인 유전자 DCTN1이다. 이 유전자를 망가뜨리자 뉴런에서 콜레스테롤을 만드는 유전자들의 발현이 늘었다. 에이전트는 이를 콜레스테롤 운반에 문제가 생기면 세포가 콜레스테롤을 더 만든다는 기존 연구와 연결했다. 블라인드 평가에서 이 보고서는 후속 연구 우선순위 5점 만점에 4.3점을 받았다.

토마시 노바코프스키 UCSF 신경외과 부교수는 "단서는 때로 이미 여러 분야에 흩어져 있고, 우리는 그것을 잇지 못했을 뿐"이라며 "뉴런 기능과 콜레스테롤 대사 사이의 가능한 연결은 그 조각들이 모였을 때 질병 생물학을 새롭게 생각하는 길이 될 수 있음을 보여 준다"고 말했다. 인간 세포 아틀라스의 공동 창립 의장인 세라 타이크만 케임브리지대 줄기세포의학 석좌교수는 "우리가 세포 아틀라스를 만드는 이유는 다른 과학자들이 우리가 상상하지 못한 발견을 하게 하려는 것"이라며 "AI는 더 많은 연구자가 이 자원을 탐색하고 뜻밖의 관찰을 시험할 새 질문으로 바꾸도록 도울 수 있다"고 밝혔다.

메탈이 확인한 bioRxiv 논문은 10월 16일 올라온 프리프린트로, 아직 동료 평가를 거치지 않았다. 저자 14명 가운데 6명이 오픈AI 직원이고 2명이 퍼터브AI 직원이며, 퍼터브AI 공동창업자 두 명이 저자에 포함됐다. 사람이 걸릴 시간은 시급 22달러, 교란 하나 해석에 15분, 논문 한 편에 10분을 가정한 추산이며 실제로 잰 값이 아니라고 논문은 적었다. 에이전트가 낸 기전은 실험으로 검증해야 할 가설이다. 연구진은 추론 아틀라스와 분석 파이프라인을 깃허브에, 원 데이터를 허깅페이스에 공개했다. 퍼터브AI가 만든 1분 23초 분량 영상은 에이전트가 생물학적 단서 1만1000개를 찾아 유망한 단서 약 100개로 좁혔다고 소개한다.

메탈은 오픈AI가 9월 GPT-Rosalind를 연구 프리뷰에서 API와 코덱스로 열었다고 보도한 바 있다. 그때 모델은 실험 계획을 짜는 도구로 소개됐고, 이번에는 이미 끝난 실험에서 놓친 질문을 찾는 도구로 쓰였다. 취재기자의 눈으로 보면 이번 발표의 무게는 32분이라는 속도보다 검증 방법에 있다. 원 논문을 가린 채 결론을 되찾게 하고, 전문가에게 출처를 숨긴 채 고르게 했다. 논문은 대규모 실험을 하는 능력은 계속 커지지만 결과를 해석하는 능력은 전문가의 수에 묶여 있다고 적었다. 교란 하나에 에이전트 하나를 붙이는 방식이 다른 데이터에서도 통하는지, 에이전트가 고른 100개 남짓한 단서 가운데 몇 개가 실험대에서 살아남는지가 다음 검증의 몫이다.