Arc·Stanford 연구진, Evo 모델로 자연에 없는 게놈을 생성·실험 확인… 치료 가능성과 안보 우려가 동시에 부상

연구의 핵심 성과

2026년 8월 6일 Science에 게재된 논문에 따르면, Arc Institute와 Stanford University 연구진은 게놈 언어 모델 Evo 1과 Evo 2를 활용해 자연에 존재하지 않는 기능성 박테리오파지(세균을 감염·사멸시키는 바이러스) 게놈 16종을 설계하고 실험적으로 검증했다.

  • 템플릿으로 사용된 바이러스는 역사적으로 가장 잘 연구된 ΦX174(약 5,386 염기의 단일가닥 DNA, 11개 유전자)였다.
  • 모델은 Microviridae 계열 게놈 약 1만 4천–1만 5천 개로 파인튜닝됐다.
  • 수백 개(약 302개)의 후보 게놈을 생성한 뒤 285개를 화학적으로 합성해 E. coli에서 테스트했다.
  • 이 중 16종이 실제로 복제·감염·사멸 능력을 보였으며, 일부는 야생형보다 높은 적합도(fitness)와 빠른 용해 속도를 나타냈다.
  • 한 종(Evo-Φ36)은 계통적으로 먼 파지 G4의 DNA 포장 단백질을 성공적으로 통합했는데, 이는 기존 합리적 설계 방식으로는 실패했던 조합이다. 이 구조는 저온 전자현미경(cryo-EM)으로 확인됐다.
  • 생성된 파지들의 칵테일은 ΦX174에 내성을 가진 E. coli 균주에서도 저항성을 빠르게 극복했다.

연구진은 인간·진핵생물 바이러스 서열을 의도적으로 훈련 데이터에서 제외했으며, 숙주 특이성(host tropism)을 유지하도록 설계했다. 실험은 비병원성 숙주를 대상으로 한 안전한 조건에서 진행됐다.

기술적 의미: ‘읽기·쓰기’에서 ‘설계’로

이 연구는 게놈 언어 모델이 단일 단백질이나 작은 시스템을 넘어 전체 기능성 게놈을 설계할 수 있음을 처음으로 실증했다.

왜 이 성과가 중요한가

  • 게놈은 유전자·조절 서열·구조가 복잡하게 상호작용하는 시스템이다. 단순 돌연변이 생성이나 단백질 설계와는 차원이 다른 난이도다.
  • Evo 모델은 DNA를 ‘언어’처럼 학습해 진화적으로 그럴듯한 서열을 생성한다. 생성된 파지들은 가까운 자연 서열 대비 67–392개의 신규 돌연변이를 가졌고, 일부는 종 수준의 차이에 해당할 정도의 신규성을 보였다.
  • 이는 ‘자연이 이미 만든 것을 탐색’하는 단계에서 ‘자연이 아직 만들지 않은 조합을 탐색’하는 단계로 넘어갔음을 의미한다.

한계와 현실적 맥락

  • ΦX174는 매우 작은 게놈이다. 인간 게놈(30억 염기쌍)이나 복잡한 세균 게놈과는 규모 차이가 크다.
  • 성공률은 약 5–6%(285개 중 16개) 수준으로, 여전히 많은 후보를 실험적으로 걸러내야 한다. 모델만으로 ‘완벽한 설계’가 완성된 것은 아니다.
  • 커스텀 주석 파이프라인, 품질 필터, 숙주 특이성 제약, 고처리량 실험 스크리닝이 함께 작동한 결과다. AI 단독의 성과가 아니다.

치료적 잠재력: 항생제 내성 대응의 새로운 경로

박테리오파지 치료는 항생제 내성 세균에 대한 유망한 대안으로 오래전부터 연구돼 왔다. 그러나 자연에서 적합한 파지를 찾고, 내성에 대응해 계속 업데이트하는 과정이 병목이었다.

이번 연구가 제시하는 가능성

  • AI로 다양성이 높은 파지 집단을 빠르게 생성할 수 있다면, 세균이 내성을 획득하기 전에 새로운 조합을 투입하는 전략이 가능해진다.
  • 실제 실험에서 생성된 파지 칵테일은 야생형 ΦX174가 전혀 작용하지 못한 내성 균주에서도 효과를 보였다.
  • 연구진은 “자연이 이미 진화시킨 파지를 기다리는 대신, 다양한 표적을 동시에 제시하는 집단을 생성할 수 있다”고 강조했다.

현실적 과제

  • 임상 적용까지는 안전성·전달 방식·규제·제조 스케일업 등 많은 단계가 남아 있다.
  • 파지 치료 자체가 아직 주요 국가에서 표준 치료로 자리 잡지 못한 상황이다. AI 설계가 그 장벽을 완전히 허물지는 못한다.

바이오시큐리티와 거버넌스 공백

이 성과가 가장 큰 논쟁을 불러일으킨 지점은 ‘이중 용도(dual-use)’ 가능성이다.

전문가들의 주요 지적

  • Johns Hopkins Center for Health Security의 Thomas Inglesby와 Moritz Hanke는 Science에 게재된 동시 논평에서 “생성형 바이러스 게놈 설계 능력은 이미 존재한다. 그러나 이를 안전하게 관리할 거버넌스는 아직 없다”고 경고했다.
  • 현재 모델은 인간 병원체 데이터를 배제했기 때문에 직접적인 위험은 낮다. 그러나 동일한 접근법을 병원체 데이터에 적용하면 이론적으로 위험한 서열을 제안할 수 있다는 점이 반복적으로 제기된다.
  • DNA 합성 주문 스크리닝 시스템이 AI가 생성한 ‘자연에 없는 서열’을 제대로 걸러낼 수 있는지에 대한 기술적 공백도 지적된다.

연구진의 자체 입장

  • 연구진은 논문에서 리스크를 비교적 솔직하게 논의하며, 향후 전체 게놈 설계 연구는 안전·보안 전문가를 프로젝트 전 과정에 참여시켜야 한다고 권고했다.
  • 모델 차원의 보호(민감 서열 배제)와 기존 실험실 안전 체계를 결합하는 방향을 제시했다.

규제 현실

  • 기존 NIH 등 바이오시큐리티 가이드라인은 AI 생성 DNA를 충분히 다루지 못한다는 지적이 나온다.
  • 2026년 미국 정부의 고위험 생명과학 연구 관련 지침이 발표됐으나, AI 특화 규제는 여전히 모호한 상태다.

심층 분석: 무엇이 달라지는가

과학적 전환점으로서의 의미

게놈을 ‘읽고(시퀀싱) → 쓰고(합성) → 설계(생성형 AI)‘하는 흐름의 중요한 이정표다. 단백질 설계가 AlphaFold와 확산 모델로 가속화된 것처럼, 게놈 설계도 유사한 궤적을 탈 가능성이 있다. 다만 생물학적 복잡성과 실험 검증 비용 때문에 속도는 더 느릴 수밖에 없다.

산업·의료적 함의

항생제 내성이 전 세계적으로 심화되는 상황에서, ‘주문형 파지 설계’ 가능성은 실질적 가치를 가진다. 동시에 이 기술이 상용화되면 DNA 합성·검증·규제 인프라에 대한 수요가 급증할 것이다.

안보·거버넌스 측면

기술 확산 속도가 규제·규범 형성 속도를 앞서고 있다. 이번 사례는 “모델 자체가 위험한가”보다 “누가, 어떤 데이터로, 어떤 제약 하에 모델을 훈련·배포하는가”가 핵심 질문임을 보여준다. 오픈소스 게놈 모델의 확산과 상업적 DNA 합성 서비스의 결합이 가장 민감한 지점이다.

장기적 궤적

현재는 작은 파지 게놈에 국한된다. 그러나 모델 규모 확대, 더 긴 컨텍스트, 더 정교한 실험 피드백 루프가 결합되면 세균 수준, 나아가 더 복잡한 시스템으로의 확장이 논의될 것이다. 그 과정에서 ‘설계 가능한 생명’의 경계가 재정의될 가능성이 높다.

이 연구는 ‘AI가 생명을 설계했다’는 상징성으로 대중적 관심을 끌었지만, 실질적 함의는 더 구체적이다. 전체 기능성 게놈을 생성·검증할 수 있는 파이프라인이 실증됐다는 사실 자체가, 합성생물학과 AI의 교차점에서 새로운 기준점을 세운 사건이다. 치료 도구로서의 가능성과 이중 용도 리스크를 동시에 관리하는 거버넌스 설계가 이제부터 본격적으로 시험대에 올랐다.

#AI 안전#해석가능성

함께 읽기