AI, 실제 작동하는 바이러스 유전체 첫 설계 성공…생명체 설계 시대 개막

최근 인공지능이 바이러스의 전체 유전체를 설계하고 실제 증식하는 바이러스를 만들어낸 연구 결과가 발표됐다. 김덕진 IT커뮤니케이션 연구소 소장은 "인공지능이 단백질이나 유전자 하나가 아니라 실제로 증식할 수 있는 바이러스의 전체 유전체 그니까 유전 정보 전체를 처음부터 끝까지 설계하는 연구가 나온 건데요"라며 이번 연구의 의미를 설명했다. 이는 AI가 단순한 유전자 조작을 넘어 생명체의 근본적인 설계 과정에 참여했음을 보여주는 중요한 진전이다.

AI가 설계한 바이러스 유전체는 단순히 이론적인 설계도에 그치지 않았다. 김덕진 소장은 "설계도는 실제로 실험실에서 실제 바이러스로 만들어져서 대장균을 감염시키고 증식시키는 데까지 성공을 했다라는 겁니다"라고 밝혔다. 이는 AI가 설계한 생명체가 실제 생물학적 환경에서 생명 활동을 할 수 있음을 실증한 것으로, AI의 생명체 설계 능력이 현실화되었음을 의미한다.

이번 연구에는 '에보(Evo)'라는 AI 모델이 사용되었다. 에보는 DNA의 유전 정보 조합 원리를 학습하여 생물에서 실제로 작동하는 유전체 배열을 생성한다. 김덕진 소장은 "DNA 유전 정보 조합에 들어갔다고 보시면 될 거 같아요. 그러니까이 ACGT라고 하는게 어떤 순서랑 조합으로 이어져야 실제 생물에서 작동하는지를 학습하는 거라 이거를 유전체 언어 모델이다라고 부르는 이유가 여기 있다고 보시면 될 거 같습니다"라고 설명했다. 에보는 마치 자연어를 학습하는 언어 모델처럼 DNA 염기서열을 조합하여 기능하는 생명체 정보를 만들어낸다.

이번 AI의 바이러스 설계는 단순한 개별 유전자의 조합이 아니었다. 바이러스를 구성하는 11개의 유전자가 서로 맞물려 기능하도록 전체 시스템을 설계했다는 점이 중요하다. 김덕진 소장은 "이번에 의미가 있는 건 뭐냐면 실제로 바이러스가 이번에 유전자 11개를 설계를 했는데 이게 따로 노는게 아니라 서로 맞물려서 돌아갑니다"라며, "그런 관점에서 이번에 연구에서는 실제로 돌아가는 생명체를 만들기 위한 전체 설계도를 통으로 만들었다"고 강조했다. 이는 AI가 생명체의 복잡한 상호작용을 이해하고 통합적으로 설계할 수 있는 능력을 보여준 사례다.

AI가 설계한 바이러스는 '파이x174(phiX174)'이다. 이 바이러스는 5,400여 개의 염기로 구성된 작은 바이러스로, 합성 생물학 연구에서 중요한 상징성을 가진다. 김덕진 소장은 "1977년에 인류가 처음으로 전체 유전차 해독한 생물이 바로이 파이x 174였고 그리고 2003년에는 전체 유전체를 화학적으로 합성한 것도이 파이x174로 처음 했거든요"라고 설명했다. 이는 파이x174가 생명체 해독 및 합성에 있어 역사적인 이정표가 되어왔음을 의미하며, AI가 이러한 상징적인 바이러스의 설계에 성공했다는 점에서 더욱 주목받고 있다.

AI는 수십만 개의 후보 바이러스 유전체를 설계했고, 그중 285개를 실제 합성하여 실험했다. 이 실험 결과, 285개 중 16개의 바이러스가 실제로 증식하며 작동하는 데 성공했다. 김덕진 소장은 "AI가 처음에 만든 후보는 당연히 수십만 개였죠. 그중에서 분석은 후보를 다음에 실제로 합성해서 실험할 수 있었던 게 285개였어요. 그 가운데서 실제로 증식을 시켜서 작동을 해봤는데 285개 중에 실제 16개가 작동에 성공을 했습니다"라고 밝혔다. 이는 AI가 단순히 설계뿐만 아니라 실제 생명 활동이 가능한 형태로 구현하는 능력까지 입증한 것이다.

비록 초기 성공률이 6%에 불과하지만, 이 수치보다는 AI가 생명체 설계의 새로운 가능성을 열었다는 점에 주목해야 한다. 김덕진 소장은 "6%의 시작을 통해서 조금 더 가속도가 붙으면 몇십%로 가는 건 오히려 금방일 수 있다"고 말했다. 이는 초기 단계의 기술이 빠르게 발전하여 성공률이 크게 향상될 수 있음을 시사하며, AI 기반 바이러스 설계 기술이 앞으로 더욱 가속화될 잠재력을 가지고 있음을 강조한다.

AI가 설계한 바이러스는 기존 자연 바이러스의 단순한 변형 수준을 넘어선다. 김덕진 소장은 "논문이나 결과들을 보면 단순히 자연 바이러스의 몇 군데를 바꾼 수준이라고 볼 수는 없을 것 같고요. 거의 새로운 설계에 가깝다"고 평가했다. 이는 AI가 창의적인 방식으로 유전체 정보를 조합하여 기존에 존재하지 않던 새로운 구조의 바이러스를 설계할 수 있음을 의미하며, 생명 공학 분야에서 혁신적인 설계 역량을 보여주는 사례다.

이번 연구에서 AI는 이종 단백질을 조합할 때 단순히 붙이는 것을 넘어, 결합 부위의 미세한 구조까지 스스로 최적화하여 설계하는 능력을 보여주었다. 김덕진 소장은 "첫 번째 단백질하고 두 번째 단백질을 붙였더니 각자 알아서 틈바구니까지 조금 바꾸면서 꼈더라"고 설명했다. 이는 AI가 복잡한 분자 수준의 상호작용을 예측하고, 최적의 형태로 결합을 유도할 수 있는 고도의 설계 능력을 갖추고 있음을 의미한다. 이러한 능력은 향후 신약 개발 및 생체 물질 설계에 큰 영향을 미 미칠 것으로 예상된다.

이번 연구는 항생제 내성 세균 문제를 해결하기 위한 '박테리오파지(phage)' 활용 연구의 일환이다. 박테리오파지는 사람에게는 해를 끼치지 않고 세균만을 전문적으로 감염시켜 죽이는 바이러스다. 김덕진 소장은 "파지라는게 되게 중요합니다. 파지는 뭐냐면요. 사람이 아니라 세균을 전문적으로 감염시키는 바이러스예요"라고 설명했다. 항생제 내성 세균의 위협이 커지는 상황에서, 박테리오파지는 새로운 치료 대안으로 주목받고 있으며, AI가 이러한 파지 설계에 기여할 수 있음이 확인된 것이다.

항생제 내성 세균은 전 세계적인 심각한 보건 문제로 대두되고 있다. 김덕진 소장은 "2021년 기준으로 항생제 내성 세균 감염이 직접적인 원인이 돼 숨진 사람이 전 세계에서 약 114만 명으로 추정이 됐고요"라고 언급했다. 이는 항생제가 듣지 않는 슈퍼박테리아가 인류의 생명을 직접적으로 위협하는 수준에 도달했음을 보여준다. 항생제 내성 문제는 새로운 항생제 개발 없이는 해결하기 어려운 난제이며, AI를 통한 박테리오파지 개발이 중요한 대안이 될 수 있다.

항생제 신약 개발이 저조한 주요 원인 중 하나는 경제적인 문제다. 항생제는 질병이 나으면 복용을 중단하는 단기 처방이 원칙이기 때문에, 제약회사 입장에서는 장기 복용하는 만성질환 치료제에 비해 수익성이 낮다. 김덕진 소장은 "다른 신약은 한번 만들었을 때 계속 꾸준히 먹으니까 매출이 늘어나는데 이거는 한 번 만들고 어차피 의료적으로도 판매량이 늘면 안 되는 거란 말이에요"라고 설명했다. 이러한 경제적 특성으로 인해 제약사들은 항생제 신약 개발에 투자를 꺼리는 경향이 있으며, 이는 항생제 내성 문제 해결에 걸림돌이 되고 있다.

박테리오파지를 AI를 통해 설계하는 방식은 항생제 개발 시장의 경제적 한계를 극복할 수 있는 대안으로 주목받고 있다. 김덕진 소장은 "파지라고 하는 것을 AI를 통해 가지고 할 수 있겠다라고 하면 경제적인 문제를 해결하면서 이거 될 수 있는 거 아니냐라고 하는 방식들이 지금 이슈가 되고 있는 거죠"라고 말했다. AI를 활용하면 기존의 방식보다 효율적이고 저렴하게 다양한 파지를 설계하고 테스트할 수 있어, 수익성이 낮다는 이유로 외면받던 항생제 연구에 활력을 불어넣을 수 있을 것으로 기대된다.

기존에는 효과적인 박테리오파지를 찾기 위해 강, 호수, 토양 등 자연 환경에서 파지를 채취하고, 이를 일일이 실험실에서 테스트하는 방식을 사용했다. 김덕진 소장은 "그런 것들이 주로 지금까지는 강이나 호수 토양 같은 자연환경에서 찾아 가지고 실제 효과가 있는지 하나하나 실험을 해야 됐어요"라고 설명했다. 이 방식은 시간과 비용이 많이 들고 효율성이 낮아, 다양한 파지를 확보하는 데 한계가 있었다.

AI 시뮬레이션은 제약 시장의 경제성 한계를 극복하는 중요한 대안이 될 수 있다. AI는 다양한 파지를 조합하여 시너지 효과를 내는 '파지 칵테일'을 설계하고, 이를 통해 항생제 내성 세균에 대한 효과적인 치료법을 개발할 수 있다. 김덕진 소장은 "지금 AI가 여러 가지를 조합해서 새로 있는 물질들을 만드는 게 시뮬레이션을 통해서 만들고 바로 그거를 연구할 수 있으니까 이렇게 되면은 이제 제약 회사들에서 경제성 문제 때문에 만들지 않는 항생제를 대체할 수 있는 방법론으로 주목받을 수 있다"고 강조했다. AI를 통한 파지 칵테일 개발은 신약 개발 비용을 절감하고 성공률을 높여 경제성을 확보할 수 있다.

AI를 통한 바이러스 설계 기술은 아직 초기 단계로, 당장 치료제로 직접 연결되지는 않는다. AI가 생성한 후보 물질은 여전히 합성 및 실험을 통해 효과와 안정성을 검증해야 한다. 김덕진 소장은 "아직까지는 바로 치료제가 되는 건 아니에요. 만들어준 후보를 실제로 합성하고 효과 안정성을 하나씩 실험해야 된다는 거죠"라고 설명했다. 따라서 자연에서 파지를 찾아내는 기존 방식과 AI가 파지를 설계하는 방식이 상호 보완적으로 발전하여, 치료제 개발을 더욱 가속화하는 하이브리드 접근법이 될 것으로 보인다. 그는 "어떻게 보면은 지금 이 두 가지 자연에서 찾는 방향하고 AI로 설계하는 방향이 동시에 발전하고 있다"고 덧붙였다.

AI의 생명체 설계 능력 발전은 빅테크 기업들이 직접 제약 시장에 뛰어드는 미래를 예고한다. 김덕진 소장은 구글의 단백질 구조 예측 AI인 알파폴드 팀이 최근 해체된 사례를 들며 "그 말은 뭐냐? 지금까지는 우리가 연구를 위한 플랫폼을 만들었다고 치면 조금 더 지나면 구글이나 알파벳이 진짜 신약 회사가 될 수도 있다라는 것들입니다"라고 분석했다. 이는 AI 기술 개발을 넘어 AI 기업들이 바이오 분야에서 직접적인 제품 및 서비스 개발에 나설 것임을 시사하며, 기존 제약 산업에 큰 변화를 가져올 것으로 전망된다.