생성형 AI, 이제는 우리 삶의 어떤 영역까지 혁신할 수 있을까요? 챗봇이나 이미지 생성은 이미 익숙하지만, 만약 이 기술이 인류의 가장 오래된 적 중 하나인 **항생제 내성 슈퍼박테리아**를 상대로 싸울 수 있다면 어떨까요? 스탠포드 연구진이 최근 공개한 소식은 단순히 '가능하다'는 것을 넘어, 실제로 AI가 새롭고 강력한 박테리오파지(Phage)를 만들어내 대장균을 효과적으로 박멸하는 데 성공했음을 보여줍니다. 이는 질병과의 싸움에서 AI가 얼마나 강력한 조력자가 될 수 있는지를 증명하는, 그야말로 혁명적인 진전이라 할 수 있습니다.

항생제 내성과의 전쟁: AI, 새로운 병기를 들다

여러분도 잘 아시다시피, 오늘날 인류는 항생제 내성이라는 거대한 위협에 직면해 있습니다. 병원 내 감염은 물론, 일상생활 속에서도 약에 반응하지 않는 슈퍼박테리아의 등장은 이미 보건 시스템의 심각한 문제로 자리 잡았죠. 세계보건기구(WHO)는 항생제 내성을 인류의 10대 글로벌 공중 보건 위협 중 하나로 꼽을 정도입니다. 기존 항생제의 효능이 떨어지면서, 치료가 불가능해지는 질병의 범위가 점차 확대될 것이라는 암울한 예측까지 나오고 있습니다. 이대로라면 단순한 감염조차 치명적인 위협이 될 수 있다는 말입니다.

이러한 절박한 상황 속에서 과학계는 새로운 치료법을 찾기 위해 고군분투해왔습니다. 그중에서도 주목받는 대안 중 하나가 바로 **박테리오파지(Bacteriophage)**입니다. 박테리오파지는 ‘박테리아를 먹는 자’라는 뜻으로, 특정 박테리아만을 감염시켜 파괴하는 바이러스입니다. 인체에는 무해하고 특정 세균만 골라 공격한다는 점에서 항생제의 부작용과 내성 문제를 극복할 수 있는 잠재력을 가졌다고 평가받습니다. 하지만 문제는 자연계에서 특정 박테리아에 효과적인 파지를 찾아내거나, 필요에 따라 개량하는 것이 쉽지 않다는 점입니다. 방대한 생체 정보를 분석하고 실험을 통해 검증하는 과정은 시간과 비용이 엄청나게 소요되는 지난한 작업이었습니다.

Evo 2의 탄생과 놀라운 능력

스탠포드 대학교의 브라이언 히(Brian Hie) 화학공학과 교수와 생명공학 대학원생 사무엘 킹(Samuel King)을 주축으로 한 연구팀은 이러한 한계를 극복하기 위해 생성형 AI 모델 Evo 2를 개발했습니다. 이 모델은 기존의 파지 유전체 조각 몇 개만을 가지고 완전히 새로운 DNA 염기서열, 즉 새로운 파지 유전체 전체를 만들어낼 수 있습니다. 사실 이건 기존의 AI가 DNA를 국소적으로 편집하거나 패턴을 분석하는 수준을 넘어, 무에서 유를 창조하는 ‘생성’의 영역으로 진입했다는 점에서 매우 중요한 의미를 가집니다.

연구팀은 특별히 작고 다루기 쉬운 박테리오파지 **ΦX174 (파이-엑스-원-세븐-포)**를 대상으로 실험을 진행했습니다. 이 파지의 유전체는 6,000개 미만의 염기쌍으로 구성되어 있는데, 이는 인간 유전체의 약 30억 염기쌍에 비하면 매우 짧은 길이죠. 그럼에도 불구하고 5,400개 문자의 DNA 염기서열 하나하나를 해석하는 것은 여전히 어려운 일이라고 히 교수는 설명했습니다.

Evo 2는 이러한 ΦX174의 유전체 정보를 바탕으로 수천 개의 새로운 파지 유전체 후보를 생성했습니다. 그리고 연구팀은 이 중에서 화학적 합성과 실험실 테스트를 거쳐 대장균을 특히 강력하게 죽이는 16개의 파지를 최종 선별하는 데 성공했습니다. 여기서 정말 놀라운 점은, 일부 Evo 2가 제안한 파지들이 심지어 **네이티브 ΦX174보다 더 높은 적합성(fitness)**을 보였다는 사실입니다. AI가 기존 자연에 존재하는 것보다 더 뛰어난 기능을 가진 생물학적 개체를 설계해낸 것이죠. 솔직히 말해서, 이 대목에서 저는 생성형 AI가 단순한 도구를 넘어 새로운 진화의 주체가 될 수도 있겠다는 섬뜩하면서도 경이로운 가능성을 엿보았습니다. AI가 생체 시스템을 이해하고 조작하는 능력이 우리가 상상하는 것 이상으로 발전하고 있다는 명백한 증거가 아닐까요? 이 결과는 AI가 단지 기존 DNA를 수정하는 데 그치지 않고, 실제로 생존 가능한 완전한 바이러스 유전체를 창조할 수 있음을 입증하는 매우 중요한 진전입니다.

효율성을 극대화한 설계 과정과 미래

수천 개의 후보 유전체 중에서 실험실 테스트를 위한 최적의 파지를 선별하는 과정도 중요했습니다. 사무엘 킹 학생은 ΦX174 및 관련 파지의 특성을 평가하는 계산 프레임워크를 개발하여, 화학적 합성 및 실험실 테스트에 필요한 후보 수를 대폭 줄였습니다. DNA 합성은 여전히 비싼 과정이기에, 이러한 효율적인 선별 과정은 연구 비용을 절감하는 데 결정적인 역할을 했습니다. 킹 학생은 이 프레임워크가 “Evo 2로 유전체를 생성하고, 설계 기준에 따라 옵션을 평가하며, 최적의 후보를 선택하고, 화학적으로 합성한 다음, 실험실에서 테스트하여 어떤 유전체가 가장 잘 작동하는지 확인하는 여러 핵심 단계를 포함한다”고 설명했습니다.

흥미로운 점은 연구팀이 대장균을 표적으로 하는 파지를 하나가 아닌 여러 개를 선택했다는 사실입니다. 왜 그랬을까요? 히 교수는 박테리아가 단일 치료법에 내성을 발전시킬 수 있기 때문이라고 밝혔습니다. 여러 개의 유전적으로 구별되는 파지를 혼합물 형태로 사용하면, 박테리아가 전체 칵테일에 내성을 개발하기 훨씬 어려워집니다. 스탠포드 연구팀의 보고에 따르면, 16개의 선별된 파지를 포함하는 칵테일은 네이티브 ΦX174에 면역력을 가진 대장균의 내성을 빠르게 극복했다고 합니다. 이는 향후 항생제 내성 문제를 해결하는 데 있어 매우 현실적인 전략을 제시하는 대목입니다.

이러한 성공적인 결과에 힘입어, 연구팀은 Evo 2의 적용 범위를 확장할 계획입니다. 다음 목표는 **메티실린 내성 황색포도상구균(MRSA)**이나 병원 감염의 주요 원인인 **녹농균(Pseudomonas aeruginosa)**과 같은 심각한 병원균을 표적으로 하는 파지를 개발하는 것입니다. 이 병원균들은 현재 의료 현장에서 가장 큰 골칫거리 중 하나로, AI 기반 파지 치료법이 개발된다면 엄청난 파급 효과를 가져올 것입니다.

더 나아가, 히 교수는 Evo 2를 오픈 소스 소프트웨어로 공개했습니다. 이는 전 세계의 연구자들이 이 모델을 다운로드하여 다양한 유전체 설계에 활용할 수 있도록 함으로써, 생명공학 연구의 속도를 가속화할 잠재력을 가지고 있습니다. 물론 오픈 소스화는 안전 및 보안에 대한 논의를 불러일으키기도 합니다. 나쁜 의도를 가진 사람이 이 도구를 수정하여 악용할 수 있다는 우려가 존재하지만, 히 교수는 기존 병원균들이 더 쉽게 접근되고 생산될 수 있어 더 큰 위험을 초래한다고 주장합니다. 개인적으로는 이러한 오픈 소스 결정은 과학 발전의 양날의 검이라고 생각합니다. 잠재적 오용의 위험은 분명히 존재하지만, AI가 자연 발생적 팬데믹에 대응하고 인공적인 생물학적 위협에 대한 방어 옵션을 제공할 수 있다는 히 교수의 관점에 더 주목해야 합니다. 결국 이 기술의 책임감 있는 사용과 강력한 거버넌스 프레임워크 구축이 중요할 것입니다.

연구팀은 다음 단계로 Evo 2를 더 길고 복잡한 DNA로 확장하고, 작은 박테리아 유전체를 타겟으로 하여 화학물질, 의약품 또는 연료를 생산하도록 설계된 미생물을 개발하는 데 활용할 계획입니다. 히 교수는 남은 기술적 과제를 “더 큰 유전적 참신성을 어떻게 얻을 것인가”와 “결과의 통제력을 어떻게 높일 것인가”라는 두 가지 질문으로 요약하며, 이 분야의 무궁무진한 잠재력을 시사했습니다.

이 연구는 생성형 AI가 단순히 정보를 처리하거나 콘텐츠를 만드는 것을 넘어, 생명 자체를 설계하고 조작하는 강력한 도구가 될 수 있음을 명확하게 보여줍니다. 항생제 내성이라는 인류의 오래된 숙제를 해결하는 데 AI가 핵심적인 역할을 할 수 있다는 희망을 안겨주는 동시에, 앞으로 생명공학 분야에서 AI가 열어갈 새로운 지평에 대한 기대감을 증폭시키고 있습니다. 이 혁신적인 연구가 우리 삶에 어떤 변화를 가져올지, 그 미래가 정말 기다려지지 않나요?

---

출처

• 원문 제목: Stanford Evo 2 AI model generates phages against E. coli
• 출처: AI News
• 원문 기사 보러가기