CZI, 가상 세포 시뮬레이션 기반 추론 AI 모델 'rBio' 공개

생물학 연구에 AI를 도입하려는 과학자들은 늘 한계에 부딪혔습니다. ChatGPT 같은 범용 언어모델은 논문 요약에는 능하지만, 복잡한 로우 데이터를 바탕으로 인과관계를 추론하려 들면 금세 엉뚱한 답을 내놓기 일쑤였기 때문입니다. 그렇다고 모든 가설을 값비싼 실험실 테스트로 일일이 검증할 수도 없는 노릇이었습니다.

이에 찬 저커버그 이니셔티브(CZI)는 8월 21일, 가상 세포 시뮬레이션을 통해 직접 학습한 생물학 전문 추론 모델 rBio를 공개했습니다.

가상 세포를 AI의 생물학 선생님으로 삼다

CZI는 그동안 세포의 유형과 상태, 유전자 조절 경로를 예측하는 가상 세포 모델인 TranscriptFormer 등을 구축해 왔습니다. 하지만 이런 전문 모델들은 다루기 위한 기술적 장벽이 높고 결과물 역시 난해한 데이터 형태로 나와 일반 연구자가 연구 흐름에 쉽게 녹여내기 어려웠습니다.

CZI의 테오파니스 카랄레초스 AI 디렉터와 아나 마리아 이스트라테 선임 연구원이 이끈 팀은 발상을 전환했습니다. 상용 오픈소스 언어모델을 뼈대로 삼고, 가상 세포 모델이 시뮬레이션한 유전자 섭동 및 공발현 패턴 데이터를 AI에 직접 가르친 것입니다.

덕분에 연구자들은 전문 코드를 짜지 않고도 일상적인 언어로 질문할 수 있게 되었습니다. 가령 "유전자 A를 억제하면 유전자 B의 활성이 증가하는가?" 혹은 "세포가 건강한 상태에서 질환 상태로 전이되는가?"와 같은 복잡한 질문에 대해 rBio가 단계별 논리 추론을 거쳐 답을 내놓습니다.

정답이 모호한 생물학을 위한 강화학습

수학 문제처럼 답이 명확한 분야와 달리, 생물학에는 늘 확률적 불확실성이 존재합니다. 특정 약물이나 유전자 조작이 질병을 치료할 수 있을지는 확률의 영역이기 때문입니다.

연구진은 rBio를 훈련하기 위해 강화학습의 보상 체계를 새롭게 설계했습니다. 단순히 정답과 오답으로 나누는 대신, 모델이 제시한 답변이 실제 생물학적 확률 분포와 얼마나 일치하는지에 비례하여 보상을 조정한 것입니다.

성능은 확실했습니다. 유전자 섭동 벤치마크인 PerturbQA에서 rBio는 ICLR 2025에 채택된 SUMMER 모델과 베이스라인인 Qwen 2.5를 모두 제쳤습니다. 특히 유전자 공발현 패턴만 학습하고도 이전에 본 적 없는 유전자 활성화 및 비활성화 과제를 제로샷으로 추론해 내는 유연함을 보였습니다. 관련 코드는 깃허브에 공개되었으며 bioRxiv 프리프린트로도 확인할 수 있습니다.

왜 중요한가

신약 개발이나 유전체학 연구자들에게 rBio는 값비싼 물리적 실험에 착수하기 전 가설을 걸러내는 최고의 사전 필터가 될 수 있습니다. 알츠하이머병처럼 유전자 상호작용이 복잡한 질환을 연구할 때 수많은 가설 중 성공 확률이 높은 것만 추려내는 데 당장 유용합니다.

우리는 CZI의 이번 접근 방식이 '정밀 시뮬레이터로 언어모델을 교육한다'는 새로운 데이터 수급 방식을 증명했다는 점에서 매우 영리하다고 봅니다. 바이오 분야는 실제 습식 실험 데이터가 극히 부족하고 폐쇄적인데, 이미 검증된 가상 세포 모델의 연산 결과를 합성 학습 데이터로 전환해 데이터 병목을 우회했기 때문입니다.

다만 한계도 뚜렷합니다. 현재 rBio의 역량은 유전자 섭동 영역에 집중되어 있어 세포 내 거대 분자 간의 총체적 상호작용을 살피기엔 아직 역부족입니다. 또한 언어모델 특유의 그럴듯한 오답을 걸러내는 안전장치가 완벽하지 않다면 연구 방향을 헛갈리게 만들 위험도 여전히 존재합니다. 그럼에도 난해한 세포 시뮬레이션을 누구나 다룰 수 있는 대화형 인터페이스로 끌어내렸다는 점에서 시사하는 바가 큽니다.