오픈AI GPT-5, 분자 클로닝 실험 최적화해 효율 79배 높였다

AI가 수학 증명을 하거나 코딩을 척척 해내는 모습은 이제 익숙하지만, 실제 분자와 세포가 부딪히는 바이오 실험실은 전혀 다른 영역입니다. 화면 속 이론이 아무리 완벽해도 튜브 안의 반응이 따라주지 않으면 아무 소용이 없기 때문입니다.

OpenAI가 최근 바이오 안보 스타트업 Red Queen Bio와 함께 진행한 실험 결과를 발표했습니다. 연구진은 GPT-5에게 분자생물학의 가장 기초적인 과정인 분자 클로닝 프로토콜 최적화를 맡겼는데, 인간 연구원의 유도 없이 고정된 프롬프트만으로 전체 클로닝 효율을 무려 79배 끌어올렸습니다.

엉킨 가닥을 빗질하는 AI의 효소 조합

실험의 출발점은 2009년 개발되어 널리 쓰여온 깁슨 어셈블리를 기반으로 한 New England Biolabs의 상용 HiFi 어셈블리 키트였습니다. 목표는 녹색 형광 단백질 유전자를 표준 플라스미드인 pUC19에 클로닝하는 것이었습니다.

깁슨 어셈블리는 단일 튜브 안에서 일정한 온도로 반응이 끝나는 단순함이 장점이지만, 반대로 그만큼 성능 개선의 여지가 남아있다는 뜻이기도 했습니다.

GPT-5는 RAPF-HiFi라는 새로운 프로토콜을 직접 고안했습니다. 대장균 유래의 재조합효소 RecA와 T4 파지 단일가닥 결합 단백질 gp32를 반응에 추가한 것입니다. gp32가 빗처럼 작용해 꼬여있는 단일가닥 DNA 끝을 매끄럽게 펴주면, RecA가 짝을 찾아 연결을 돕는 방식입니다. 여기에 더해 50도에서 시작해 37도로 낮춰 두 보조 단백질을 반응시키고, 다시 50도로 올려 반응을 끝내는 온도 주기까지 설계해 효소 반응 효율을 2.5배 이상 끌어올렸습니다.

교과서 상식을 깬 과감한 원심분리

더 놀라운 발견은 합성된 DNA를 박테리아에 집어넣는 형질전환 단계에서 나왔습니다.

실험실에서는 화학적 형질전환 수용 세포를 매우 연약한 존재로 취급하며 물리적 충격을 피하는 것이 일종의 불문율이었습니다. 하지만 GPT-5는 세포를 4도에서 원심분리해 바닥에 모은 뒤 상층액의 절반을 버리고 재부유시켜 농도를 높이라는 단순한 개선안을 제시했습니다.

세포는 원심분리를 무리 없이 견뎌냈고, 분자 간 충돌 빈도가 늘어나면서 형질전환 효율이 30배 이상 급증했습니다. 효소 반응 개선과 결합하면서 최종적으로 검증된 효율은 기준치 대비 79배에 달했습니다. 이 모든 과정에서 인간 연구원은 시약을 투입하고 결과를 기록해 업로드하는 작업만 수행했을 뿐, 어떤 힌트도 주지 않았습니다.

왜 중요한가

이번 성과는 프론티어 AI 모델이 단순히 논문을 요약하는 수준을 넘어, 물리적인 실험 피드백을 바탕으로 새로운 메커니즘을 추론하고 검증할 수 있음을 증명했습니다. 단백질 공학이나 유전자 스크리닝을 다루는 연구자에게 클로닝 수율 79배 향상은 라이브러리 제작 비용과 실패율을 획기적으로 낮춰주는 실질적인 무기입니다.

인간의 개입을 배제한 고정 프롬프트 방식으로 실험을 설계한 점은 영리했습니다. 사람의 튜닝 덕분이라는 의혹을 원천 차단했기 때문입니다. 다만 탐색과 최적화의 균형을 유연하게 맞추지 못해 발견한 유망 후보를 더 깊게 쥐어짜지 못했다는 한계도 동시에 드러났습니다.

산업 전반으로 보면 AI가 실험실 조교를 넘어 프로토콜 설계자로 진입하는 신호탄이지만, 동시에 바이오 안보 규제라는 무거운 숙제를 안겨줍니다. 프로토콜을 수십 배 효율화하는 능력이 유익한 신약 개발뿐 아니라 유해 병원체 합성의 장벽도 낮출 수 있는 만큼, 향후 랩 자동화와 안전 프레임워크의 줄다리기가 본격화될 것으로 보입니다.