오픈AI-깅코, GPT-5 자율 실험실로 무세포 단백질 합성 비용 40% 절감

수학과 물리학에서는 화면 속 연산만으로 많은 것을 검증할 수 있지만, 생물학은 다릅니다. 실제 실험실에서 시약을 섞고 배양하며 막대한 시간과 비용을 들이는 물리적 과정을 피하기 어렵기 때문입니다.

OpenAI가 이 병목을 해결하기 위해 모델을 실제 실험실에 직접 연결했습니다. 2월 5일, OpenAI는 합성생물학 기업인 Ginkgo Bioworks와 협력해 GPT-5 기반의 자율형 실험 시스템을 구축하고, 무세포 단백질 합성(CFPS) 비용을 40% 절감하는 데 성공했다고 발표했습니다.

로봇과 AI가 만든 폐루프 실험실

무세포 단백질 합성(CFPS)은 살아있는 세포를 배양하는 대신, 세포 내부의 단백질 합성 장치만을 추출해 시험관 안에서 단백질을 만들어내는 방식입니다. 당일 결과를 확인할 수 있어 연구 개발 속도를 크게 높여주지만, DNA 템플릿과 세포 용해액, 에너지원, 염류 등이 복잡하게 얽혀 있어 최적의 조합을 찾기 어렵고 대규모 진행 시 시약 비용이 급증하는 문제가 있었습니다.

이번 프로젝트에서 GPT-5는 실험 설계를 맡고, Ginkgo의 원격 자동화 클라우드 랩에서 로봇이 이를 실행한 뒤, 그 결과를 다시 모델에 피드백해 다음 실험을 제안하는 폐루프(closed-loop) 방식을 채택했습니다.

AI가 텍스트로는 그럴듯하지만 실제 로봇 팔로는 다룰 수 없는 가상의 프로토콜을 내놓지 못하도록 사전에 엄격한 코드 기반 검증 절차도 도입했습니다.

GPT-5에 관련 논문을 검색할 수 있는 웹 브라우저와 데이터 분석용 컴퓨터 환경을 제공하자, 모델은 불과 3라운드의 실험과 두 달 만에 기존 최고 벤치마크를 깼습니다. 전체 6라운드에 걸쳐 580개의 자동화 플레이트에서 3만 6천 개 이상의 고유 반응 조성을 테스트한 결과, 단백질 생산 비용은 40%, 시약 비용은 57%까지 낮아졌습니다.

자동화 기계의 한계를 역으로 파고든 AI

주목할 점은 GPT-5가 찾아낸 최적 조합 중 상당수가 인간 과학자들이 시도하지 않았던 영역이었다는 사실입니다.

인간 연구원이 진행하는 벤치탑 실험은 주로 시험관을 사용해 산소 공급이 원활하지만, 로봇이 쓰는 고처리량 미세 플레이트는 용량이 작고 저산소 환경에 가깝습니다. GPT-5는 이 기계적 특성을 빠르게 파악해 자동화 환경에서도 수율이 떨어지지 않는 견고한 조성법을 찾아냈습니다.

또한 전체 비용의 대부분을 차지하는 용해액과 DNA의 낭비를 줄이기 위해, 상대적으로 저렴한 완충액과 폴리아민 조성을 미세하게 조정하여 단위 투입당 수율을 극대화했습니다.

다만 이번 실험은 단일 단백질인 sfGFP와 하나의 CFPS 시스템에서만 입증되었기 때문에 다른 복잡한 단백질에도 동일하게 적용될지는 추가 연구가 필요합니다. 시약 배치 등 물리적인 작업 일부에는 여전히 사람의 손길이 필요하며, 생물학 실험 자율화에 따른 바이오안보(Biosecurity) 위험 역시 OpenAI의 대비 프레임워크를 통해 지속적으로 관리해야 할 과제입니다.

왜 중요한가

그동안 생물학 분야의 AI 성과는 알파폴드처럼 단백질 구조를 예측하는 디지털 설계 단계에 집중되어 있었습니다. 하지만 컴퓨터 화면에서 완벽한 구조를 찾아내더라도, 이를 현실에서 저렴하고 빠르게 합성해내지 못하면 상용화로 이어지기 어렵습니다.

OpenAI의 이번 시도는 매우 실용적입니다. 분자생물학의 난제를 이론적으로 풀려고 씨름하는 대신, LLM을 인간의 직관이 닿기 힘든 수만 가지 변수의 조합을 탐색하는 자동화 실험 관리자로 투입했습니다.

우리는 이 실험이 AI의 역할을 '논문을 정리해 주는 조수'에서 '실제 연구를 이끄는 실험자'로 전환시키는 결정적인 장면이라고 봅니다. 40%의 단백질 생산 비용 절감은 제약뿐 아니라 산업용 효소와 진단 시약 등 바이오 제조업 전반의 단가를 낮출 수 있는 강력한 무기입니다. 개별 개발자가 당장 쓰기엔 클라우드 랩 인프라의 장벽이 높지만, 최첨단 지능 모델과 자동화 로봇의 결합이 바이오 연구의 표준이 될 날이 머지않아 보입니다.