"AI기반 제약/바이오/헬스케어 R&D 가속화 전략 세미나" 후기

 

🧬 들어가며

최근 생명과학과 인공지능이 결합된 '바이오 AI' 분야에 관심이 생겼습니다.

 

하지만 경험이 없고 워낙 방대한 분야이다 보니, 어떻게 접근해야 할지 어려움을 느끼고 있었습니다.
그러던 중 이 고민에 대한 해답을 찾을 수 있지 않을까 하는 기대감을 안고 세미나에 직접 다녀왔습니다.

 

세미나에서 공유한 내용을 정리하고자 합니다.

 

 

---

🚀 NVIDIA와 Bio-AI의 만남

신약 개발은 천문학적인 비용과 시간이 드는 분야입니다.
이를 해결하기 위해 NVIDIA는 데이터 생성과 처리, 모델 훈련, 최적화, 배포를 지원하는 생명과학 특화 AI 개발 플랫폼 'BioNeMo'를 대대적으로 확장하고 있습니다.

• 새로운 NVIDIA Clara 오픈 모델: RNA 구조 예측을 위한 RNA프로(RNAPro) 모델과 AI가 설계한 약물이 실제로 합성 가능하도록 검증하는 리아신 v2(ReaSyn v2) 모델을 포함합니다.
• BioNeMo Recipes: 생물학적 파운데이션 모델의 훈련, 맞춤화, 배포를 보다 쉽고 효율적으로 가속확장할 수 있도록 지원합니다.

기존 AI 플랫폼과 BioNemo의 차별점은 생명 데이터를 다룰 때 필요한 도구와, 실험할 때 연동성이 좋다는 점이었습니다.

고무적인 소식은 글로벌 제약사들과의 대규모 파트너십이었습니다.
현장 전문가들의 생생한 피드백과 방대한 실제 데이터를 직접 흡수함으로써, 더욱 정교하고 실효성 있는 생명과학 특화 AI 플랫폼을 구축할 것이라 기대되는 소식이었습니다.

• 일라이 릴리(Eli Lilly)와 NVIDIA는 향후 5년간 최대 10억 달러를 투자해 'AI 공동 혁신 랩'을 설립합니다. 생물학자와 화학자들을 위해 24시간 연중무휴로 작동하는 AI 보조 실험 환경을 구축하는 것이 목표입니다.
• 써모 피셔 사이언티픽(Thermo Fisher Scientific)과는 인간의 지속적인 개입 없이 AI가 프로토콜을 자율적으로 생성하고 장비 데이터를 실시간으로 분석하는 자율형 실험실(Autonomous Lab) 인프라를 구축하고 있습니다.

https://blogs.nvidia.co.kr/blog/nvidia-bionemo-platform-adopted-by-life-sciences-leaders-to-accelerate-ai-driven-drug-discovery/

NVIDIA BioNeMo 플랫폼 확장으로 기대되는 AI 기반 신약 개발 - NVIDIA Blog Korea

https://blogs.nvidia.co.kr/blog/nvidia-and-lilly-announce-co-innovation-lab-to-reinvent-drug-discovery-in-the-age-of-ai/

NVIDIA-Eli Lilly, 신약 개발 혁신 위한 ‘AI 공동 혁신 랩’ 설립 - NVIDIA Blog Korea

 

 

🤖 연구원들을 위한 만능 AI 비서

바이오 특화 AI 에이전트 그동안 연구자들이 직접 찾아보거나 개별적으로 돌려야 했던 수많은 소프트웨어들이 이제 하나의 'AI 에이전트'로 통합되고 있습니다.

• Biomni(바이옴니): 150개의 특화 도구, 59개의 데이터베이스, 105개의 소프트웨어를 하나로 통합한 범용 AI입니다. 유전자 변이 해석, 단백질 구조 예측, 희귀 질환 진단, 분자 도킹 등 생의학 데이터 분석을 자동화하여 연구 효율을 극대화합니다.
• NVIDIA AI-Q Research Agent: 문헌 검토, 임상 시험 심사 등을 가속화하기 위해 설계된 워크플로우로, Llama 모델과 같은 강력한 추론 AI를 활용하면서도 기업의 민감한 의료 데이터를 안전하게 보호할 수 있는 보안 환경을 제공합니다.

NVIDIA AI-Q Research Agent Architecture Diagram

 

https://biomni.stanford.edu/

Biomni - A General-Purpose Biomedical AI Agent

https://build.nvidia.com/nvidia/biomedical-aiq-research-agent

Biomedical AI-Q Research Agent Blueprint Blueprint by NVIDIA | NVIDIA NIM

 

 

🧬 단백질 기능 예측의 새로운 국면: BioReason-Pro

모델이 고도화되면서 점점 결과에 대한 이유를 찾고자 하는 수요가 생기고 있습니다.
이 전에 LLM Reasoning 관련해서 정리된 글이 있으니 참고해주시면 좋을 것 같습니다. 😎

https://deep-flame.tistory.com/53

Chain of Thought(CoT): AI가 신뢰를 주는 방법

 

BioReason-Pro는 단백질 기능 예측을 위해 개발된 최초의 멀티모달 추론 대형 언어 모델(LLM)입니다.
기존의 컴퓨터 예측 모델들이 단순히 서열 유사성에만 의존하거나 기능 예측을 단편적인 분류 작업으로 취급했던 것과 달리, 이 모델은 실제 생물학 전문가들이 서열, 구조, 도메인, 상호작용 등을 종합하여 기능을 추론하는 방식을 모방하도록 설계되었습니다.

 

1. GO-GPT를 활용한 구조화된 추론
BioReason-Pro의 핵심 입력값 중 하나는 GO-GPT라는 독자적인 모델이 예측한 유전자 온톨로지(Gene Ontology, GO) 용어들입니다.
기존의 예측 방식들이 놓치기 쉬운 GO 용어들 사이의 복잡한 계층적, 교차적 종속성을 GO-GPT가 파악합니다.
결과적으로 AI는 결론만 툭 내놓는 것이 아니라, 마치 사람이 사고하는 것처럼 구조화된 추론 과정을 거쳐 단백질의 기능을 설명해 냅니다.
이를 위해 13만 개 이상의 단백질에 대해 GPT-5가 생성한 데이터를 바탕으로 지도 미세 조정(SFT)과 강화 학습(RL)을 거쳐 훈련되었습니다.

 

2. 전문가를 뛰어넘는 예측 성능
블라인드 테스트 결과, 실제 인간 단백질 전문가들은 기존의 정답으로 여겨지는 UniProt 데이터베이스의 주석보다 BioReason-Pro가 생성한 주석을 79%의 사례에서 더 선호했습니다.
또한 5가지 평가 축을 기준으로 한 LLM 심사에서도 10점 만점에 8.03점이라는 높은 점수를 기록하며 기존 방법들을 압도했습니다.

 

3. 정밀한 결합 부위 식별 및 문맥적 구조 추론
가장 놀라운 점은 단백질의 실험적인 결합 파트너를 새롭게 예측해 낼 뿐만 아니라, 극저온 전자현미경으로 확인된 실제 구조와 정확히 일치하는 아미노산 잔기 단위의 접촉 위치까지 짚어낸다는 것입니다.
또한 상위 단백질 집단의 보편적인 특성 때문에 잘못된 라벨이 붙을 수 있는 상황에서도, 모델 스스로 문맥적인 구조를 추론하여 정확한 역할을 파악해 내는 능력을 보여주었습니다.

BioReason-Pro Architecture Diagram

https://github.com/bowang-lab/BioReason-Pro

GitHub - bowang-lab/BioReason-Pro: BioReason-Pro: Advancing Protein Function Prediction with Multimodal Biological Reasoning

 

 

---

💡 마무리하며

이번 세미나를 통해 바이오 AI의 최신 동향을 따라가 볼 수 있어 무척 유익한 시간이었습니다.
솔직히 '생명과학'이라는 워낙 전문적이고 복잡한 분야이다 보니, 기존 범용 AI 솔루션과 비교해 바이오 특화 솔루션 정확히 어떻게 다른지 이해하기는 짧은 시간이었습니다.

하지만 한 가지 확실하게 체감한 것은, 앞으로 신약 개발과 바이오 산업에서 AI가 성장할 수밖에 없다는 점입니다.
NVIDIA가 대규모 파트너십과 투자를 통해 거대한 혁신의 흐름을 만들고 있는데, 이러한 흐름에 잘 대응할 수 있도록 잘 준비해야함을 느꼈습니다.