프롬프트 한 줄이 시험관 안에서 결과를 냈어

8월 18일 앤트로픽이 연구 하나를 공개했어. 요약하면 이래. 사람이 쓴 프롬프트만 주고 Claude에게 "이 표적에 결합하는 새 단백질을 설계해"라고 시켰더니, 실험실에서 진짜로 붙었다는 거야.

숫자부터 보자. 표적 15개 중 14개에서 결합에 성공했어. 설계 1,320개를 만들어 보냈고 그중 354개가 결합이 확인됐어. 적중률로 환산하면 다중 표적 모드에서 22.6~26.7%, 단일 표적 모드에서 35.1%야. 이 분야 통상 적중률은 10~15% 수준이야. 즉 대략 두 배 정도 잘한 거야.

여기서 중요한 건 "AI가 단백질을 설계했다"는 사실 자체가 아니야. 그건 2021년 알파폴드 이후로 계속 있어 온 얘기야. 이번 결과의 진짜 포인트는 누가 그 설계를 지휘했느냐야. 기존 방식은 사람 과학자가 파이프라인을 짜고, 구조 예측 모델·서열 설계 모델·필터링 도구를 순서대로 돌리고, 결과를 골라내는 거였어. 이번에는 그 지휘 자체를 언어모델이 했어. 도구를 고르고, 순서를 정하고, 중간 결과를 보고 다시 판단하는 걸 Claude가 했다는 거야.

그리고 결과를 채점한 건 앤트로픽이 아니야. 자동화 웻랩을 운영하는 Adaptyv Bio와 DNA 합성 회사 Twist Bioscience가 실제로 단백질을 만들어서 측정했어. 설계는 익명화된 상태로 실험실에 넘어갔고.

등장인물 — 앤트로픽, Adaptyv Bio, Twist, 그리고 세 개의 Claude

앤트로픽은 이번에 모델을 세 종류 썼어. 주력은 Mythos Preview, 함께 쓴 게 Opus 4.8, 그리고 분석화학 과제에만 Opus 5를 썼어. 전부 Claude Science 환경에서 돌렸고, 모든 설계에 비슷한 프롬프트와 동일한 공개 도구 접근권을 줬어. 조건을 통일해야 모델 간 비교가 성립하니까.

Adaptyv Bio는 이 실험의 채점자야. 스위스 로잔에 기반을 둔 회사인데, 하는 일은 단순해. 디지털 단백질 서열을 받아서 실제 단백질로 만들고, 표적에 붙는지 측정한 뒤 데이터를 돌려줘. 이걸 사람 손이 아니라 자동화 워크셀로 처리해서 전통적인 방식보다 훨씬 빠르고 싸게 돌려. 웹 플랫폼과 API로 접수받는 구조라, 말하자면 "단백질 설계의 CI 서버" 같은 존재야. 이 회사가 그동안 공개 경진대회와 해커톤, BenchBB를 운영하면서 쌓아둔 표적 데이터가 이번 벤치마크의 기준선이 됐어.

Twist Bioscience는 합성 DNA 쪽 대형 업체야. 설계된 서열을 실제 유전자로 합성하는 단계를 맡았어.

여기서 앤트로픽이 어떻게 표적을 골랐는지가 중요해. 이번 실험의 표적 16개는 Adaptyv의 기존 공개 경진대회·해커톤·BenchBB에서 가져온 것들이야. 새로 만든 게 아니라는 뜻이고, 그래서 비교 대상이 존재해. 같은 표적에 대해 사람 팀들이 낸 성적표가 이미 있는 거야. RBX1 표적에서 Claude 적중률이 40%였는데 같은 표적의 경진대회 평균은 3.7%였다는 비교가 가능한 이유가 이거야.

Proteinbase도 이야기에 들어와. Adaptyv와 앤트로픽은 Claude가 설계한 실제 단백질 서열과 실험 데이터를 이 공개 단백질 데이터 플랫폼에 올렸어. 결과만 발표하고 끝낸 게 아니라 검증 가능한 형태로 내놨다는 점은 이 발표에서 가장 신뢰도를 높이는 부분이야.

결과를 뜯어보면

항목 수치
표적 수 15개 (그중 14개 성공)
총 설계 수 1,320개
확인된 결합체 354개
적중률 (다중 표적 모드) 22.6~26.7%
적중률 (단일 표적 모드) 35.1%
업계 통상 적중률 10~15%
고친화도 바인더 확보 표적 최소 6개
기존 최고 실험 친화도 동등·초과 표적 최소 4개
RBX1 표적 적중률 40% (경진대회 평균 3.7%)

숫자 중에 제일 눈에 띄는 건 마지막 두 줄이야.

**"기존 최고 실험 친화도와 동등하거나 초과"**라는 건, 그 표적에 대해 사람이 논문으로 발표한 최고 기록을 모델이 따라잡거나 넘었다는 뜻이야. 적중률이 높은 것과 최고 성능을 내는 건 다른 문제야. 적중률은 "많이 던져서 많이 맞췄다"로도 설명되지만, 최고 친화도는 그렇게 안 돼. 표적 4개에서 그게 나왔다는 건 모델이 운으로만 굴러가는 게 아니라는 신호야.

**RBX1의 40% 대 3.7%**는 조금 조심해서 읽어야 해. 경진대회 평균에는 실력 편차가 큰 참가자들이 다 들어가 있으니 이 비교가 "Claude가 최고 전문가보다 10배 낫다"는 뜻은 아니야. 다만 같은 표적이 사람들에게 실제로 어려웠다는 건 확인돼.

그 밖에 눈에 띄는 결과가 둘 더 있어. TNFα 표적에서는 사람·원숭이·생쥐 변이체에 모두 결합하는 교차반응 바인더가 나왔어. 이건 실무적으로 꽤 값이 나가는 성질이야. 전임상 동물 실험과 인체 시험에 같은 물질을 쓸 수 있다는 뜻이거든. 보통은 종마다 따로 만들어야 해서 시간과 비용이 크게 들어.

여기서 잠깐 용어를 정리하고 갈게. **바인더(binder)**는 특정 표적 단백질에 달라붙도록 설계된 작은 단백질이야. 자물쇠에 맞는 열쇠를 새로 깎는 일이라고 보면 돼. 항체가 대표적인 자연산 바인더인데, de novo 설계는 자연에 없던 형태를 처음부터 만들어내는 거야. 이게 되면 진단 시약, 치료제 후보, 연구용 도구가 다 여기서 파생돼. **적중률(hit rate)**은 만들어 보낸 설계 중 실제로 표적에 붙은 비율이고, **친화도(affinity)**는 얼마나 단단히 붙는지야. 적중률이 "몇 개나 작동하느냐"라면 친화도는 "얼마나 잘 작동하느냐"에 가까워.

그리고 표적 6개에 걸쳐 β-시트 구조를 포함한 바인더 15개가 나왔어. 이게 왜 특기 사항이냐면, 기존 de novo 설계 도구들은 α-헬릭스 구조를 압도적으로 선호해왔거든. 헬릭스가 접기 쉽고 예측이 잘 되니까. β-시트가 섞인 설계가 실제로 작동했다는 건 모델이 익숙한 안전지대 밖에서도 뭔가를 만들어냈다는 얘기야.

각자의 이득

앤트로픽이 얻는 건 두 가지야. 하나는 과학 영역에서의 레퍼런스야. 8월 14일 리만 제타 함수 관련 연구를 낸 데 이어 이번 단백질 설계까지, "Claude는 코딩 도구가 아니라 연구 도구"라는 포지셔닝을 계속 쌓고 있어. 두 번째는 더 실용적인데, 엔터프라이즈 바이오 고객 파이프라인이야. 제약·바이오텍은 토큰 단가에 가장 둔감한 산업 중 하나야. 신약 후보 하나 실패하면 수백억이 날아가는 곳에서 API 비용은 반올림 오차거든.

Adaptyv Bio는 이번 건으로 사실상 업계 표준 채점기관 자리를 굳혔어. AI 모델이 설계한 단백질을 객관적으로 평가할 제3자가 필요한데, 자동화 웻랩을 API로 열어둔 곳이 많지 않아. 앞으로 다른 랩들이 비슷한 주장을 할 때 "Adaptyv에서 돌려봤냐"는 질문이 따라붙을 거야.

제약사와 바이오텍은 더 복잡한 계산을 하게 돼. 표면적으로는 좋은 소식이야. 바인더 설계 단계가 빨라지면 파이프라인 앞단이 통째로 압축되니까. 그런데 그 단계가 값싸지면, 그 단계를 잘하는 걸로 차별화하던 회사들의 해자가 얕아져. de novo 단백질 설계를 핵심 역량으로 내세운 스타트업들은 지금 자기 포지션을 다시 그려야 할 상황이야.

그리고 앤트로픽이 스스로 밝힌 제약이 이 그림 전체를 뒤튼다는 걸 짚어야 해. 앤트로픽은 이렇게 썼어. "생명과학 연구 과제는 현재 우리의 가장 강력한 모델에서 차단돼 있으며, 과학자를 위한 접근 프로그램을 여는 것이 최우선 과제 중 하나다." 단백질 설계 역량은 이중용도(dual-use) 생물무기 우려 때문에 Claude Fable 5에서 일반 접근이 막혀 있어.

즉 이번 발표는 이런 구조야. "우리 모델이 이걸 할 수 있다. 그리고 우리는 여러분이 이걸 하도록 두지 않고 있다." 능력 시연과 접근 통제를 한 문서 안에서 동시에 한 거고, 이건 앤트로픽이 계속 취해온 자세이기도 해.

과거 유사 사례 — AI 과학 발표가 어떻게 늙어가는가

**알파폴드2(2020~2021)**가 가장 밝은 사례야. 단백질 구조 예측이라는 50년 묵은 문제를 사실상 해결했고, 구조 데이터베이스를 통째로 공개했고, 지금은 생물학 실험실의 기본 도구가 됐어. 성공의 조건은 명확했어. 검증 방법이 이미 확립돼 있었고(CASP라는 격년제 블라인드 평가), 결과물이 즉시 유용했고, 공개 범위가 넓었어. 이번 앤트로픽 연구는 첫 번째 조건(외부 웻랩 검증)은 확실히 갖췄지만, 세 번째 조건에서는 반대 방향이야.

**RFdiffusion과 ProteinMPNN(2022~2023)**은 de novo 단백질 설계의 직전 세대야. 워싱턴대 데이비드 베이커 랩에서 나왔고, 오픈소스로 풀렸고, 지금 이 분야 표준 도구야. 이번 실험에서 Claude가 쓴 "공개된 도구"라는 게 상당 부분 이 계열일 가능성이 높아. 그렇게 보면 이번 결과는 새 알고리즘의 승리라기보다 기존 도구를 잘 지휘한 오케스트레이션의 승리에 가까워. 그게 덜 대단하냐면 그렇지 않아. 도구는 있는데 잘 쓸 사람이 부족한 게 이 분야의 실제 병목이었거든.

반대편 사례도 있어. 2023년 여러 기업이 "AI가 발견한 신약 후보"를 발표했지만, 그중 임상에서 좋은 결과를 낸 건 손에 꼽아. 결합하는 단백질을 만드는 것과 약이 되는 물질을 만드는 것 사이에는 아주 긴 거리가 있어. 독성, 안정성, 제조 가능성, 면역원성, 약동학 — 이번 실험이 측정한 건 그중 첫 관문 하나야. 이 발표를 "AI가 신약을 만든다"로 옮기면 몇 단계를 건너뛰는 거야.

그리고 IBM 왓슨 헬스를 기억해 둘 만해. 의료 AI 초기 최대 실패 사례인데, 실패 원인이 기술이 아니라 검증 가능성이었어. 성능 주장은 많았지만 외부에서 재현할 데이터가 없었어. 그 점에서 이번 발표가 서열과 실험 데이터를 Proteinbase에 공개한 건 정확히 맞는 선택이야. 6개월 뒤 다른 그룹이 이 데이터로 뭘 발견하는지가 이 연구의 진짜 성적표가 될 거야.

경쟁자 카운터 플레이

구글 딥마인드는 이 영역의 원조야. 알파폴드 계열에 더해 아이소모픽 랩스라는 신약 개발 자회사를 두고 있고, 이미 제약사와 계약을 맺고 있어. 앤트로픽이 "범용 모델이 파이프라인을 지휘한다"는 접근이라면 딥마인드는 "전용 모델이 각 단계를 푼다"는 접근이야. 어느 쪽이 이길지는 아직 안 갈렸는데, 흥미로운 건 두 접근이 배타적이지 않다는 거야. 범용 모델이 딥마인드 전용 모델들을 도구로 호출하는 그림이 가장 강력할 텐데, 그건 두 회사가 협력해야 나오는 그림이지.

오픈AI는 이 축에서 상대적으로 조용했어. 과학 특화 발표가 없었던 건 아니지만 바이오 쪽 웻랩 검증 결과를 내놓은 적은 없어. 다만 지금 오픈AI는 사이버 역량 문제로 자기 훈련을 멈춘 상태라, 이중용도 우려가 큰 바이오 축에서 공격적으로 나올 여유가 당분간 없어 보여.

베이커 랩과 학계는 다른 계산을 해. 이번 결과가 자기들 도구를 쓴 것이라면, 학계 입장에서는 도구 생태계의 가치가 입증된 셈이야. 동시에 "모델이 지휘하면 사람보다 낫다"는 결론은 학계 연구자의 역할을 재정의하는 얘기이기도 해. 실제로는 이 분야 연구자들이 이미 LLM을 파이프라인 조율에 쓰고 있어서, 이번 발표는 확인에 가까워.

바이오텍 스타트업들의 대응은 두 갈래로 갈릴 거야. 하나는 설계 아래쪽 — 합성, 검증, 스크리닝 같은 물리적 단계로 내려가는 것. 설계가 값싸질수록 검증 병목이 커지니까 Adaptyv 같은 포지션의 가치가 올라가. 다른 하나는 설계 위쪽 — 표적 발굴, 임상 설계, 규제 전략으로 올라가는 것. 가운데에 끼어 있는 게 제일 위험해.

그래서 뭐가 달라지는데

생명과학 연구자라면, 당장은 못 써. 이게 이번 발표의 가장 실망스러운 부분이야. 앤트로픽이 명시적으로 밝혔듯 생명과학 과제는 가장 강력한 모델에서 차단돼 있고, 과학자 접근 프로그램은 아직 준비 중이야. 지금 할 수 있는 건 Proteinbase에 공개된 서열과 실험 데이터를 직접 들여다보는 것 정도야. 다만 프로그램이 열렸을 때를 대비해 "우리 랩의 어떤 표적을 먼저 던져볼까"를 정리해 두는 건 지금 해도 되는 일이야.

AI 인프라·플랫폼 하는 사람이라면, 이번 사례에서 가져갈 패턴이 있어. 모델이 잘한 건 새로운 알고리즘을 발명한 게 아니라 기존 도구들을 상황에 맞게 조합하고, 중간 결과를 보고 경로를 바꾼 것이야. 이 패턴은 단백질에만 적용되는 게 아니야. 전문 도구가 여럿 있고 그걸 잘 엮을 사람이 부족한 도메인이라면 어디든 같은 구조가 통해. 반도체 설계 검증, 재료 탐색, 임상시험 설계 같은 영역이 다 여기 해당해.

제약·바이오 투자자라면, 실사 질문 하나가 바뀌었어. 예전엔 "이 회사의 설계 알고리즘이 뭐가 특별한가"를 물었어. 이제는 "범용 모델이 공개 도구로 낼 수 있는 성적 대비 얼마나 나은가"를 물어야 해. 27% 적중률이 새로운 기준선이 됐고, 이 기준선을 못 넘는 전용 기술은 값이 붙기 어려워졌어.

바이오 보안 쪽이라면, 이번 발표의 그림자 부분이 본론이야. 사람이 프롬프트 하나로 표적 결합 단백질을 설계할 수 있는 시스템은 정의상 이중용도야. 앤트로픽이 최상위 모델에서 이 역량을 잠가둔 건 그래서고, arXiv에 나온 ABC-Bench 같은 에이전틱 바이오 역량 평가 기준이 왜 생겼는지도 같은 맥락이야. 문제는 이 통제가 통제하는 쪽이 자발적으로 할 때만 작동한다는 거야. 개방 가중치 모델이 비슷한 역량에 도달하면 잠글 곳이 없어.

그냥 관심 있는 사람이라면, 이 결과를 "AI가 신약을 만들었다"로 읽지 않는 게 좋아. 만들어진 건 특정 표적에 붙는 단백질이고, 약이 되려면 앞으로 몇 년과 여러 번의 실패가 남아 있어. 다만 그 첫 단계가 몇 달에서 몇 주로 줄어드는 건 진짜야.

🥄 남은 궁금증 세 가지

— 그래서 나랑 무슨 상관이야? 직접적으로는 없어. 이 역량은 지금 일반 접근이 막혀 있고 열려도 연구용이야. 다만 AI가 실험 데이터로 검증되는 영역에 들어왔다는 신호로는 의미가 있어. 벤치마크 점수가 아니라 시험관 결과로 채점받았다는 게 다른 발표들과 구분되는 지점이야.

— 27%면 정말 잘한 거야? 이 분야 기준으로는 그래. 통상 10~15%니까 두 배 가까이고, 특히 표적 4개에서 기존 발표 최고 친화도를 따라잡았다는 게 무게가 있어. 다만 표적 16개가 전부 Adaptyv의 기존 경진대회 세트에서 왔다는 점은 감안해야 해. 완전히 새로운 표적에서도 같은 성적이 나올지는 아직 몰라.

— 이제 단백질 설계 전문가는 필요 없어지는 거야? 단정하긴 일러. 모델이 한 건 도구를 지휘한 거고, 그 도구를 만든 것도 어떤 표적이 의미 있는지 정한 것도 사람이야. 결과를 실험실에서 확인한 것도 사람이고. 다만 "파이프라인을 손으로 엮는 일"에 시간을 많이 쓰던 포지션이라면 그 시간이 줄어드는 건 맞아.

참고 자료

수치는 발표 시점 기준이라 바뀔 수 있어.