Anthropic AI, CRISPR 유사 반복 서열 지닌 ART 효소 시스템 발견

인공지능 개발사 Anthropic은 배열 연관 역전사효소(array-associated reverse transcriptases), 즉 ART로 명명된 기존에 특성화되지 않았던 새로운 생물학적 메커니즘을 발견했다고 발표했습니다. 회사의 Claude 모델을 통한 전산 분석으로 발굴되고 샌프란시스코 베이 에어리어에 위치한 습식 연구실에서 검증된 이 시스템은 유전체 편집 기술로 널리 활용되고 있는 바이러스 방어 메커니즘인 CRISPR와 구조적 유사성을 보입니다. 이번 발표는 기초 생물학을 탐구하고 신약 개발 파이프라인을 가속화하기 위해 2026년 봄에 설립된 Anthropic 전담 생명과학 연구 그룹의 첫 번째 과학적 성과입니다.

회사 측이 공개한 세부 사항에 따르면, 이번 발견은 방대한 공개 유전체 서열 데이터베이스를 스크리닝하기 위해 자율 AI 워크플로를 배치함으로써 이루어졌습니다. Claude는 단순한 코드 작성 도우미나 문헌 요약기에 머무르지 않고, 주석이 달리지 않은 유전 물질을 스캔하고, 특성화되지 않은 단백질 계열에 대한 가설을 수립하며, 인간 과학자들의 실험적 검증을 위한 생물학적 변칙성을 선별하는 탐색적 에이전트 역할을 수행했습니다.

950개의 AI 에이전트로 구동된 컴퓨팅 스크리닝

발견 워크플로는 21시간 동안 약 2억 1,000만 개의 토큰을 활용하여 병렬로 협업하는 약 950개의 Claude 에이전트에 기반했습니다. Anthropic 과학자들은 모델에게 대규모 서열 데이터베이스를 탐색하여 새로운 역전사효소—RNA를 DNA로 전사하며 미생물 방어 기전에서 자주 역할을 하는 효소—를 찾도록 프롬프트를 입력해 프로젝트를 시작했습니다. 모델은 20만 개 이상의 역전사효소를 수집하고, 3,500개의 후보 시스템을 선별한 뒤, 가장 유력한 20개의 표적으로 범위를 좁혀 각각에 대한 인간 판독 가능 보고서를 작성했습니다.

이 과정에서 한 에이전트가 박테리아를 감염시키는 대형 바이러스의 한 종류인 점보 박테리오파지의 유전체 내에서 특이한 역전사효소를 확인했습니다. 이 특정 효소의 존재는 이전 학술 데이터베이스에 이미 기록되어 있었으나, Claude는 기능이 알려지지 않은 보조 단백질을 암호화하는 파트너 유전자와 함께, 인접한 비암호화 균등 간격 직렬 DNA 반복 배열을 감지했습니다. 이러한 구조적 배열은 박테리아 효소가 특정 유전적 표적을 인식하고 절단하는 데 사용하는 서열을 저장하는 CRISPR 어레이의 구조를 직접적으로 반영합니다.

이는 AI 에이전트가 생물학적 발견에 어떻게 기여할 수 있는지를 보여주는 흥미로운 사례입니다. 역전사효소와 연관된 RNA 반복 어레이의 식별은 참으로 흥미로우며 추가 연구가 필요합니다. 저는 이 연구가 더 많은 과학자들이 자신의 연구를 지원하기 위해 AI를 탐색하도록 장려하기를 바랍니다.

실험적으로 검증된 부분과 입증되지 않은 영역

Anthropic은 발견 파이프라인 전반에 걸쳐 인간의 개입이 필수적이었다고 강조했습니다. Claude가 가설을 수립하고 디지털 유전체 마이닝을 수행하는 동안, 물리적 실험실 실험은 전적으로 인간 연구원들에 의해 수행되었습니다. 인간 병원체를 다루지 않고 생물안전 1등급(BSL-1) 및 생물안전 2등급(BSL-2) 격리 프로토콜 하에 운영된 연구실 팀은 표준 실험실 박테리아 균주에서 단백질을 발현시키고 초기 생화학적 및 구조적 특성화 작업을 완료했습니다.

• 확인된 구조: ART 시스템은 역전사효소, 인접한 보조 단백질, 규칙적인 간격의 비암호화 DNA 반복 서열 어레이로 구성됩니다.
• 확인된 기원: 이 유전적 배열은 세포성 숙주 유기체가 아닌 박테리오파지의 유전체 내에 위치합니다.
• 알려지지 않은 생물학적 기능: 연구진은 파지 감염 주기 동안 ART의 주요 자연적 역할을 아직 규명하지 못했습니다.
• 불확실한 실용적 유용성: ART가 CRISPR에 필적하는 유전자 편집 또는 생명공학 응용을 위한 프로그래밍 가능 분자 도구로 조작될 수 있는지는 아직 알려지지 않았습니다.

Anthropic의 최고경영자(CEO)인 Dario Amodei는 소셜 미디어를 통해 이번 발견이 기존의 오픈 사이언스를 바탕으로 구축되었음을 인정하며, Stanford University 연구진이 이전에 Claude가 분석한 것과 유사성을 공유하는 시스템을 확인한 바 있다고 언급했습니다. University of California, San Francisco의 효소 생성 및 Google AlphaFold를 통한 단백질 예측을 포함한 광범위한 학계의 노력은 분자 생물학 전반에 걸쳐 기계 학습의 적용이 확장되고 있음을 보여줍니다.

생명공학 및 기관 연구 워크플로에 미치는 영향

공개 사전 인쇄본과 함께 발표된 이러한 연구 결과의 조기 공개는 Anthropic이 신약 개발 분야로 확장하고 향후 기업공개(IPO)를 준비함에 따라 Claude의 실증적 역량을 입증하기 위한 것입니다. CRISPR와의 비교에도 불구하고, ART가 합성 생물학, 진단 또는 치료적 개입에 적합한 촉매적 특성을 보유하고 있는지 확인하기 위해서는 과학계의 독립적인 검증이 요구될 것입니다.

생명과학 기업과 학술 연구 기관에 있어 이번 발전은 대규모 LLM 에이전트를 초기 단계 생물정보학에 통합하는 실행 가능한 모델을 보여줍니다. 대규모 데이터 선별, 비교 유전체 마이닝 및 가설 생성을 자율 모델에 위임함으로써 조직은 초기 스크리닝 주기를 수개월에서 수일로 단축할 수 있습니다. 그러나 실질적인 성과를 도출하기 위해서는 중대한 임상적 또는 운영적 자원을 투입하기 전, 전산상으로 도출된 후보를 검증하기 위한 엄격한 습식 실험실 인프라, 철저한 생물안전 제어 및 인간의 감독이 여전히 필요합니다.