An agentic AI environment to support biomedical research in collaborative academic environments
본 논문은 특화된 에이전트, 계층적 메모리, 추적 가능성, 그리고 강제된 표준 운영 절차를 제공함으로써 에이전트 기반 AI를 사용하는 학술 연구실의 기술적 장벽을 낮추기 위해 설계된 공유 소프트웨어 환경인 Murmurent를 소개하며, 이는 Pin1 단백질의 억제제를 식별하는 과정에 적용되어 입증되었다.
원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 동료 심사를 거치지 않은 프리프린트의 AI 생성 설명입니다. 의학적 조언이 아닙니다. 이 내용을 바탕으로 건강 관련 결정을 내리지 마세요. 전체 면책 조항 읽기
현대적인 실험실에서 발견의 도구는 현미경과 시험관을 훨씬 넘어 확장되었습니다. 이제 과학자들은 방대한 양의 데이터를 걸러내고, 새로운 분자를 설계하며, 생물학적 시스템이 어떻게 작동할지 예측하기 위해 컴퓨터에 크게 의존합니다. 이러한 변화는 과학 논문을 읽고, 코드를 작성하며, 실험을 제안할 수 있는 강력한 인공지능을 이 영역으로 끌어들였습니다. 그러나 이러한 지능형 시스템의 가공할 만한 힘과 학술 연구의 일상적인 현실 사이에는 여전히 상당한 격차가 존재합니다. 대부분의 연구자는 생물학이나 화학 전문가이지, 이러한 디지털 조수들을 안전하게 관리하는 데 필요한 복잡한 소프트웨어 공학 전문가가 아닙니다. 세심한 감독이 없다면, 인공지능은 실수로 민감한 환자 데이터를 유출하거나, 몇 주 전에 내린 중요한 결정을 놓치거나, 며칠간의 컴퓨팅 시간을 낭비하게 만든 실수를 반복할 수도 있습니다. 과제는 단순히 똑똑한 조수를 갖는 것이 아니라, 실험실의 규칙을 이해하고, 개인 정보를 보호하며, 단 한 명의 사람도 컴퓨터 전문가가 될 필요 없이 팀이 협력할 수 있도록 돕는 시스템을 갖추는 것입니다.
이 격차를 메우기 위해 캐나다 웨스턴 대학교의 연구진은 머큐런트(Murmurent)라고 불리는 새로운 소프트웨어 프레임워크를 개발했습니다. 그들은 이를 단순한 도구가 아니라, 무질서하고 협력적이며 이해관계가 첨예한 학술 과학 환경을 위해 특별히 설계된 인공지능용 운영체제로 설명합니다. 모든 실험실이 자신만의 안전 프로토콜과 데이터 관리 시스템을 처음부터 구축하도록 요구하는 대신, 머큐런트는 공유된 토대를 제공합니다. 이 시스템은 인공지능 모델 아래에 위치하여 정체성을 관리하고, 데이터를 보안하며, 프로젝트의 이력을 기억하는 거버넌스 계층 역할을 합니다. 시스템은 여러 연구자가 각자의 방법론을 가지고 공동의 질문에 참여할 수 있도록 '프로젝트' 단위로 작업을 조직합니다. 또한 특정 역할을 수행하는 일련의 전문 디지털 조수들을 활용하는데, 하나는 데이터 분석을 담당하고, 다른 하나는 과학 문헌을 검색하며, 또 다른 하나는 시각화를 생성하고, 그 외의 조수들은 오류나 윤리적 문제를 점검하는 감사인 역할을 합니다. 결정적으로, 이 시스템은 규칙을 자동으로 강제합니다. 연구자가 요청을 어떻게 표현하든 상관없이, 인공지능이 중요한 파일을 삭제하거나, 개인 데이터를 공용 인터넷으로 전송하거나, 실험실의 안전 표준을 위반하는 결정을 내리는 것을 방지합니다.
연구진은 약물 발견의 어려운 문제인 Pin1이라는 단백질을 억제할 수 있는 분자를 찾는 문제를 해결함으로써 이 시스템을 테스트했습니다. 이 단백질은 암 및 신경 퇴행성 질환과 관련이 있지만, 활성 부위가 깊은 포켓이 아닌 얕은 홈 형태라 약물이 달라붙기 어려워 표적으로 삼기가 매우 까다롭습니다. 연구팀은 단일 방법에 의존하지 않았습니다. 대신 머큐런트를 사용하여 네 가지 접근 방식을 동시에 조율했습니다. 한 팀원은 딥러닝 모델을 사용하여 무에서 유를 창조하듯 새로운 분자를 생성했습니다. 다른 팀원은 이미 알려진 약한 결합체에서 시작하여 그 구조를 수정했습니다. 세 번째 팀원은 분자를 단백질에 영구적으로 부착시키는 특정 화학적 전략에 집중했고, 네 번째 팀원은 더 나은 적합성을 찾기 위해 서로 다른 화학적 부분들을 결합했습니다. 전통적인 환경이라면 이 네 그룹은 서로 다른 기준을 사용하고 서로의 진행 상황을 놓친 채 고립되어 작업했을 것입니다. 하지만 머큐런트와 함께라면, 그들은 동일한 보안 환경 내에서 병렬로 작업할 수 있었습니다. 시스템은 그들이 모두 동일한 참조 데이터, 동일한 안전 점검, 그리고 동일한 의사결정 기록 방식을 사용하도록 보장했습니다.
네 가지 접근 방식이 진행되는 동안, 시스템에 내장된 감사인들이 핵심적인 역할을 수행했습니다. 비판자 역할을 하는 디지털 조수 중 하나는 팀이 성공을 측정하는 초기 방식에 결함이 있음을 발견했습니다. 그들이 새로운 분자의 순위를 매기기 위해 사용한 방법은 사실 결합력을 예측하는 것이 아니라, 단순히 시작 물질의 형태를 인식하고 있었던 것이었습니다. 시스템이 모든 단계와 결정을 기록했기 때문에, 팀은 이 오류의 근원을 추적할 수 있었습니다. 그들은 방법을 수정하고 계산을 다시 실행하여, 초기 유망했던 결과들이 실제로는 무작위 확률보다 나을 것이 없다는 것을 확인했습니다. 이 교정 작업은 팀이 실효성이 낮은 분자에 자원을 낭비하는 것을 막아주었습니다. 또한 시스템은 대규모 컴퓨팅 작업을 여러 그래픽 프로세서에 분산시켜 며칠이 아닌 몇 시간 만에 끝내도록 조율하고, 민감한 후보 분자들이 보안 로컬 네트워크를 벗어나지 않도록 하는 등 복잡한 프로젝트 물류를 관리했습니다.
이 실험의 결과는 단 하나의 신약이 아니라, 그러한 시스템이 어떻게 과학적 탐구를 안내할 수 있는지에 대한 시연이었습니다. 단백질을 표적으로 삼기가 너무 어렵고 비교할 수 있는 알려진 사례가 충분하지 않았기 때문에, 네 가지 접근 방식 중 어느 것도 시스템이 확신을 가지고 승자로 인증할 수 있는 분자를 만들어내지는 못했습니다. 그러나 이 과정은 각 접근 방식의 강점과 약점을 드러내어 연구자들이 전략을 개선할 수 있게 해주었습니다. 시스템은 팀이 잘못된 단서를 쫓는 것을 성공적으로 방지했으며, 왜 특정 경로가 폐기되었는지에 대한 명확하고 감사 가능한 기록을 제공했습니다. 연구진은 이 시스템 덕분에 코딩 경험이 적은 습식 실험실(wet-lab) 연수생도 복잡한 데이터 분석에 참여할 수 있었고, 동시에 책임 연구원이 모든 코드 라인을 일일이 관리할 필요 없이 전체 과정을 감독할 수 있었다는 것을 발견했습니다.
머큐런트는 인공지능 시대에 학술 과학이 어떻게 수행될 수 있는지에 대한 패러다임의 전환을 의미합니다. 이는 모든 실험을 관리하는 단일 중앙 통제자의 개념에서 벗어나, 연구 그룹이 공유된 안전한 프레임워크 내에서 자신의 작업을 조율하는 모델로 이동하는 것입니다. 이 시스템은 과학자를 대체하는 것이 아니라, 연구를 늦추는 행정적, 안전적 부담을 처리합니다. 메모리를 관리하고, 보안을 집행하며, 여러 에이전트를 조정함으로써 연구자들이 과학 그 자체에 집중할 수 있도록 돕습니다. 연구팀은 이 소프트웨어를 오픈 소스로 공개하여 다른 실험실에서도 도입하고 응용할 수 있도록 했습니다. 이 시스템이 모든 실험의 성공을 보장하는 것은 아니지만, 실험이 실패했을 때 그 이유가 명확하고, 데이터가 안전하며, 학습된 교훈이 미래를 위해 보존될 수 있도록 돕는 견고한 구조를 제공합니다. 이러한 접근 방식은 강력한 인공지능을 협력적이고 다양하며 종종 예측 불가능한 학술 바이오메디컬 연구의 세계로 통합하는 데 있어 실질적인 길을 제시합니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.