인공지능 모델이 단일 단백질 접힘 구조를 예측하던 연산 단계를 넘어 생명체 전체의 전장 유전체 코드를 직접 생성하는 영역으로 진입했습니다. 엠아이티 테크놀로지 리뷰(MIT Technology Review)는 생성형 유전체 파운데이션 모델 에보(Evo)를 활용해 바이러스 유전체 청사진을 설계한 스탠퍼드대학교(Stanford University) 생명공학 박사과정 연구원 새뮤얼 킹(Samuel King)과의 라운드테이블 대담을 2026년 10월 16일 공개했습니다. 이번 연구는 스탠퍼드대 화학공학과 브라이언 하이(Brian Hie) 교수와 아크 연구소(Arc Institute) 연구팀이 함께 진행했으며, 복수 유전자와 조절 인자가 상호작용하는 바이러스 유전체 전체를 생성형 인공지능으로 일괄 설계해 현실 생물학적 활성을 입증한 사례입니다. 연구팀은 유전체 파운데이션 모델 에보 2(Evo 2)를 박테리오파지 파이엑스174(phiX174) 템플릿에 맞춰 파인튜닝하는 방식을 취했습니다. 생성된 가상 설계 가운데 285개를 실제 물리적 DNA로 합성한 결과, 이 중 16개가 대장균을 감염시키고 사멸시키는 생존 가능한 바이러스로 온전히 발현했습니다. 이번 실증에서 주목할 부분은 기능성 검증 수치입니다. 생성형 인공지능이 설계한 후보 유전체 285개 합성 대비 16개 유전체 발현으로 약 5.6%의 성공률을 기록했습니다. 인공지능이 생성한 바이러스 중 일부는 자연형 phiX174 바이러스와 비교했을 때 번식력과 박테리아 용균 속도 지표에서 오히려 더 우수한 성능을 기록했습니다. 이들 바이러스를 조합한 칵테일은 자연 바이러스에 내성을 획득한 세 가지 대장균 변종까지 완전히 제거했습니다. 이러한 결과는 거대 기반 모델의 데이터 스케일 확장이 생체 유전체 도메인에서도 성능 향상으로 직결됨을 보여줍니다. 에보 유전체 파운데이션 모델의 학습 데이터 규모는 박테리아 및 파지 DNA 중심이던 에보 1(Evo 1)의 3000억 염기쌍에서 에보 2(Evo 2)에 이르러 모든 생명체 영역을 포괄하는 8조 8000억~9조 3000억 염기쌍으로 26배 이상 확장되었습니다. 학습 데이터 토큰 규모가 3000억 개 수준에서 9조 개 안팎으로 대폭 커지면서 유전자 간의 복잡한 비선형 조절 메커니즘을 모델 파라미터가 정확히 모사할 수 있게 된 것입니다. 브라이언 하이 조교수는 박테리아가 단일 파지에 내성을 획득하면 치료가 무력화되지만 유전적으로 구별되는 여러 파지를 혼합물 형태로 구축하면 박테리아가 전체 칵테일에 내성을 갖추기 훨씬 어려워진다고 설명하며, 항생제 내성 수퍼박테리아를 표적 치료하는 파지 치료제 개발의 유용성을 강조했습니다. 반면 인공지능 유전체 설계 기술의 급진적 도약은 심각한 바이오 안보(biosecurity) 사각지대를 수면 위로 끌어올렸습니다. 연구팀은 인간 감염 위험을 원천 차단하기 위해 박테리아만을 숙주로 삼는 비병원성 박테리오파지만을 설계 대상으로 한정했고 사전 학습 데이터에서도 인간 감염 바이러스 염기서열을 전면 배제하는 가드레일을 적용했습니다. 그러나 수전 모나레즈(Susan Monarez) 전 미국 질병통제예방센터(CDC) 디렉터는 악의적 행위자가 겉보기에 합법적인 연구를 위장해 사전에 인지하거나 유출 후 통제하기 어려운 병원체를 생성할 수 있는 위험을 지적했습니다. 현재 상업용 DNA 합성 업체의 스크리닝 체계는 자연계에 이미 등재된 병원체 염기서열 데이터베이스와 대조하는 방식에 머물러 있어, 인공지능이 새롭게 조합한 미지의 합성 염기서열을 걸러내기 어렵다는 구조적 한계가 존재합니다. 결국 유전체 생성 파운데이션 모델은 제약 바이오 연구개발의 파이프라인 단가를 낮추는 동시에 새로운 인프라 거버넌스 비용을 요구하고 있습니다. 후보물질 285개 중 16개 유효체를 확보한 5.6%의 스크리닝 적중률은 무작위 합성 대비 유의미한 효율 개선을 증명하지만, 모델 가중치 배포와 대규모 DNA 합성 주문 단계에서 검증 인프라를 구축하지 못하면 규제 리스크가 기업 도입의 최대 장벽으로 작용할 수 있습니다. 글로벌 규제 당국이 가상 유전체 생성 연산을 단순 컴퓨팅이 아닌 잠재적 생물안보 규제 틀로 편입하려는 움직임을 본격화함에 따라, 신약 개발 조직들은 합성 파이프라인의 속도뿐 아니라 유전체 합성 검증 체계에 투입되는 운영 비용을 사전에 산정해야 하는 시점에 도달했습니다.