OpenAI, GPT-Rosalind 에이전트 수천 개로 쥐 뇌 데이터 32분 분석

OpenAI가 PerturbAI, Scripps Research와 함께 GPT-Rosalind 기반 AI 에이전트 수천 개를 동시에 돌려 쥐 뇌세포 수백만 개의 기존 실험 데이터를 32분 만에 분석했다. 에이전트는 유전자 교란이 세포에 미친 영향을 과학 문헌과 연결해 알츠하이머병과 파킨슨병 연구에 참고할 만한 생물학적 연결 고리를 찾았다고 OpenAI는 밝혔다.^1,2

연구팀은 같은 분석과 문헌 검토를 사람이 교란 하나씩 진행하면 몇 달에서 1년이 걸릴 것으로 추정했다. 분석 결과로 만든 '추론 아틀라스(Reasoning Atlas)'는 공개돼 있어, 연구자는 관련 유전자를 비교하거나 예상 밖 반응을 살펴볼 수 있다. 이 연구의 논문은 심사 전 단계인 프리프린트로 bioRxiv에 올라와 있다고 The Decoder가 전했고, GitHub 저장소의 인용 정보도 같은 내용을 담고 있다.^1,2,3

에이전트 수천 개에 일을 나눈 방식

분석 대상은 쥐 뇌 전체를 다룬 CRISPR 아틀라스다. 유전자를 교란했을 때 뇌의 세포 유형별로 어떤 변화가 생기는지 보여 주는 데이터셋이다. OpenAI는 수천 개의 에이전트에 작업을 나누는 이 방식을 분산 생물학적 추론이라고 부른다.

에이전트 하나는 유전자 교란 하나를 맡아 세포 반응을 분석하고, 과학 문헌을 검색하고, 결과에 대한 설명을 제안했다. 이 보고서들을 모아 유전자, 세포 변화, 관련 논문, 가능한 생물학적 기전을 잇는 추론 아틀라스를 만들었다.

OpenAI에 따르면 에이전트는 사람이 분석해 얻은 결과를 재현하면서 추가 단서도 찾았다. 새로움과 과학적 가치에 대한 에이전트의 평가는 결과를 가린 채 평가한 사람 전문가의 판단과 대체로 일치했다. OpenAI는 이 결과가 제안된 기전을 검증할 후속 실험의 우선순위를 정하는 데 쓰일 수 있다고 밝혔다.²

에이전트가 찾은 단서

에이전트는 세포 성장·대사·노화를 조절하는 mTOR를 함께 통제하는 두 유전자 Tsc1과 Tsc2의 뜻밖의 차이를 짚었다. 두 유전자를 교란하면 여러 신경세포 집단에서 비슷한 영향이 나타났다. 그런데 운동 조절을 돕는 소뇌에서는 Tsc2를 교란했을 때 신경 소통에 관여하는 유전자 수십 개의 활동이 달라졌고, Tsc1은 변화가 거의 없었다.

OpenAI는 이 차이가 사람의 질환과 관련될 수 있다고 설명했다. 결절성 경화증 환자의 소뇌 이상은 TSC2 돌연변이와 강하게 연관돼 있다. mTOR 활동을 줄이는 약은 일부 뇌종양과 발작에 쓰이지만, 결절성 경화증에 따른 학습·행동 어려움은 여전히 다루기 어렵다. 에이전트가 짚은 특정 신경세포 집단과 세포 변화는 기존 약이 바로잡을 수 있는 변화가 무엇인지, 새 치료 접근이 필요한 변화가 무엇인지 실험실에서 가려낼 질문이 된다고 OpenAI는 밝혔다.

다른 단서는 DCTN1에서 나왔다. 이 유전자의 돌연변이는 파킨슨병과 비슷한 증상이 나타나는 신경퇴행성 질환인 페리 증후군을 일으킨다. DCTN1은 신경세포 안에서 물질을 옮기는 일에 관여한다. 아틀라스에서 Dctn1을 교란하자 콜레스테롤을 만드는 유전자의 발현이 늘었다.

에이전트는 이 관찰을 콜레스테롤 수송에 문제가 생기면 세포가 콜레스테롤을 더 만들 수 있다는 연구와 연결했다. 그 결과 DCTN1 교란이 신경세포 안의 콜레스테롤 분포를 바꾸고 신경퇴행에 기여하는지, 정상 분포를 되찾으면 신경세포를 보호할 수 있는지라는 후속 실험 질문이 나왔다. 사람 전문가들도 이 가설을 새롭고 중요하며 후속 연구할 가치가 있다고 평가했다고 OpenAI는 밝혔다.²

에이전트 하나와 수천 개의 비교

연구팀은 전체 데이터를 에이전트 하나에 맡겨도 같은 결과가 나오는지 모델과 자원을 고정하고 시험했다. 작업량이 커질수록 에이전트 하나가 훑는 문헌은 줄어, 가장 큰 작업량에서는 참고문헌을 11건만 인용했다. 분산 에이전트는 700건이 넘게 인용했다.²

결과를 가린 비교에서 사람 전문가는 분산 에이전트의 보고서를 단일 에이전트 보고서보다 75% 선택했다. OpenAI는 과학자가 시간이 한정돼 가장 강한 신호에 집중하는 경향이 있다고 설명하며, 분산 에이전트는 미묘하거나 예상 밖인 반응까지 폭넓게 살펴 관련 문헌과 잇는다고 밝혔다.^1,2

결과를 직접 살펴보는 방법

연구 코드와 결과물은 GitHub 저장소 jinlabneurogenomics/distributed_agent에 공개돼 있다. MIT 라이선스는 이 저장소의 소프트웨어와 부속 문서에 적용된다. 저장소에는 설치 없이 결과를 둘러볼 수 있는 호스팅 사이트가 안내돼 있는데, 커스텀 도메인을 쓸 수 없어 임시 주소로 운영 중이라고 한다. MCP를 지원하는 AI 어시스턴트를 이 코퍼스에 연결하면 연구 결과(Findings), 주장(Claims), 근거 자료, 릴리스별 분석 도구를 읽기 전용으로 쓸 수 있다. 이 저장소는 연구진이 운영하는 커뮤니티 자료다.

Codex가 설치돼 있으면 저장소의 안내대로 codex mcp add 명령으로 Shi 코퍼스와 Shi 홀드아웃 코퍼스를 각각 연결하고 codex mcp list로 설정을 확인한다. 이 연결에는 별도 계정이나 API 키가 필요 없지만 평소 쓰는 계정과 사용량 조건은 그대로 적용된다.

호스팅 서버에는 원본 데이터 파일이 없어 데이터에서 통계를 직접 다시 계산하는 작업은 하지 못한다. 그런 작업이나 논문 분석 재현에는 저장소를 내려받아 Git LFS로 데이터를 받고 로컬에서 실행해야 한다. 로컬 실행은 기본적으로 Codex CLI를 쓰며, 저장된 분석을 재현하는 데는 모델 호출이나 API 자격 증명이 필요 없다고 저장소는 안내한다.³

OpenAI는 과학자가 발견의 중심에 남는다고 밝혔다. AI는 연구자가 어떤 아이디어를 추구하고 어떤 실험을 설계할지 정하는 일을 돕는 도구라는 설명이다.²