수천 개 AI 에이전트가 뇌세포 데이터에서 연구 가설을 찾았습니다 — 아직 동료심사 전 프리프린트입니다
OpenAI·PerturbAI·Scripps Research 연구진은 대규모 생물학 데이터를 여러 AI 에이전트가 병렬로 분석하는 “distributed biological reasoning” 방식을 공개했습니다. 연구진은 전체 뇌 Perturb-seq 데이터에서 1,946개의 유전자 교란을 각각 독립 에이전트에 맡겨 세포 반응과 관련 문헌을 분석하게 했습니다.
핵심 사실
OpenAI·PerturbAI·Scripps Research 연구진은 대규모 생물학 데이터를 여러 AI 에이전트가 병렬로 분석하는 “distributed biological reasoning” 방식을 공개했습니다. 연구진은 전체 뇌 Perturb-seq 데이터에서 1,946개의 유전자 교란을 각각 독립 에이전트에 맡겨 세포 반응과 관련 문헌을 분석하게 했습니다. OpenAI는 수백만 개의 생쥐 뇌세포 데이터를 약 32분 동안 분석했으며, 분산 에이전트가 단일 에이전트보다 더 많은 문헌을 탐색하고 후속 실험 후보를 제안했다고 설명했습니다.
공개된 bioRxiv 원문에서는 분산 에이전트가 일부 평가에서 단순 기준선과 단일 에이전트보다 높은 성능을 냈다고 보고했습니다. OpenAI는 가장 큰 작업에서 분산 에이전트가 700건이 넘는 참고문헌을 인용한 반면 단일 에이전트는 11건을 인용했고, 블라인드 평가에서 인간 전문가가 분산 에이전트 보고서를 단일 에이전트보다 75%의 경우 선호했다고 설명했습니다. 연구진은 DCTN1 교란과 콜레스테롤 대사·신경퇴행의 연결 등 후속 실험이 필요한 가설도 제시했습니다.
배경
대규모 단일세포·유전자 교란 실험은 수백만 개 세포와 수천 개 조건을 동시에 만들 수 있지만, 모든 결과를 연구자가 문헌과 대조해 해석하는 데는 많은 시간이 필요합니다. 연구진은 하나의 에이전트에 전체 데이터를 맡기기보다 작은 분석 단위로 쪼개 여러 에이전트가 동시에 탐색하도록 했습니다.
의미
AI가 과학자를 대신해 발견을 확정했다기보다, 사람이 놓칠 수 있는 후보 가설과 문헌 연결을 넓게 탐색하는 연구 보조 도구로 활용될 가능성을 보여줍니다. 특히 대규모 실험에서 후속 실험의 우선순위를 정하는 단계에 의미가 있습니다. 하지만 제안된 생물학적 연결은 실제 실험으로 재현돼야 하며 치료 효과를 입증한 결과가 아닙니다.
확인한 것과 불확실한 것
OpenAI의 연구 설명과 bioRxiv 원문을 직접 확인했습니다. 논문은 10월 16일 bioRxiv에 올라온 프리프린트로 동료심사를 거친 출판 논문이 아닙니다. 저자 중 OpenAI와 PerturbAI 직원이 포함돼 있고 이해관계도 원문에 공개돼 있습니다. 연구진이 보고한 속도·문헌 수·평가 결과는 해당 실험 설정에서 나온 수치이며 다른 생물학 데이터셋에서 동일한 성능이 보장되지는 않습니다.
추가 취재할 독자의 질문
분산 에이전트가 제안한 가설 중 실제 후속 실험에서 재현되는 비율이 얼마나 되는지, 문헌 검색 과정에서 잘못된 인용이나 과도한 추론을 어떻게 걸러내는지가 핵심입니다. 동일 데이터와 평가 기준을 사용한 독립 연구팀의 재현 결과도 필요합니다.
출처
OpenAI — Using thousands of AI agents to uncover new leads in biological data bioRxiv — Distributed AI agents enable comprehensive discovery of biological insights at scale