AI가 설계한 박테리오파지 16종, 실험실에서 실제 감염 성공

AI가 단백질 구조나 유전자 조각을 예측하는 단계를 넘어, 작동하는 바이러스 유전체 전체를 설계했다. Science에 2026년 8월 6일 게재된 연구에서 Stanford University와 Arc Institute 연구진은 genome language model로 박테리오파지 후보를 만들고, 합성한 설계 중 16종이 실제로 E. coli를 감염시키고 증식한다는 점을 확인했다.

대상은 사람을 감염시키는 병원체가 아니라 E. coli를 숙주로 삼는 ΦX174 계열 박테리오파지다. 연구진은 자연계 ΦX174를 설계 템플릿으로 삼고, 유사한 박테리오파지 유전체 수천 개로 모델을 미세조정했다. Arc Institute는 앞서 관련 설명에서 285개 시험 설계 중 16개가 적절한 박테리아 균주에서 증식하고 성장을 억제했으며, 무관한 균주에는 영향을 주지 않는 host tropism을 보였다고 밝혔다. 이번 Science 논문은 이 결과가 동료심사를 거쳐 공개됐다는 점에서 무게가 다르다.

읽을 만한 지점은 숫자 자체보다 경계선이다. 16종은 작은 유전체와 박테리아 감염체에 한정된 결과지만, AI가 자연계에 없는 전체 바이러스 설계를 만들고 실험실 검증까지 통과했다는 사실은 생물학 설계 자동화의 기준선을 끌어올린다. 연구진은 인간 감염 바이러스 데이터를 제외하는 등 안전장치를 뒀고, Arc Institute는 생성된 서열이 병원성 바이러스 단백질에 대해서는 사실상 무작위에 가깝다는 red-teaming 결과를 제시했다.

동시에 논점은 생물보안으로 이동한다. Science Media Centre에 실린 전문가 반응은 이 연구가 항생제 내성 박테리아를 겨냥한 phage therapy에는 의미 있는 진전이지만, 더 강력한 생물학 모델과 DNA 합성 인프라가 결합될 때 현재 규제가 충분한지 묻는 계기가 된다고 짚었다.

다음 관전점은 모델 공개와 실험 검증 사이의 통제 방식이다. AI 모델만 막는 접근은 부족하다. 학계와 규제기관은 학습 데이터 제한, DNA 합성 주문 스크리닝, 실험실 생물안전 절차를 함께 다뤄야 한다. 이번 결과는 위험을 과장할 필요 없이도 충분히 중요하다. AI가 생물학을 ‘읽는’ 도구에서 유전체를 ‘쓰는’ 도구로 이동했다는 실험적 증거이기 때문이다.