생물학과 의학의 큰 전환점 상당수는 자연이 만들어낸 방대한 분자 기계 가운데 무언가 이상한 것을 알아챈 과학자의 관찰에서 출발했다. 특정 짧은 염기서열에서 DNA를 자르는 제한효소는 세균 면역계에서 발견되어 유전자를 잘라 붙이는 유전공학의 문을 열었고, 옐로스톤 온천의 세균에서 나온 Taq 중합효소는 PCR의 기반이 됐다. CRISPR 역시 처음에는 일부 세균 DNA에 존재하는 특이한 반복 서열로 눈에 띄었을 뿐이었지만, 지금은 유전자 편집 치료제의 토대가 됐다. 앤트로픽이 새로 꾸린 생명과학 연구팀과 실험실이 내놓은 초기 결과는 바로 이 '이상함을 알아채는' 과정을 AI가 수행할 수 있음을 보여준다.
앤트로픽은 2026년 봄에 만든 생명과학 연구 그룹에서 클로드 에이전트가 자율적으로 새로운 효소 시스템을 발견했다고 밝혔다. 연구진이 준 것은 방대한 DNA 서열 데이터베이스에서 흥미로운 역전사효소(RT) 사례를 찾으라는 초기 프롬프트뿐이었다. 이후 약 950개의 에이전트가 21시간 동안 2억 1,000만 토큰을 써가며 데이터를 훑었고, 그중 한 에이전트가 이상하게 생긴 RT 유전자 옆에서 반복되는 DNA 서열 패턴을 포착했다. 실험실 분석과 검증을 거쳐 연구진은 이것이 박테리오파지(세균을 감염시키는 바이러스)에서 발견된 미확인 효소 시스템임을 확인했고, 이를 '배열 연관 역전사효소(ART, array-associated reverse transcriptases)'라 이름 붙였다.
클로드가 찾아낸 것
ART는 세 부분으로 이뤄져 있다. RT 효소, 그 옆에 붙은 파트너 유전자, 그리고 균일한 간격으로 늘어선 긴 DNA 반복 서열 배열이다. 이 반복 배열의 구조는 CRISPR 배열을 닮았다. CRISPR가 프로그래밍 가능한 생명공학 도구가 될 수 있었던 이유가 바로 서로 다른 RNA 서열을 저장하는 이 배열 구조에 있다. 실제로 연구진의 첫 실험에서 ART 배열도 여러 개의 짧은 RNA로 발현되는 것으로 나타나, 유사한 원리가 작동할 가능성을 시사했다. 기반이 되는 RT 자체는 점보 파지에서 앞선 연구를 통해 이미 확인됐던 것이지만, 비암호화 DNA 반복 배열과 기능 미상의 보조 단백질이라는 이 시스템의 결정적 특징을 처음 알아본 것은 클로드였다는 설명이다. 이런 특징이 함께 나타나는 사례는 지금까지 극소수의 시스템에서만 발견됐고, 그것들은 모두 DNA를 자르고 복사하고 붙이는 프로그래밍 가능한 시스템이었다.
실무자가 주목할 작업 방식
실무적으로 흥미로운 대목은 결과 못지않게 그 과정에 있다. 클로드는 특정 단백질 계열을 조사할 때 먼저 관련 문헌을 읽고 공개 데이터로 기존 결과를 재현해 자기 방법을 점검한다. 그다음 기술된 어떤 시스템에도 들어맞지 않는 구성원이나 유전체상 이웃 유전자를 찾아, 후보마다 기능 가설과 근거를 담은 사람이 읽을 수 있는 짧은 보고서를 작성한다. 이어지는 분석에서는 스스로 근거를 비판적으로 검토해 대부분의 후보를 탈락시킨다. 이번 캠페인에서 클로드는 20만 개가 넘는 RT를 모아 3,500개의 새 후보 시스템을 추렸고, 이를 다시 가장 유망한 20개로 좁혀 상세 보고서를 만들었다. 숙련된 과학자에게는 수주에서 수개월이 걸릴 작업이다.
주목할 점은 가설 자체가 연구 대상이 됐다는 것이다. 한 번의 캠페인에서 수백에서 수천 건의 후보 보고서가 쏟아지자, 연구진은 '검증할 가치가 있는 제안'과 '제쳐둔 제안'을 가르는 기준이 무엇인지 되묻기 시작했다. 여기서 얻은 통찰은 다시 클로드에게 주는 지시로 반영돼, AI가 연구진의 과학적 안목을 모방하도록 학습시키는 재료가 된다. 이들은 특별한 도구가 아니라 여느 과학자도 쓸 수 있는 클로드 사이언스와 클로드 코드에서 작업하며, 때로는 여러 세션을 병렬로 돌리는 자체 하네스를 함께 활용한다.
남은 한계와 맥락
다만 신중히 읽어야 할 부분이 분명하다. ART의 주된 기능은 아직 밝혀지지 않았고, 반복 배열이 짧은 RNA로 발현된다는 관찰 외에 구체적인 작동 원리는 실험이 진행 중이다. 실험실 작업은 전부 사람이 수행하며, 인체 감염 병원체는 다루지 않는 BSL-1·BSL-2 수준의 낮은 위험 범위에서만 연구가 이뤄진다. CRISPR 유전자 편집을 개척한 MIT·브로드연구소의 펑 장 교수가 사전 논문(pre-print)을 검토했다는 사실도 공개됐다. 연구진은 결과가 확정되기 전이라도 이를 조기에 공유하는 이유로 클로드의 능력을 보여주고 연구 방향을 커뮤니티와 나누기 위함이라고 밝혔다.
결국 이번 발표의 핵심은 특정 효소 하나의 발견이 아니라, AI가 방대한 서열 데이터에서 이상 신호를 자율적으로 포착하고 분석을 스스로 끌고 가 생물학적 발견의 실마리를 여는 워크플로가 실제로 작동했다는 점이다. 앤트로픽은 생명과학 전문가에게 더 완화된 안전장치와 함께 모델 접근을 제공하는 생명과학 검증 프로그램(LSVP)을 운영하며, 유전체학을 비롯한 여러 분야로 이 접근을 확장할 연구 협력을 열어두고 있다. 국내 바이오·헬스케어 연구 현장에서도 대량 가설 생성과 후보 선별을 사람의 판단과 결합하는 이 방식이 어디까지 실용성을 가질지 지켜볼 만하다.