이번 발견이 구체적으로 무엇인가
2025년 8월, Anthropic이 공식 블로그에서 밝힌 내용: Claude가 자율 연구를 수행하던 중, 기존에 보고된 적 없는 CRISPR-like 반복 서열을 가진 새로운 효소계를 발견했다. 핵심은 '예측'이 아니라 진짜 발견이라는 점이다. 해당 메커니즘은 NCBI, UniProt 등 공개 데이터베이스에 기록이 없었으며, 습식 실험(wet-lab)을 통해 실험 데이터로 검증까지 마쳤다.
출처: Anthropic 공식 공지
LLM이 생물학 분야에서 성과를 내는 것 자체는 새삼스러운 일이 아니다. AlphaFold의 단백질 구조 예측, DNA 서열 분류, 문헌 마이닝까지 이미 사례가 있다. 하지만 '스스로 가설을 세우고, 생화학 메커니즘 수준의 설명을 제시하며, 인간의 실험으로 검증받는' 것까지 해낸 건 이번이 처음이다. Anthropic 측의 공식 글은 상당히 담백한 톤이지만, Hacker News 메인 페이지의 반응만 봐도这件事의 무게를 가늠할 수 있다.
유전체 서열에서 습식 실험대로 가는 과정
흐름은 생각보다 '산업화'되어 있다:
- 데이터 필터링. 공개된 미생물 메타게놈(metagenomic) 데이터베이스를 Claude의 컨텍스트에 넣고, 특정 모티프(motif)를 포함한 서열 클러스터를 스캔하게 한다. 핵심 타깃은 CRISPR-like 반복 서열로, 규칙적인 간격을 둔 짧은 반복이 특징이며, 지난 10년간 세균에서 다양한 기능성 시스템이 발견된 바 있다.
- 가설 생성. Claude가 후보 시스템, 예상 단백질 구성, 추정 생화학 기능, 그리고 유전적 이웃(genomic neighborhood) 단서를 출력한다. 인접 유전자는 종종 기능에 대한 힌트를 준다.
- 습식 실험. 이 단계는 인간 연구자가 수행한다. 후보 유전자를 클로닝하고, 단백질을 발현시켜, in vitro 절단 실험을 돌려서预期的 활성이 있는지 확인한다.
- 데이터 재투입. 실험 결과를 다시 Claude에 입력해 가설을 수정하거나 다음 단계를 추론하게 한다.
1~2단계는 Claude가 자율적으로 수행하고, 3단계는 반드시 실험실이 필요하며, 4단계에서 비로소 루프가 닫힌다.
이 경계를 정확히 이해하는 것이 중요하다. 아직 pipette을 직접 들 수는 없지만, '검증 가능한 가설을 제시하는 일'은 빠르고 정확하게 해낸다.
Hacker News 145점이 의미하는 것
해당 게시물(item?id=49820134)은 HN 메인에서 145점, 댓글 118개를 기록했다. 다소 생물학 쪽으로 치우친 AI 뉴스치고는 비정상적으로 높은 수치다. HN의 주요 사용자층은 엔지니어이지 생물학자가 아니다.
댓글 반응은 크게 세 갈래로 나뉜다:
- 회의파: "표본 크기는? 대조군은? 혹시 기존에 알려진 것을 재포장한 건 아닌가?"—과학 커뮤니티의 건강한 의심 본능이다.
- 낙관파: "독립 재현이 된다면, AGI for biology의 preprint다."—교과서에 실려야 한다는 논의까지 오갔다.
- 방법론파: "문제는 프롬프트 엔지니어링과 데이터 필터링을 어떻게 했는지인데, 논문에 공개되지 않았다."—엔지니어 시선에서의 재현성·프로세스 투명성 지적이다.
득표 수가 많은 댓글 중 가장 본질을 짚는 한 마디가 있었다: "AlphaFold는 이미 알려진 구조를 예측한 것이고, Claude는 바다에서 아무도 보지 못한 물고기를 건져 올린 거다." 이것이 과거 몇 년간 AI가 생물학에서 낸 결과들과 이번 사건을 가르는 가장 큰 차이다.
AlphaFold와 무엇이 다른가
AlphaFold는 예측 도구다. 단백질 서열을 넣으면 3D 구조를 뱉어낸다. 단백질 자체는 인간이 이미 그 존재를 아는 것이고, 구조만 몰랐던 경우다.
Claude가 이번에 한 일은 다음과 같다. 데이터베이스에서 아무도 기술한 적 없는 메커니즘을 식별하고, 기능을 추론하고, 실험으로 검증받는 것. 이것은 구조 예측이 아니라 메커니즘 발견이다.
| AlphaFold | 이번 Claude | |
|---|---|---|
| 입력 | 알려진 단백질 서열 | 대규모 미주석 유전체 |
| 출력 | 3D 구조 예측 | 신규 메커니즘 가설 |
| 검증 | 기존 실험 구조와 대조 | 새로운 습식 실험 필수 |
| 성격 | 보간(interpolation) / 피팅 | 외삽(extrapolation) / 발견 |
외삽은 보간보다 한 차원 더 어렵다. LLM이 외삽 과제에서 습식 실험 루프까지 통과시켰다는 점은 능력이 한 단계 올라갔다는 신호다.
진짜 분기점은 습식 실험 검증이다
지난 몇 년간 AI가 생물학에서 낸 결과의 绝大多数는 in silico, 즉 순수 계산에 머물렀다. 습식 실험으로 가지 않은 이유는 명확하다.
- 습식 실험의 진입장벽이 높다. 실험실, 장비, 시약, 기술을 아는 사람이 필요하다.
- 심사 기준이 더 엄격하다. 데이터 없이는 논문 발표가 사실상 어렵다.
- 재현 주기가 길다. 한 번의 검증 실험에 수 주에서 수 개월이 걸린다.
이번에 Anthropic은 전 구간을 돌파했다. 가설 → 실험 설계 → 습식 실험 → 데이터 재투입. 이 루프 능력이 왜 희소하냐면, AI가 더 이상 '아이디어 제공자'에 그치지 않고 실험실 연구 흐름 속 실제 협업 주체가 될 수 있음을 뜻하기 때문이다.
앞으로 확인할 부분들:
- 여러 실험실의 독립 재현. Anthropic 자체의 선택 편향을 배제해야 한다.
- 논문 디테일 공개. 프롬프트, 데이터 필터링, Claude의 추론 체인 포함.
- 효소 외 영역으로 확장. 대사 경로, 조절 네트워크, 합성생물학까지.
이 모두가 재현된다면, 12~18개월 안에 'AI 가설 우선(AI-hypothesis-first)'이라는 새로운 연구 패러다임이 등장할 것이다. 인간 연구자는 실험을 담당하고, AI는 끊임없이 가설을 공급하는 구조다.
편집자의 생각
이 사건에서 경계해야 할 것은 AI가 과학자를 대체하는 것이 아니라, '검증 가능한 가설을 제시하는 일'이라는 가장 값진 업무를 인간 손에서 상당 부분 가져갈 수 있다는 점이다.
과거 과학 발견의 핵심 병목은 두 가지였다. 후보 메커니즘을 생성하는 속도, 그리고 그것을 검증하는 비용. Claude는 이번에 첫 번째 병목을 직접 깎아내렸다. 가설은 희소품에서 라인 제품이 되었고, 습식 실험은 여전히 희소하다. 즉, 실험실에서 '가설 재고'가 폭발적으로 쌓이게 된다. 향후 12~18개월의 진짜 병목은 AI가 좋은 아이디어를 못 내는 것이 아니라, 실험실이 그것을 전부 검증할 수 있느냐가 될 것이다.
AlphaFold와의 비교에서 한 가지 반(反)합의를 짚자면, AlphaFold 이후 단백질 구조생물학자가 일자리를 잃지는 않았다. 그들은 더 어려운 구조, 약물 적용성(druggability) 설계, 동적 컨포메이션 연구로 영역을 옮겼다. 이번 Claude도 마찬가지다. 생물학자를 대체하지는 않지만, '가설을 제안하는 단계'의 한계 효용은 0으로 수렴한다. 남는 과학적 가치는 다음 세 곳에 더 집중된다. 실험 능력, 질문 능력, 그리고 어떤 가설을 시도해볼 만한지 판단하는 안목.
불확실한 부분도 있다. 이번 발견의 '신규성'이 구체적으로 어느 정도인지—완전히 새로운 시스템인지, 아니면 알려진 단백질 계열의 새로운 멤버인지. Anthropic 블로그만으로는 정보가 부족하며 정식 논문을 기다려야 한다. preprint가 나오면 HN에서 또 한 번 소란이 있을 가능성이 크다.
또 다른 미지수. Claude가 이번 작업에서 토큰을 얼마나 썼는지, 몇 회 추론 루프를 돌렸는지, 도구 호출(blast, 구조 예측, 외부 DB 조회)을 통합했는지. 이 디테일들이 이 능력을 엔지니어링해서 재사용할 수 있는지, 아니면 일회성 데모인지를 가른다.
두 가지를 주시할 예정이다. 재현 가능한 방법론 논문 한 편, 그리고 독립 실험실의 재현 결과 하나. 둘 중 하나라도 나오면, 이 사건이 비로소 진짜로 자리 잡았다고 볼 수 있다.