AI가 만든 생화학 네트워크, 많이 맞혀도 제대로 작동하지 않았다

대규모언어모델이 논문에 흩어진 생물학 지식을 연결해 세포 안의 반응망을 만들 수 있을까. 버지니아대 등 미국 연구진은 GPT-5.2 Pro, Gemini 3.0 Pro-preview, Claude Opus 4.6에 유전자와 단백질 목록을 주고 어떤 요소가 다른 요소를 촉진하거나 억제하는지 구조화된 JSON으로 작성하게 했다. 결과를 사람이 오랫동안 문헌과 실험으로 검증한 네트워크와 비교했다.

심장비대, 섬유아세포, 기계신호전달 등 세 신호 네트워크에서 LLM은 기준 반응의 24.07~64.53%를 복원했다. 리간드와 수용체처럼 널리 알려진 상호작용은 비교적 잘 찾았지만 세포 종류에 특화된 유전자 조절과 물리적 조절은 약했다. 모델이 기준망에 없는 연결을 많이 만들기도 해 단순 정확도보다 정밀도와 재현율을 함께 봐야 했다.

대장균 반응 90%를 찾아도 성장 예측은 실패할 수 있다

연구진은 대장균의 핵심 대사망도 재구성하게 했다. 세 모델이 수작업 기준 반응의 63.63~90.90%를 찾아 신호 네트워크보다 구조적 복원률은 높았다. 그러나 만들어진 대사망으로 여러 탄소원을 먹고 세포가 성장할 수 있는지 계산하자 다수 네트워크에서 해를 구할 수 없거나 모든 기질에서 성장을 예측하지 못했다. 중요한 연결 몇 개가 빠지면 반응 목록 대부분이 맞아도 전체 시스템은 작동하지 않는다.

일부 Gemini와 Claude 결과는 기준모형에 가까운 성능을 보였지만 반복 출력 사이 편차가 있었고, 기준망에 없다는 이유로 오답으로 분류된 연결 중 실제 생물학적으로 가능한 관계가 있을 수도 있다. 반대로 문헌에서 자주 언급된 관계를 그럴듯하게 나열하는 것과 질량보존·화학량론을 만족하는 계산모형을 만드는 것은 다른 문제다.

eLife 평가는 성능검증 체계와 결과를 설득력 있다고 보면서도 현재 접근을 전문가 대체로 해석하지 않는다. 연구진은 LLM이 후보 연결을 제안하고 다른 에이전트나 사람이 비판·승인하는 혼합형 절차를 제안했다. 생물학 AI에서는 생성량보다 기준모형과 독립 실험, 기능 시뮬레이션으로 틀린 연결과 빠진 핵심 반응을 찾아내는 검증층이 더 중요하다는 결과다.