Google DeepMind Co-Scientist 감염병 연구

Google DeepMind's Co-Scientist는 연구자들이 병원체가 동물에서 인간으로 이동할 때 중증 질환(예: 패혈증)을 유발하는 분자 스위치의 식별을 가속화하는 데 활용되고 있습니다. 이 AI 기반 접근법은 일반적인 2~3년의 실험 작업을 약 6개월로 단축하여 정밀한 아미노산 표적 식별 타임라인을 압축할 수 있음을 입증했습니다.

동물원성 연구에서 가설 생성 가속화

Co-Scientist는 방대한 published literature와 온라인 자원을 종합하여 연구자들이 과학적 가설을 신속하게 생성하고 우선순위를 지정할 수 있게 합니다. 실제 적용 사례에서, 케임브리지 대학교의 Clare Bryant 교수는 조류와 인간에서의 인플루엔자 연구를 위해 이 도구를 사용했습니다. 시스템에 연구 제안서와 연구 질문을 입력함으로써, 도구는 연구팀이 이전에 고려하지 않았던 새로운 방향을 포함하는 순위가 매겨진 가설 세트를 제공했습니다.

단백질 식별에서 아미노산 정밀도로

AI를 연구 워크플로에 통합함으로써 표적을 세밀하게 정제할 수 있게 되어, 광범위한 단백질 후보에서 특정 아미노산으로 이동할 수 있습니다. Clare Bryant 교수의 Co-Scientist 경험은 다음과 같은 여러 핵심 정제 단계를 포함했습니다:

1. 초기 스크리닝: 도구가 연구 제안서 요약을 분석하여 유망한 가설을 제안했습니다.
2. 상세 분석: 전체 프로젝트 제안서를 받은 후, Co-Scientist는 연구자의 레이더에 이전에 없었던 특정 단백질을 우선순위에 두었는데, 이는 관련 신호 경로와 연결되어 있었습니다.
3. 반복적 정제: 미공개 기밀 데이터를 통합함에 따라 연구자와 AI는 가설을 특정 아미노산 수준까지 구체화하기 위해 왕복 과정을 거쳤습니다.

실험 타임라인에 대한 영향

이 맥락에서 Co-Scientist의 주요 가치는 수동적인 실험 시도와 오류를 줄이는 것입니다. Clare Bryant 교수 팀은 현재 식별된 아미노산 돌연변이를 포함하는 세포 라인을 구축하여 AI의 정제된 가설을 테스트하고 있습니다. 이 과정은 6개월 내에 완료될 것으로 예상되며, 전통적인 실험 방법은 동일한 수준의 표적 식별에 도달하기 위해 일반적으로 2~3년이 필요합니다.

"Co-Scientist는 전체 published literature와 온라인 자원을 통합하여 내가 더 나은 질문을 할 수 있도록 도와줍니다. 데이터가 풍부한 분야에서 내가 놓칠 수 있는 것을 포착하고 우선순위를 지정하도록 도와주어, 내 팀이 실험실에서 올바른 질문에 집중할 수 있게 합니다." — Clare Bryant 교수, 케임브리지 대학교