2026년 10월 7일, 프리실라 챈(Priscilla Chan)과 마크 저커버그(Mark Zuckerberg)가 설립한 의생명과학 연구기관 **바이오허브(Biohub)**는 전 세계 테크 및 생명과학계의 헤드라인을 장식한 대형 보도자료를 발표했습니다.

“국제적·범분야 협력체가 질병을 예측하고 치료하는 AI 모델을 위한 기초 데이터 구축에 약 20억 달러를 약정하다… 이 연계된 노력들은 전례 없는 규모로 생물학 데이터를 생성하고 통합하는 데 투입되는 약 18억 달러($1.8 billion) 규모의 자원을 대표한다. 그 결과물은 연구 커뮤니티를 위한 오픈 리소스(open resource)가 되어, 생물학 예측 모델로의 진전을 가속화하고 오픈 사이언스(open science)의 새로운 표준을 세울 것이다.” — Biohub 공식 보도자료, 2026년 10월 7일

표면적으로 이 연합체는 생명공학계의 ’맨해튼 프로젝트’처럼 보입니다. 바이오허브의 **가상 생물학 이니셔티브(Virtual Biology Initiative, VBI)**를 축으로, 산하 17개 국립연구소를 보유한 미국 에너지부(DOE), 미국 국립보건원(NIH), 구글 딥마인드(Google DeepMind), 아이소모픽 랩스(Isomorphic Labs), 메타(Meta), 그리고 영국·캐나다·일본의 정부 부처들이 총집결했습니다. 이들이 내세운 목표는 현대 계산생물학의 가장 큰 병목인 ’데이터 부족’을 해결하는 것, 즉 컴퓨터 시뮬레이션(in silico)으로 인간의 질병을 재현할 수 있는 예측형 ‘가상 세포(Virtual Cell)’ 및 가상 조직 파운데이션 모델 학습용 대규모 표준화 멀티모달 실험 데이터를 생성하는 것입니다.

그러나 화려한 보도자료의 수사를 걷어내고 1차 출처(Primary Source)에 기반한 포렌식 감사—과거 재정 원장 대조, 연방 정부 양해각서(MOU) 원문 비교, 경영진 언론 인터뷰, 바이오허브 웹사이트 심층부에 숨겨진 법적 약관, 그리고 동료 심사(peer-reviewed)를 거친 벤치마크 논문들—를 수행하면 전혀 다른 실체가 드러납니다.

18억 달러 가상 생물학 이니셔티브(VBI): 포렌식 감사 스코어카드 (2026년 10월)

감사 차원 (AUDIT DIMENSION) 1차 출처 실증적 실체 (PRIMARY-SOURCE REALITY)
1. “18억 달러” 헤드라인 자본 구조 분해 • $500M (Biohub): 5개월 전(2026년 4월) 이미 발표된 금액 재탕
• $500M+ (NIH): 신규 자금 $0 (“과거 연방 투자액” 합산)
• $500M+ (DOE): 5년간 17개 국립연구소 현물/슈퍼컴퓨터 할당 가치
• $300M (DeepMind/Isomorphic/Meta): 유일한 신규 민간 약정액
2. “오픈 사이언스의 새로운 표준” vs. 빅테크 독점 접근권 바이오허브 과학 총괄 알렉스 리브스(Alex Rives)는 로이터/악시오스 인터뷰에서 상업적 파트너(Meta, DeepMind, Isomorphic)가 학계 공개 전 ’1년 독점 엠바고(선점권)’를 갖는다고 공식 시인함.
3. 법적 약관 및 벤치마킹 금지 바이오허브의 허용 이용 정책(AUP)은 사용자가 호스팅 서비스를 통해 “모델의 동작, 한계 또는 안전장치를 평가, 벤치마크, 탐색 또는 테스트”하는 행위를 명시적으로 금지함. 배상 책임 한도는 단 $100.
4. 연방 정부의 “AI” → “SI” 수사적 용어 개작 DOE와 NIH 보도자료는 Biohub 원문의 모든 “AI” 및 “AI-ready”를 “초지능(Super Intelligence, SI)” 및 “SI-ready”로 일괄 치환함.
5. 파운데이션 모델의 실증적 성적 (딥러닝 vs. 단순 선형 모델) Ahlmann-Eltze 외(Nature Methods, 2025) 및 Kedzierska 외(Genome Biology, 2025)는 scGPT, Geneformer, scFoundation, UCE, GEARS, CPA가 단순 선형 회귀 및 가산(additive) 베이스라인에 패배함을 입증

본 심층 분석에서는 브라운과 킬리(Browne & Keeley)의 8단계 비판적 사고 및 포렌식 방법론을 적용하여 ‘가상 세포’ 경쟁 이면의 회계 장부, 법적 지배구조, 인과적 물리 법칙, 그리고 수학적 병목을 정밀 해부합니다.

Phase 1: 쟁점 분류(Issue Classification) 및 반증 가능성(Falsifiability) 기준

기술적·재무적 주장을 평가하기에 앞서, 본 조사의 핵심 질문을 두 가지 분석 축으로 명확히 분리합니다.

  1. 기술적·실증적 쟁점 (Descriptive Issue): 2026년 10월 7일 발표된 VBI 확장이 실제로 생물학 데이터 생성에 18억 달러의 순신규 자본(net-new capital)을 투입하는가? 또한 단일세포 및 멀티모달 파운데이션 모델의 스케일링(scaling)만으로 기존 모든 ‘가상 세포’ 모델이 단순 선형 회귀에 패배하게 만든 인과적 식별 불가능성(causal non-identifiability)과 조합론적 상태 공간 폭발을 극복할 수 있는가?
  2. 규범적·지배구조 쟁점 (Prescriptive Issue): 공공 과학 기관(DOE, NIH)과 대학 연구 컨소시엄이 민간 빅테크 기업(구글 딥마인드, 아이소모픽 랩스, 메타)에 기초 생물학 데이터셋에 대한 12개월 독점 엠바고(선점권)를 부여하는 데이터 생성 아키텍처를 공적 자원으로 보조해야 하는가?

반증 가능성(Falsifiability) 기준

비판을 위한 비판을 방지하기 위해, 향후 24~36개월 내에 본 보고서의 비판적 결론을 **기각(반증)**할 수 있는 구체적 실증 기준을 먼저 제시합니다.

  • 재무적 반증 기준: 연방 의회 세출 기록이나 감사된 공익법인 공시 자료에서 NIH의 5억 달러 이상 기여분이 기존 저장소(GenBank, SRA, CFDE)에 대한 과거 매몰 비용이 아니라 FY2027~FY2031 기간의 신규 습식 실험(wet-lab) 보조금으로 집행됨이 입증될 경우.
  • 과학적 반증 기준: VBI 데이터셋으로 학습된 멀티모달 파운데이션 모델이 블라인드 독립 벤치마크에서 학습 시 보지 못한 인간 일차 세포주(primary human cell types)의 비가산적(non-additive) 2중·3중 유전자 섭동(perturbation) 예측 시, 릿지 정규화 선형 모델 및 단순 가산 베이스라인(ŷ_AB = y_A + y_B - y_ctrl) 대비 L₂ 오차 및 피어슨 델타 상관계수에서 최소 25% 이상의 성능 우위를 달성할 경우.
  • 임상 중개 반증 기준: VBI 가상 세포 모델의 제로샷(zero-shot) 또는 능동 학습(active learning) 예측이 신규 임상 타깃이나 선도 물질을 직접 발굴하여, 기존 표현형 스크리닝 대비 높은 성공률로 인체 임상 2상(Phase II) 유효성 시험에 진입할 경우.

Phase 2: 1차 출처 발굴, 매몰 비용 회계 감사 및 2단 주장 괴리 매트릭스

1. 1차 출처 추적 매트릭스 (Primary Source Traceability Matrix)

본 감사의 모든 논거는 2026년 10월 기준 라이브 상태가 검증된 공식 기관 발표문, 연방 정부 문서, 법적 약관, 동료 심사 학술 논문에 기반합니다.

출처 범주 1차 문서 / 아티팩트 발행 기관 / 저자 추출된 핵심 검증 사실
핵심 발표문 가상 생물학 이니셔티브 확장 보도자료 (2026.10.07) Biohub (Chan Zuckerberg) Biohub($500M), DOE($500M+), NIH($500M+ “과거 연방 투자”), DeepMind/Isomorphic/Meta($300M)를 합쳐 약 18억 달러 규모 주장.
기초 출범 발표문 가상 생물학 이니셔티브 최초 출범 발표 (2026.04.29) Biohub (Chan Zuckerberg) Biohub의 5억 달러 약정(향후 5년간 내부 지출 $400M + 외부 보조금 $100M)이 이미 5개월 전에 발표된 금액임을 입증.
연방 정부 MOU DOE, NIH, Biohub 파트너십 공식 발표 (2026.10.06) 미국 에너지부 (DOE 과학국) DOE의 5년 $500M+ 할당을 행정명령 14363호(Genesis Mission)에 근거 지음; 모든 “AI” 표현을 “초지능(Super Intelligence, SI)“으로 개작.
연방 데이터 허브 NCBI 및 Common Fund Data Ecosystem (CFDE) 미국 국립보건원 (NIH / NLM) 과거 수년간 투입된 5억 달러 이상의 구축 비용이 이번 18억 달러 헤드라인에 합산된 기존 연방 시퀀스·오믹스 데이터베이스.
법적 지배구조 허용 이용 정책 (AUP) 및 이용약관 (Terms of Use) Biohub 법무팀 호스팅 서비스를 이용해 모델의 한계를 “평가, 벤치마크, 탐색 또는 테스트”하는 것을 금지; 총 배상 책임을 $100로 제한.
경영진 공식 시인 Reuters / TNW 보도 및 Pharmaphorum 감사 알렉스 리브스 (Biohub 과학 총괄) Meta, Google DeepMind, Isomorphic Labs가 자금을 댄 데이터셋에 대해 **1년 독점 엠바고(“head start”)**를 부여받는다는 사실 확인.
가상 세포 선언문 AI로 가상 세포를 구축하는 방법 (Cell, 2024년 12월) Bunne, Roohani, Quake, Regev, Rives, Leskovec 외 보편적 표현(Universal Representations, UR) 및 물리·화학·유전적(PCG) 섭동 예측을 위한 아키텍처 청사진 정의.
섭동 예측 감사 딥러닝 기반 유전자 섭동 효과 예측은 아직 단순 선형 베이스라인을 능가하지 못한다 (Nature Methods, 2025년 8월) Constantin Ahlmann-Eltze, Wolfgang Huber, Simon Anders scGPT, scFoundation, Geneformer, scBERT, UCE, GEARS, CPA 모두가 단순 선형 및 가산 모델에 패배함을 입증.
제로샷 성능 감사 제로샷 평가가 드러낸 단일세포 파운데이션 모델의 한계 (Genome Biology, 2025) Kasia Z. Kedzierska, Lorin Crawford, Ava P. Amini, Alex X. Lu 제로샷 클러스터링 및 배치 통합에서 scGPT와 Geneformer가 단순 상위 2,000개 고변이 유전자(HVG) 선택보다 못함을 입증.

2. “18억 달러” 헤드라인의 포렌식 회계 분해

실제 신규 민간 약정액이 3억 달러뿐인 상황에서 어떻게 “거의 20억 달러(18억 달러)“라는 헤드라인을 만들어낼 수 있을까요? 정답은 발표 재탕(recycling), 과거 매몰 비용(sunk-cost) 산입, 그리고 5년 분할 현물 시설 사용료 합산의 결합에 있습니다.

“18억 달러($1.8B)” 헤드라인의 자금 트랜치별 포렌식 회계 분해

참여 주체 트랜치 헤드라인 금액 $1.8B 중 비중 실제 현금 흐름 및 회계적 실체
1. Biohub (CZI) 내부 지출 + 외부 그랜트 5억 달러 (5년 분할) 27.8% 기존 발표 재탕: 2026년 4월 29일 발표된 동일 자금 ($400M 내부 장비/연산 + $100M 외부 대학 그랜트, 연 $20M 수준).
2. NIH (“Bio Genesis Mission”) 5억 달러 이상 (과거 누적액) 27.8% 신규 자본 $0: 보도자료 본문에서 “과거 연방 투자(prior federal investment)“로 구축된 기존 NCBI/NLM/CFDE DB 가치로 명시.
3. 미국 에너지부 (DOE “Genesis Mission”) 5억 달러 이상 (5년 분할) 27.8% 현물 시설 할당: 17개 국립연구소(JGI, EMSL, 빔라인, 엑사스케일 슈퍼컴)의 5년간 연간 약 1억 달러 상당 이용 시간 할당.
4. Google DeepMind, Isomorphic Labs, Meta 3억 달러 (5년 분할) 16.7% 유일한 신규 민간 약정: 3개사 합산 5년간 3억 달러(기업당 연평균 $20M), 현금·클라우드 연산 크레딧·자체 데이터 혼합 형태.

네 가지 기둥을 하나씩 검증해 보겠습니다.

  1. 제1기둥 — 바이오허브의 5억 달러 (2026년 4월 발표분 100% 재탕): 2026년 10월 7일 확장 발표가 나오기 정확히 5개월 전인 2026년 4월 29일, 바이오허브는 **가상 생물학 이니셔티브 최초 출범 보도자료**를 발표했습니다. 당시 발표된 금액이 정확히 5년간 5억 달러였으며, 그 내역은 바이오허브 내부 기술·장비·컴퓨팅 운영비 4억 달러와 외부 다년도 학술 연구 보조금 1억 달러(전 세계 수혜 연구실 합산 연 2,000만 달러)였습니다. 10월 7일 발표는 바이오허브 자체 약정액에 단 1달러의 신규 자금도 추가하지 않은 채, 4월의 5억 달러를 그대로 18억 달러 총액에 재산입했습니다.

  2. 제2기둥 — NIH의 “5억 달러 이상” (100% 과거 매몰 비용): 바이오허브의 10월 7일 보도자료 제2문단의 정확한 문구를 살펴보십시오.

    *“미국 국립보건원(NIH)은 본 이니셔티브에 부합하는 **5억 달러 이상의 과거 연방 투자(prior federal investment)*를 통해 개발된 관련 데이터셋, 저장소 및 지식 베이스를 조정(coordinating)하고 있다.”

    NIH는 새로운 섭동 실험을 위해 5억 달러짜리 수표를 끊는 것이 아닙니다. 과거 수년간 납세자의 세금으로 이미 구축해 놓은 미국 국립생물공학정보센터(NCBI), 국립의학도서관(NLM), 그리고 공통기금 데이터 생태계(CFDE)의 과거 누적 구축 비용을 “신규 18억 달러 약정”의 일부로 계산한 것입니다. 만약 상장 기업이 수년 전 이미 지출 완료된 과거 인프라 매몰 비용 5억 달러를 ’신규 자본 투자 약정’으로 계상한다면 즉각 증권거래위원회(SEC)의 회계 감리 및 재무제표 수정 명령을 받게 될 것입니다.

  3. 제3기둥 — DOE의 “5억 달러 이상” (5년간 현물 연구시설 할당): 미국 에너지부(DOE)의 2026년 10월 6일 공식 발표에 따르면, DOE는 행정명령 14363호(제네시스 미션 출범(Launching the Genesis Mission), 2025년 11월 24일 서명)에 의거하여 법적 구속력이 없는 양해각서(MOU)를 체결했습니다. 17개 국립연구소에 걸쳐 5년간 배분되는 이 금액(연간 약 1억 달러, 연구소당 연평균 약 580만 달러)은 주로 기존 DOE 과학국 산하 사용자 시설(User Facilities)—엑사스케일 슈퍼컴퓨터 연산 시간, 싱크로트론 X선 및 중성자 빔라인, 합동유전체연구소(JGI), 환경분자과학연구소(EMSL), 그리고 기존 DOE 데이터 파이프라인(BioDataNexus BRIDGE, LAMBDA, OPAL)—의 현물 사용 가치를 환산한 것입니다.

  4. 제4기둥 — 딥마인드, 아이소모픽 랩스, 메타의 3억 달러 (5년간 현금·연산 크레딧 혼합): 10월 7일 확장 발표에서 순수하게 새로 추가된 민간 부문 약정은 구글 딥마인드, 아이소모픽 랩스(알파벳의 신약 개발 자회사), 메타 3개사가 합산한 3억 달러뿐입니다. 3개 기업이 5년 프로젝트 기간에 걸쳐 나누면 **기업당 연평균 2,000만 달러($20M/yr)**로, 이는 **알파벳과 메타의 연간 합산 AI 설비투자(CapEx)의 약 0.03%**에 불과합니다. 심지어 바이오허브 보도자료 자체가 인정하듯, 이 금액조차 *“전액 현금이 아니며, 가치의 상당 부분은 데이터, 컴퓨팅 연산, 새로운 측정 기술 형태로 제공”*됩니다.

3. 제도적 배경: 2025~2026년 CZI 구조조정과 EvolutionaryScale 인수합병(Acqui-Hire)

바이오허브가 왜 상업적 빅테크 기업들과 연방 슈퍼컴퓨팅 시설을 중심으로 VBI 확장을 설계했는지 이해하려면, 2024년 말부터 2026년 중반 사이 챈 저커버그 이니셔티브(CZI) 내부에서 일어난 급격한 전략 선회를 추적해야 합니다.

  • EvolutionaryScale 파트너십 및 알렉스 리브스 영입 (2025년 11월): 2025년 11월, 바이오허브는 메타 AI에서 단백질 언어 모델(ESM)을 개발했던 연구진이 설립한 스타트업 EvolutionaryScale과의 전략적 결합을 발표하며, 공동창업자 겸 수석과학자 **알렉스 리브스(Alex Rives)**를 바이오허브의 **과학 총괄(Head of Science)**로 영입했습니다(Biohub 보도자료, 2025년 11월). 리브스의 합류와 함께 바이오허브는 내부 연산 클러스터를 2028년까지 10,000개 이상의 GPU로 확장하겠다고 선언했습니다.
  • 자선 사업 구조조정과 ‘Biohub’ 단일 브랜드 통합 (2026년 초): Pharmaphorum의 분석과 The Next Web의 보도가 기록하듯, 챈과 저커버그는 2025~2026년 기존 사회 공헌 및 정책 옹호 프로그램(다양성, 주거, 이민 개혁 등)을 대폭 축소하고, 재단의 자원을 단일 브랜드인 바이오허브(Biohub) 아래 AI 기반 생물학에 집중시켰습니다.
  • 왜 5억 달러로는 부족했는가: 단백질 서열 모델(ESM-1b, ESM-2, ESM3)을 학습시킬 때는 이미 납세자의 세금으로 구축된 공공 데이터베이스(UniProt, PDB, MGnify)에 수십억 개의 진화 서열과 수십만 개의 결정 구조가 무료로 존재했기 때문에 별도의 습식 실험 비용이 거의 들지 않았습니다. 그러나 단일 단백질에서 전세포(whole-cell) 인과 동역학으로 넘어가는 순간, 공공 영역에 존재하지 않는 천문학적 규모의 개입(interventional) 실험 데이터를 직접 생성해야만 했고, 이는 결국 상업적 빅테크 자본과 연방 연구시설을 끌어들이는 결과로 이어졌습니다.

4. 2단 주장 괴리 매트릭스: 마케팅 서사 vs. 법적·상업적 실체

10월 7일 발표문의 대외적 마케팅 문구와 경영진의 언론 인터뷰 시인 및 바이오허브의 구속력 있는 법적 약관을 대조하면 네 가지 결정적 괴리가 드러납니다.

검증 차원 공식 마케팅 서사 (Marketing Narrative) 1차 출처 포렌식 실체 (Forensic Reality)
1. 데이터 개방성 및 접근 시점 “그 결과물은 연구 커뮤니티를 위한 오픈 리소스가 되어… 오픈 사이언스의 새로운 표준을 세울 것이다.” (Biohub 보도자료) 빅테크 1년 독점 엠바고: 알렉스 리브스 과학 총괄은 로이터 및 악시오스 인터뷰(TNW 인용)에서 상업적 파트너(Meta, Google DeepMind, Isomorphic Labs)가 자금을 지원한 데이터셋에 대해 학계 공개 전 **1년간의 독점적 선점권(“head start”)**을 갖는다고 시인함: “상업적 주체들이 참여하려면 인센티브가 있어야 하며, 엠바고 기간이 그것을 만들어낸다.”
2. 독립적 벤치마킹 및 검증 “가상 생물학은 모델들이 비교되고, 개선되며, 신뢰받을 수 있도록 표준화되고 재현 가능한 데이터셋과 공유 벤치마크에 의존한다.” (Biohub 보도자료) 계약상 벤치마킹 금지 조항: 바이오허브의 법적 구속력이 있는 허용 이용 정책(AUP)은 사용자가 호스팅 서비스를 이용해 *“서비스의 동작, 한계 또는 안전장치를 평가, 벤치마크, 탐색 또는 그 밖의 방식으로 테스트”*하는 행위를 엄격히 금지함.
3. 쿼리 텔레메트리 수집 및 배상 책임 외부 과학자들이 세포 모델과 데이터셋을 자유롭게 탐색할 수 있는 순수 공익적 공유지로 홍보됨. 사용자 쿼리 수확 및 $100 배상 한도: 바이오허브 이용약관 제7.2조에 따라 사용자는 바이오허브가 *“데이터셋 또는 모델 커버리지의 공백을 식별”*하고 “신규 데이터셋, 모델 또는 기능의 우선순위를 정하기 위해” 사용자의 쿼리와 입력값을 분석할 수 있는 영구적 라이선스를 부여함. 제8조는 총 배상 책임을 단 $100.00로 제한하며, 제10조는 집단소송 포기와 JAMS 개별 강제 중재를 의무화함.
4. 연방 정부의 용어 개작 (“AI” vs. “SI”) 바이오허브 보도자료는 전체 28개 문단 내내 표준 학술 용어인 **“인공지능(AI)”**과 **“AI-ready 기초 데이터”**를 사용함. 연방 정부의 “초지능(Super Intelligence, SI)” 일괄 치환: 동시에 배포된 DOE 공식 보도자료와 NIH 보도자료에서는 모든 *“AI”*와 *“AI-ready”*가 삭제되고 “초지능(Super Intelligence, SI)” 및 **“SI-ready”**로 치환됨. 심지어 다리오 길(Darío Gil) DOE 과학담당 차관의 직접 인용구마저 biohub.org의 *“공공 이익을 위해 인공지능(AI)을 활용”*에서 energy.gov에서는 *“생물학에서 초지능(Super Intelligence)을 발전시키는 것은…”*으로 개작됨.

[!WARNING] 왜 ’1년 상업적 엠바고’가 오픈 사이언스의 전제를 파괴하는가: 프론티어 AI 및 계산 신약 개발 경쟁에서 맞춤형 고차원 개입 데이터에 대한 12개월 독점 학습 기간은 단순한 행정적 지연이 아니라 경쟁 해자(moat) 그 자체입니다. 이 365일의 엠바고 기간 동안 일라이 릴리(Eli Lilly) 및 노바티스(Novartis)와 수십억 달러 규모의 상업적 제약 파트너십을 맺고 있는 아이소모픽 랩스(Isomorphic Labs), 구글 딥마인드, 메타는 독점 모델 가중치를 사전 학습시키고, 치료 타깃을 스크리닝하며, 유효 물질(hit)을 검증하여 물질특허 및 용도특허 가출원을 완료할 수 있습니다. 대학 연구실이나 바이오텍 스타트업이 첫 번째 FASTQ 원시 파일을 다운로드할 수 있게 되는 시점에는 이미 상업적 특허 선점이 끝난 뒤입니다.

Phase 3: 의미론적 정밀성, 모호성 치환 테스트 및 생물학 AI 4단계 성숙도 계층

가상 생물학 이니셔티브는 세 가지 모호한 핵심 용어—“가상 세포(Virtual Cell)”, “AI-Ready / SI-Ready 기초 데이터”, “질병 예측 모델”—에 크게 의존합니다. 브라운과 킬리의 **모호성 치환 테스트(Ambiguity Substitution Test)**를 적용하여, 마케팅 유행어를 실제 수학적·실험적 정의로 치환했을 때 핵심 주장이 유지되는지 검증해 보겠습니다.

1. 모호성 치환 테스트 (Ambiguity Substitution Test)

  • 용어 1: “가상 세포 (Virtual Cell)”
    • 마케팅적 의미: 인간 세포의 완전한 디지털 트윈(in silico digital twin)으로, 모든 세포 유형이 유전자 변이, 병원체, 약물 분자에 시공간적으로 어떻게 반응하는지 정확히 시뮬레이션하는 시스템.
    • 현재의 구체적 구현체: 주로 세포를 파괴하여 얻은 정적 단일세포 RNA 시퀀싱(scRNA-seq) 스냅샷(발현 카운트 행렬 X ∈ ℝ^{N × G})으로 학습되어 마스킹된 유전자 토큰을 보간(imputation)하거나 세포를 저차원 잠재 공간(latent space)에 투영하는 고파라미터 트랜스포머 오토인코더(scGPT, Geneformer, TranscriptFormer, VariantFormer).
    • 치환 결과: *“가상 세포가 인간 질병을 예측하고 치료할 것이다”*라는 문장에 *“사후(post-mortem) 정적 mRNA 카운트 테이블로 학습된 마스크드 토큰 오토인코더”*를 대입하면, 관찰적 mRNA 상관관계에서 임상 약리학으로 건너뛰는 논리적 비약이 즉각 드러납니다.
  • 용어 2: “AI-Ready (또는 SI-Ready) 데이터”
    • 마케팅적 의미: 초지능적 추론을 위해 특별히 설계된 차세대 생물학적 측정값.
    • 현재의 구체적 구현체: 균일하게 전처리된 카운트 행렬, 표준화된 메타데이터 스키마(CELLxGENE AnnData/TileDB 포맷), 배치 보정용 스파이크인(spike-in) 대조군, 통합 온톨로지 태그(UBERON 조직 ID, CL 세포 유형 온톨로지).
    • 치환 결과: 메타데이터 정제와 파일 포맷 표준화는 필수적인 데이터 엔지니어링이지만, 파일 스키마를 통일한다고 해서 정적 관찰 스냅샷이 인과적 동역학 궤적(causal kinetic trajectory)으로 변모하지는 않습니다.
  • 용어 3: “연구 커뮤니티를 위한 오픈 리소스”
    • 마케팅적 의미: 인간게놈프로젝트(Human Genome Project)의 버뮤다 원칙(Bermuda Principles, 시퀀싱 후 24시간 이내 조건 없는 공공 도메인 공개 의무화)에 준하는 즉각적이고 비차별적인 공개.
    • 현재의 구체적 구현체: 상업적 기업 스폰서가 공공 공개 전 365일간의 배타적 독점 사용권을 누리는 계층적 접근 구조.

2. 생물학 AI 모델의 4단계 성숙도 계층 (4-Tier Maturity Hierarchy)

대중 매체와 투자자들은 흔히 AlphaFold2/3 및 ESM(제1계층)의 반박할 수 없는 성공을 전세포 인과 시뮬레이션(제4계층)이라는 미해결 난제와 동일시합니다. 현재 바이오허브의 AI 모델 포털(biohub.org/ai-models)에 공개된 포트폴리오가 실제로 어디에 위치하는지 평가하기 위해 엄격한 4단계 성숙도 계층을 구축했습니다.

생물학 AI 모델의 4단계 성숙도 계층 (2026년 기준)

계층 물리적 도메인 및 수학적 과제 대표 모델 실증적 검증 상태
Tier 1 단일 분자 서열 → 정적 3D 구조 매핑 P(Structure | Seq) AlphaFold2/3, ESMFold, ESM3 (98B 파라미터) 해결 / 성숙 단계: 구상 단백질 결정 구조에서 원자 수준 정확도
Tier 2 관찰적 세포 아틀라스 다양체 및 분류학 P(X_mRNA | Tissue) TranscriptFormer (1.12억 세포), CELLxGENE, UCE, scGPT, Geneformer 기술적(Descriptive) 분류 수준: 종간 세포 온톨로지 매핑; 제로샷 클러스터링은 2,000 HVG에 패배
Tier 3 단일 맥락 내 섭동 보간
P(X_post | X_pre, do(G_i))		 GEARS, CPA, Arc STATE, VariantFormer (1.2B) 취약한 내삽(Interpolation): 미관측 2중 유전자 녹아웃에서 단순 선형/가산 모델에 패배
Tier 4 인과적 다중스케일 동역학 가상 세포 및 조직 트윈
dX/dt = f(X, U, do(I), E)		 VBI의 목표 / Bunne 외 (Cell 2024) UR + PCG 미구축 상태: 비파괴 종단 추적, 공간 프로테오믹스 및 대사 플럭 스(fluxomics) 데이터 필수

현재 바이오허브 AI 모델 포털에 등재된 핵심 모델들을 살펴보십시오.

  • TranscriptFormer (Science, 2025/2026): 15억 3천만 년의 진화 과정에 걸친 12개 종, 1억 1,200만 개의 관찰 세포 데이터로 사전 학습된 자기회귀 생성형 트랜스포머입니다. 이는 제2계층(Tier 2) 분류학적 다양체 모델로, 종간 세포 유형 상동성 비교에는 유용하지만 정적 관찰 scRNA-seq 스냅샷으로만 학습되었습니다.
  • VariantFormer: 개인의 생식세포 DNA 변이(vcf)가 조직 수준의 유전자 발현을 어떻게 변화시키는지(eQTL 스타일 매핑) 예측하기 위해 벌크 및 단일세포 데이터(GTEx, ENCODE, ADNI, 1000 Genomes, IGVF)로 학습된 12억 파라미터 계층적 트랜스포머입니다.
  • SubCell 및 CryoET: 정적 형광 현미경 이미지(Human Protein Atlas)와 초저온 전자 단층촬영(Cryo-ET) 볼륨을 위한 표현 학습(representation learning) 모델입니다.

바이오허브가 현재까지 공개한 모델 중 제4계층(Tier 4) 인과 동역학 시뮬레이터는 단 하나도 없습니다. 모두 정적 스냅샷 위에서 작동하는 Tier 1~3 표현 학습기입니다.

Phase 4: 경쟁 가설(Rival Causes) 및 4방향 인과 감사

왜 테크바이오 경영진과 AI 투자자들은 단일세포 및 멀티모달 데이터셋에 18억 달러를 쏟아부으면 전세포 영역에서도 ’알파폴드 모멘트(AlphaFold moment)’가 재현될 것이라 가정할까요? 그들은 단순한 직접 인과 사슬(더 많은 생물학 토큰 + 더 큰 트랜스포머 → 창발적 인과 시뮬레이션)을 외삽하기 때문입니다.

이 외삽이 물리적으로 성립하는지 검증하기 위해, **단백질 언어 모델(PLM)**이 성공한 이유와 **단일세포 파운데이션 모델(scFM)**이 벽에 부딪힌 이유를 비교하는 **4방향 인과 감사(4-Way Causal Audit)**를 수행합니다.

4방향 인과 감사: 왜 알파폴드는 성공했고 단일세포 파운데이션 모델은 벽에 부딪혔는가

인과 방향 단백질 접힘 (TIER 1) 전세포 동역학 (TIER 3 / 4)
1. 직접 인과 (데이터 → 모델) 35억 년의 자연선택 자체가 거대한 사전 계산된 돌연변이 섭동 실험실 역할을 수행함. 정적 mRNA 카운트 테이블은 시간 미분 (dX/dt)이 없으며 전사 후 인과 상태의 80% 이상을 누락함.
2. 역인과 (측정 편향 → 데이터) 잘 접히는 구상 도메인일수록 PDB에 결정화되기 쉬워 벤치마크 점수를 구조적으로 끌어올림. 고속 대량 Perturb-seq는 회로가 왜곡 된 불멸화 암세포주(K562, RPE1, HCT116)에 과도하게 의존함.
3. 제3변인 교란 요인(Z) (Unobserved Z) 열역학적 자유에너지 극소점 (안핀센의 도그마: 1차원 서열이 3차원 구조를 유일하게 결정함). 미관측 교란 요인 (단백질 반감기, 인산화 상태, 공간적 파라크린 신호, 대사 플럭스).
4. 피드백 루프 (시스템 동역학) 예측된 구조가 Cryo-EM/X선 결정 구조 해석을 가속화하여 사전지식을 증폭함 파괴적 측정법이 측정 순간 세포를 사멸시켜 종단적 피드백 궤적을 절단함

근본적인 물리적 간극: 안핀센의 도그마(Anfinsen’s Dogma) vs. 세포 비정상성(Non-Stationarity)

  1. 알파폴드2가 작동한 이유 (열역학적 닫힘 + 진화라는 자연 섭동 스크린): **안핀센의 도그마(Anfinsen’s Dogma)**에 따라, 구상 단백질의 1차원 아미노산 서열은 국소 깁스 자유에너지 극소점(ΔG)에서 고유한 3차원 평형 구조를 결정하는 데 필요한 모든 정보를 담고 있습니다. 더 중요한 것은 UniProt에 저장된 서열들이 단순한 수동적 관찰 데이터가 아니라는 점입니다. 그것들은 35억 년에 걸친 자연 진화적 돌연변이 유발 실험에서 살아남은 생존자들입니다. 다중서열정렬(MSA)에서 10,000개의 상동 종에 걸쳐 두 아미노산 잔기가 공변이(co-vary)한다면, 물리학 법칙상 두 잔기는 3차원 공간에서 물리적으로 접촉(8 Å 이내)하고 있을 수밖에 없습니다. 알파폴드2가 성공한 이유는 자연 진화가 이미 수조 번의 생체 내(in vivo) 유전자 섭동 실험을 수행하고 생존한 정답지만을 기록해 두었기 때문입니다.
  2. 살아있는 세포가 닫힘 조건을 위배하는 이유 (열린 비평형 열역학계): 살아있는 인간 세포는 최소 다섯 개의 물리적 계층에 걸쳐 결합된 확률적 비선형 미분방정식의 지배를 받는 열린 비평형(far-from-equilibrium) 열역학 시스템입니다.
    • 후성유전체 및 3D 크로마틴 상태: 히스톤 변형, DNA 메틸화, 인핸서-프로모터 루핑(~10⁶개의 조절 요소).
    • 전사체 계층 (mRNA): 약 20,000개의 단백질 코딩 유전자와 수만 개의 비코딩 RNA 및 스플라이싱 동형체(isoforms).
    • 단백질체 및 번역 후 변형(PTM) 계층: 포유류 세포에서 리보솜 번역 제어와 유비퀴틴-프로테아좀 분해로 인해 실제 단백질 존재량과 mRNA 존재량의 상관계수는 **r ≈ 0.40 ~ 0.60**에 불과합니다. 더욱 심각한 것은 인산화효소(kinase), 탈인산화효소(phosphatase), GPCR, 알로스테릭 구조 변화 등 핵심 세포 신호전달 체계가 단 하나의 mRNA 전사체도 바꾸지 않고 밀리초(ms)에서 초(s) 단위로 작동한다는 점입니다!
    • 대사체 및 생체에너지 플럭스: ATP/ADP 비율, 산화환원 상태(NAD+/NADH), 지질막 동역학.
    • 공간적·파라크린 미세환경: 세포 간 직접 접촉(Notch/Delta, 면역 시냅스), 세포외 기질(ECM) 강성, 확산하는 형태발생소 및 사이토카인 농도 구배.

연구자가 표준 scRNA-seq 실험을 수행할 때, 세포를 용해(파괴)하여 폴리아데닐화된 mRNA 분자의 약 10%~30%만 포획(대규모 기술적 드롭아웃 0값 발생)하며, 세포의 단백질 인산화 상태, 공간 좌표, 대사 플럭스, 미래 궤적의 100%를 버립니다. 희소한 mRNA 카운트 벡터만 학습한 트랜스포머가 세포의 인과 회로를 역설계하길 기대하는 것은, CPU를 망치로 부수기 직전 방열판의 평균 온도를 단 한 번 측정한 뒤 x86 마이크로아키텍처 회로도를 복원하려는 것과 같습니다.

Phase 5: 정량적·통계적 감사 — 현존 단일세포 파운데이션 모델의 실증적 패배

이 물리적 한계를 이론적 주장으로만 받아들일 필요는 없습니다. 지난 18개월 동안 Nature Methods와 Genome Biology에 게재된 두 편의 기념비적인 동료 심사 벤치마크 연구는 현존하는 주요 단일세포 파운데이션 모델과 딥러닝 섭동 예측 모델 전체를 대상으로 엄격한 베이스라인 통제 통계 감사를 수행했습니다. 그 결과는 “단일세포 아틀라스에서 트랜스포머 파라미터를 키우면 창발적 인과 추론이 나타난다”는 서사를 정면으로 반박합니다.

1. Ahlmann-Eltze, Huber, & Anders 감사 (Nature Methods, 2025년 8월)

2025년 8월 Nature Methods에 발표된 논문(“Deep-learning-based gene perturbation effect prediction does not yet outperform simple linear baselines”, 오픈소스 벤치마크 코드: github.com/const-ae/linear_perturbation_prediction-Paper)에서 콘스탄틴 알만-엘체(Constantin Ahlmann-Eltze), 볼프강 후버(Wolfgang Huber), 시몬 안데르스(Simon Anders)는 5개의 대표적 단일세포 파운데이션 모델과 2개의 특화 딥러닝 섭동 아키텍처를 검증했습니다.

  • 평가된 파운데이션 모델: scGPT (3,300만 세포), scFoundation (5,000만 세포, 1억 파라미터), Geneformer (2,740만~3,000만 세포), scBERT, UCE (Universal Cell Embedding, 3,600만 세포).
  • 평가된 특화 섭동 모델: GEARS (Graph-Enhanced Gene Activation and Repression Simulator) 및 CPA (Compositional Perturbation Autoencoder).
  • 데이터셋: Norman 외(2019)의 K562 세포 CRISPRa 2중 섭동 데이터(19,264개 유전자에 대한 단일 섭동 100종 + 2중 섭동 124종), 그리고 Replogle 외(2022)의 K562/RPE1 및 Adamson 외(2016)의 단일 CRISPRi Perturb-seq 스크린.

모든 딥러닝 모델을 꺾은 두 가지 초단순 수학적 베이스라인

심층 신경망이 실제로 비선형 유전자 조절 논리를 학습하고 있는지 확인하기 위해, 저자들은 7개 모델 모두를 두 가지 극도로 단순한 수학적 베이스라인과 대조했습니다.

  1. 2중 섭동(A + B) 예측용 — 단순 가산 베이스라인 (Additive Baseline): 단일 유전자 섭동 시 측정된 전사체 프로파일 두 개를 그냥 더한 뒤, 섭동되지 않은 대조군 평균을 뺍니다. $$\hat{y}{A+B} = y_A + y_B - y{\text{ctrl}}$$

  2. 미관측 단일 섭동 예측용 — 릿지 정규화 이중선형 모델 (Ridge-Regularized Bilinear Model): 유전자 임베딩 행렬 G ∈ ℝ^{G × K}와 섭동 임베딩 행렬 P ∈ ℝ^{P × K}를 통해 유전자 공간을 상위 K = 10개 주성분으로 투영한 뒤, 닫힌 형태(closed-form)의 릿지 회귀(L₂ 페널티 λ = 0.1)를 풉니다. $$\hat{Y} = G W P^\top + b, \quad \hat{W} = \arg\min_W | Y_{\text{train}} - (G W P^\top + b) |_2^2 + \lambda |W|_2^2$$

실증적 벤치마크 결과 (PMC12328236)

벤치마크 과제 평가 지표 최종 승자 (Winner) 파운데이션 모델 (scGPT, scFoundation, Geneformer, UCE, scBERT) 및 GEARS/CPA의 성적
1. 2중 유전자 섭동 예측 (Norman 외, 1,000개 고변이 유전자에 대한 124개 유전자 쌍) 평균 L₂ 예측 오차 및 피어슨 델타 상관계수 (r_Δ) 단순 가산 베이스라인 (ŷ_{A+B} = y_A + y_B - y_ctrl) 모든 딥러닝 및 파운데이션 모델이 단순 덧셈보다 높은 L₂ 오차(낮은 정확도)를 기록함. CPA는 심지어 무섭동 대조군 평균을 그대로 제출하는 것보다도 훨씬 나쁜 성능을 보임.
2. 비가산적 상위성(Epistasis) 상호작용 (5% FDR 기준 124,000개 유전자 쌍 중 진짜 시너지/억제 상호작용 5,035쌍) 시너지/상위성 편차 예측 오차 (Δ_epistasis = y_{A+B} - ŷ_additive) “변화 없음” 베이스라인 (LFC = 0) 7개 딥러닝 모델 중 단 하나도 ‘변화 없음(LFC = 0)’ 예측을 이기지 못함. 딥러닝 모델들은 학습 평균으로의 심각한 모드 붕괴(mode collapse)를 일으켜 강력한 헤모글로빈 시너지 인자(HBG2, HBZ)에 대해서도 계속 LFC ≈ 0을 예측함.
3. 미관측 단일 유전자 섭동 (Adamson 외, Replogle K562 & RPE1) L₂ 오차 및 상위 2개 예측 내 실제 섭동 순위 학습 세트 평균 (ȳ_train) 및 10차원 선형 릿지 모델 어떤 딥러닝 모델도 노트북 CPU에서 수 초 만에 학습되는 10차원 선형 릿지 모델이나 학습 세트 평균을 일관되게 능가하지 못함.
4. 관찰 아틀라스 사전학습 전이 효과 3,000만+ 세포 임베딩(Geneformer, scGPT)을 P에 주입하면 예측이 향상되는가? 개입 Perturb-seq 주성분 (P_Perturb-seq) 3,000만 개 이상의 관찰(observational) 세포 사전학습 임베딩은 무작위(random) 임베딩 대비 사실상 개선 효과가 0에 수렴함. 오직 개입(interventional) Perturb-seq 데이터에서 직접 추출한 주성분만이 전이 성능을 높임.

[!IMPORTANT] 결과 #4를 다시 주목하십시오: Ahlmann-Eltze 연구진은 관찰 세포 아틀라스의 핵심 가설을 직접 검증하기 위해 약 3,000만 개의 관찰 세포로 사전 학습된 scGPT와 Geneformer에서 유전자 임베딩을 추출하여 섭동 예측기에 주입했습니다. 그 결과, 3,000만 세포 파운데이션 모델의 임베딩은 무작위 가우시안 행렬(random Gaussian matrices)과 거의 차이가 없었던 반면, 개입 Perturb-seq 데이터에서 단순 PCA로 추출한 특징값은 즉각 일반화 성능을 향상시켰습니다. 관찰 데이터의 양적 팽창은 개입적 인과성을 대체할 수 없습니다.

2. Kedzierska, Crawford, Amini, & Lu 감사 (Genome Biology, 2025)

옥스퍼드 대학교와 마이크로소프트 리서치 뉴잉글랜드 연구진이 수행한 또 다른 독립 연구(“Zero-shot evaluation reveals limitations of single-cell foundation models”, Genome Biology, 2025)에서는 파운데이션 모델이 가장 강력한 강점으로 내세우는 과제별 파인튜닝 없는 제로샷 전이(zero-shot transfer) 환경에서 scGPT(3,300만 세포 사전학습)와 Geneformer(2,740만 세포 사전학습)를 5개 인간 조직 데이터셋(췌장, 혈액, 골수, 심장, 폐)에 걸쳐 평가했습니다.

그들의 결론은 모든 영역에서 Ahlmann-Eltze 외의 연구 결과와 정확히 일치합니다.

  1. 단순 변수 선택(2,000 HVGs)에 패배: 제로샷 세포 유형 클러스터링(AvgBIO 지표: 정규화 상호정보량, 조정 랜드 지수, 실루엣 점수의 평균)에서 scGPT와 Geneformer 모두 로그 정규화된 발현 행렬에서 단순히 상위 2,000개 고변이 유전자(HVG)만 선택한 베이스라인보다 낮은 성능을 기록했으며, 가벼운 표준 도구인 scVI 및 Harmony에도 뒤처졌습니다.
  2. 관찰 코퍼스 규모 확장의 수확 체감: 범조직 인간 세포 3,300만 개로 학습된 scGPT-human과 혈액·골수 세포 1,030만 개로 학습된 scGPT-blood를 비교한 결과, 3.2배 더 큰 범인간 모델이 오히려 여러 벤치마크에서 다소 더 나쁜 제로샷 클러스터링 성능을 보였고 배치 효과 보정에 실패했습니다. 이는 이질적인 관찰 세포 수천만 개를 마스크드 토큰 목적함수에 무작정 쏟아붓는 것이 생물학적 표현을 정교하게 만들기보다 오히려 희석시킨다는 사실을 보여줍니다.
  3. 유전자 발현 재구성 실패: 마스크드 토큰 재구성 평가에서 Geneformer는 높은 예측 오차를 보였으며, 맥락 특이적인 유전자 조절 네트워크를 학습하기보다 **위치 편향(positional bias, 전체 코퍼스에서 하우스키핑 유전자들의 평균적인 기본 순위를 암기하는 현상)**에 과도하게 의존했습니다.

3. 조합론적 폭발(Combinatorial Explosion)과 펄의 인과 계층(Pearl’s Causal Hierarchy)

왜 진정한 제4계층(Tier 4) 가상 세포를 구축하는 것이 인터넷 텍스트로 대형 언어 모델(LLM)을 학습시키거나 단일 단백질을 접는 것보다 수학적으로 훨씬 더 어려울까요? 두 가지 냉혹한 수학적 법칙—펄의 인과 계층 정리와 조합론적 상태 공간 폭발—때문입니다.

법칙 1: 펄의 인과 계층 간 비식별성 (Causal Non-Identifiability)

주데아 펄(Judea Pearl)의 형식적 인과 계층 이론에서 확률 분포는 엄격히 세 계층으로 분리됩니다.

  • 제1계층 (관찰적 연관 — P(X)): “알츠하이머 환자의 뇌에서 채취한 미세아교세포의 전사체 프로파일은 어떠한가?” 관찰 아틀라스(CELLxGENE, Tabula Sapiens, TranscriptFormer)가 측정하는 영역입니다.
  • 제2계층 (개입적 행동 — P(X_{t+Δt} | X_t, do(I = i))): “환자 유래 미세아교세포에서 유전자 A를 녹다운하고 약물 B를 농도 D로 투여하면, 72시간 동안 세포 상태 궤적은 어떻게 변하는가?”
  • 제3계층 (반사실적 추론 — P(X_{I=i'} | X_observed, I=i)): “만약 이 환자의 종양에서 경로 Z 대신 경로 Y를 억제했더라면 종양이 퇴행했을 것인가?”

**인과 계층 정리(Causal Hierarchy Theorem)**에 의해, 미관측 교란 요인이 전혀 없는 완전하고 참된 유향 비순환 인과 그래프 G를 이미 알고 있지 않는 한, 제1계층 관찰 데이터 P(X)만으로는 제2계층 개입 분포를 수학적으로 유일하게 식별(identify)할 수 없습니다. 파괴적 mRNA 시퀀싱은 전사 후 변수 U_t(단백질 인산화, 대사물질 농도, 크로마틴 위상)를 측정하지 않고 남겨두기 때문에, 주변부 전사체 분포는 잠재 교란 요인들로 가득 차 있습니다.

$$P(X_{t+\Delta t}^{\text{mRNA}} \mid X_t^{\text{mRNA}}, \text{do}(I)) \neq P(X_{t+\Delta t}^{\text{mRNA}} \mid X_t^{\text{mRNA}}, I)$$

법칙 2: 조합론적 섭동 스케일링 수학

그렇다면 습식 실험실에서 유전적·화학적 섭동을 물리적으로 직접 수행하여 제2계층을 무차별 대입(brute-force)으로 정복하려 한다고 가정해 봅시다. 인간 유전체(단백질 코딩 유전자 G ≈ 20,000개)의 개입 상태 공간 크기를 계산해 보겠습니다.

$$N_{\text{single}} = \binom{20,000}{1} = 2.0 \times 10^4 \text{ (맥락당 단일 유전자 녹아웃 수)}$$

$$N_{\text{pairs}} = \binom{20,000}{2} = \frac{20,000 \times 19,999}{2} \approx 2.0 \times 10^8 \text{ (맥락당 2중 유전자 상호작용 쌍)}$$

$$N_{\text{triplets}} = \binom{20,000}{3} \approx 1.33 \times 10^{12} \text{ (맥락당 3중 유전자 상호작용 조합)}$$

이제 이 유전자 섭동 공간에 생물학적 맥락 변수를 곱해야 합니다.

  • 세포 유형 (C): 최소 200개의 주요 인간 일차 세포 유형 (질병 상태 하위 표현형 수천 개 별도).
  • 미세환경 및 사이토카인 상태 (E): 최소 20개의 표준 신호전달 환경 (저산소증, IFN-γ, TNF-α, TGF-β, 대사 고갈 등).
  • 시간 동역학 (T) 및 용량 (D): 최소 5개 시간대(1h, 6h, 24h, 72h, 168h) × 4개 섭동 용량.
  • 통계적 검정력 (n): scRNA-seq 기술적 드롭아웃 노이즈를 극복하기 위해 조건당 최소 200개의 단일세포 시퀀싱 필요.

설령 3중 유전자 상호작용을 완전히 포기하고, 단일 시간대·단일 용량에서 단 50개의 인간 일차 세포 유형에 대해 2중 유전자 섭동(2 × 10⁸쌍)만을 쌍당 200개 세포씩 측정하더라도 필요한 데이터셋 크기는 다음과 같습니다.

$$N_{\text{cells_required}} = (2 \times 10^8 \text{ pairs}) \times 50 \text{ cell types} \times 200 \text{ cells} = 2.0 \times 10^{12} \text{ Perturb-seq cells (2조 개 세포)}$$

2조(2 Trillion) 개의 개입 세포를 2026년 현재 세계 최대 규모로 발표된 데이터셋들과 비교해 보십시오.

이니셔티브 / 데이터셋 총 세포 수 분석 모달리티 및 섭동 범위 50개 세포 유형 2중 섭동 공간(2 × 10¹² 세포) 대비 비율
CZI Billion Cells Project (10x Genomics GEM-X + Ultima UG 100) 1,000,000,000 (10⁹) 마우스, 제브라피시, 인간 세포주에 걸친 관찰 아틀라스 + 표적 Perturb-seq 혼합 0.05%
TranscriptFormer 코퍼스 (Biohub / CZI) 112,000,000 (1.12 × 10⁸) 12개 진화 종에 걸친 정적 관찰 scRNA-seq 0.0056% (개입 데이터 0%)
Arc Institute Virtual Cell Atlas (STATE / Tahoe-100M) ~267,000,000 (2.67 × 10⁸) 관찰 세포 1.67억 개 + 화학적 섭동 1억 개 (50개 암세포주 × 1,100개 저분자 화합물) 0.005% (불멸화 암세포주에 국한)
Xaira Therapeutics X-Atlas/Orion (2025년 6월 공개) 8,000,000 (8 × 10⁶) 단 2개의 불멸화 세포주(HCT116 및 HEK293T)에서의 전유전체 단일 유전자 Perturb-seq (FiCS) 0.0004% (2개 세포주 단일 녹아웃)

10x Chromium GEM-X 미세유체 바코딩과 Ultima Genomics UG 100 시퀀서를 결합하여 섭동된 단일세포당 시퀀싱 비용을 극단적으로 낮은 $0.02~$0.05까지 낮춘다고 가정하더라도, 2조 개의 Perturb-seq 세포를 시퀀싱하려면 **순수 습식 실험 소모품 비용으로만 400억 달러에서 1,000억 달러($40B~$100B)**가 소요됩니다. 게다가 성숙한 인간 대뇌 피질 뉴런이나 성인 심근세포 같은 분열 종료(post-mitotic) 일차 세포는 배양 접시에서 전유전체 풀링(pooled) CRISPR 스크린에 필요한 수십억 개 규모로 증식시키는 것 자체가 생물학적으로 불가능합니다.

Phase 6: 부정적 시각(The Negative View) 및 테크바이오 묘지(Graveyard) 감사

브라운과 킬리의 비판적 사고 프레임워크에서 **부정적 시각(The Negative View)**은 보도자료가 체계적으로 누락하는 두 가지 불편한 질문을 던질 것을 요구합니다.

  1. 이 이니셔티브의 지배구조 아래에서 누가 손해를 보는가?
  2. “AI + 고속 대량 세포 데이터”를 산업화하려던 과거의 수십억 달러 프로젝트들은 왜 임상에서 반복적으로 실패했는가?

1. 누가 손해를 보는가: 공공 생물학 인프라의 비대칭적 사유화

2026년 10월 7일 발표된 VBI 연합체의 구조적 인센티브를 살펴보십시오.

  • 공공 및 공익 기여자 (DOE·NIH를 통한 납세자 + 대학 연구자): 17개 국립연구소 사용자 시설, 엑사스케일 슈퍼컴퓨터, 과거 수십 년간 축적된 NCBI/CFDE 저장소, 대학 습식 실험실의 도메인 전문성을 제공합니다.
  • 기업 기여자 (Google DeepMind, Isomorphic Labs, Meta): 각자 연간 약 2,000만 달러 수준의 현금·클라우드 크레딧·자체 모델링을 제공하고, 그 대가로 12개월 독점 데이터 엠바고(TNW / Reuters)를 획득합니다. 반면 바이오허브 호스팅 플랫폼을 이용하는 외부 학술 사용자들은 계약상 모델 벤치마킹이 금지되며(Biohub AUP), 그들의 검색 쿼리는 바이오허브의 내부 로드맵 설정을 위해 모니터링됩니다(이용약관 제7.2조).
  • 구조적 패자: 독립적인 대학 계산생물학 연구실, 오픈소스 벤치마커, 그리고 시드/시리즈 A 단계의 바이오텍 스타트업들입니다. 1년의 엠바고가 만료되어 대학 연구실이나 스타트업이 VBI 데이터셋에 접근할 수 있게 될 때쯤이면, 아이소모픽 랩스와 딥마인드는 이미 프론티어 독점 모델 가중치 학습을 끝내고 핵심 치료 타깃 IP를 선점한 뒤입니다.

2. 테크바이오 묘지(Graveyard) 감사: 세포 표현형체학(Phenomics) ≠ 임상 유효성

설령 파운데이션 모델이 시험관 내(in vitro) 단일세포 전사체나 형태학적 변화를 99% 정확도로 예측한다 할지라도, 플라스틱 페트리 접시 속의 세포는 인간 환자가 아닙니다. 지난 10여 년간 바이오텍 산업은 자동화된 고속 세포 섭동 데이터와 딥러닝의 결합이 **이룸의 법칙(Eroom’s Law, 물가상승률 조정 연구개발비 10억 달러당 신약 승인 건수가 지수함수적으로 하락하는 현상)**을 타파할 것이라는 동일한 가설에 수십억 달러를 쏟아부었습니다.

“고속 대량 세포 데이터 + AI” 가설의 실제 임상 성적표를 점검해 보겠습니다.

테크바이오 묘지(GRAVEYARD) 및 임상 탈락 감사 (2015–2026)

기업 / 이니셔티브 핵심 데이터 + AI 가설 실증적·임상적 결과
1. Recursion Pharmaceuticals (NASDAQ: RXRX) 페타바이트 규모의 자동화 세포 페인팅(Cell Painting) 현미경 + Perturb-seq + BioHive 슈퍼컴퓨터 2024~2026년 다수의 임상 파이프라인 중단; 현금 보존을 위해 Exscientia와 합병; 현재까지 승인된 AI 신약 0건.
2. Exscientia (RXRX에 피인수) 엔드투엔드 생성형 AI 신약 설계 및 환자 조직 기반 자동화 표현형 분석 임상 좌절 후 주요 임상 파이프라인 (EXS21546 등) 중단; 2024년 주식교환 방식으로 흡수 합병됨.
3. BenevolentAI 대규모 의생명 지식 그래프 + 멀티오믹스 타깃 발굴 핵심 아토피 피부염 신약 후보물질 (BEN-2293) 임상 2a상 유효성 실패 (2023); 대규모 감원 및 구조조정.
4. Zymergen 자동화 로봇 균주 섭동 + 머신러닝 최적화 스케일업 실패 후 기업가치 $5B+에서 Ginkgo Bioworks에 $300M 헐값 매각 (2022).

왜 전임상 세포 및 동물 실험을 통과한 신약 후보물질의 약 90%가 인체 임상 1~3상 시험에서 여전히 실패할까요? 임상 시험 탈락의 주요 원인은 고립된 시험관 내(in vitro) 배양 세포의 단일세포 전사체 미스터리가 아니기 때문입니다. 약물이 인간에게서 실패하는 이유는 다음과 같습니다.

  1. 전신 기관 수준의 ADME 및 약동학(Pharmacokinetics): 뇌혈관장벽(BBB) 투과율, 간의 초회통과 대사(first-pass clearance), 조직 내 생체분포, 혈장 단백질 결합률.
  2. 다장기 오프타깃 독성(Multi-Organ Off-Target Toxicity): 간독성, 심장독성(hERG 채널 차단), 신장 배설 장애, 그리고 상호작용하는 기관계(간 ↔ 장내 마이크로바이옴 ↔ 적응면역계 ↔ 혈관계) 전반의 전신 사이토카인 방출.
  3. 인간 질병의 이질성 vs. 불멸화 세포주: 1970년에 분리되어 심각한 염색체 이수성(aneuploidy)을 가진 만성 골수성 백혈병 세포주(K562)나 불멸화 배아 신장 세포주(HEK293T)에서 유전자를 녹다운하는 것은, 혈관이 분포하고 섬유화가 진행된 고령 환자의 장기가 수개월간의 만성 약물 투여에 어떻게 반응할지에 대해 거의 아무것도 알려주지 못합니다.

Phase 7: 회색 사고(“If-Clauses”) 및 포렌식 최종 평결

보도자료의 무비판적 과장 광고와 무조건적인 냉소주의를 모두 배격하고, 조건부 **If-절(If-Clauses)**을 통해 가상 생물학 이니셔티브가 성공할 수 있는 조건과 좌초할 조건을 명확히 정의합니다.

조건부 종합 (“If-Clauses”)

  • IF (만약) 가상 생물학 이니셔티브가 폐루프 능동 학습(“실험실 인 더 루프, lab-in-the-loop”)—기전적·통계적 모델의 불확실성 추정치가 인간 일차 오가노이드 및 공간 조직에서 수행할 다음 희소 다중 유전자 섭동 실험을 능동적으로 선택하고, 이를 비파괴 종단 이미징 및 표적 단일세포 프로테오믹스/인산화프로테오믹스와 결합하는 방식—을 최우선시한다면, THEN (그렇다면) 생물학 AI를 Tier 2에서 Tier 3+로 끌어올리는 대체 불가능한 인과 벤치마크를 창출할 것입니다.
  • IF (반면 만약) 이 연합체가 습식 실험 예산의 대부분을 불멸화 암세포주(K562, RPE1, HCT116)의 단일 유전자 녹아웃이나 수억 개의 정적 scRNA-seq 스냅샷을 추가 생성하는 데 소비하면서, 그 결과 데이터를 알파벳과 메타를 위한 1년 상업적 엠바고 뒤에 가두고 독립 연구자들의 호스팅 모델 벤치마킹을 법적으로 차단한다면, THEN (그렇다면) 18억 달러라는 헤드라인은 분포 외(out-of-distribution) 생물학에서 여전히 10줄짜리 릿지 회귀에 패배하는 파운데이션 모델을 위한 값비싼 기업 데이터 보조금에 그칠 것입니다.
  • IF (만약) 계산생물학계가 오늘 당장 분야의 진전을 이루고자 한다면, THEN (그렇다면) 향후 발표되는 모든 단일세포 파운데이션 모델 논문과 VBI 벤치마크는 “창발적 생물학 추론”을 주장하기 전에 반드시 Ahlmann-Eltze 가산 및 릿지 선형 베이스라인(ŷ_AB = y_A + y_B - y_ctrl 및 Ŷ = GWP⊤ + b)과 Kedzierska 2,000-HVG 베이스라인 대비 일대일 오차 지표를 의무적으로 보고해야 합니다.

포렌식 최종 평결 (The Forensic Verdict): 우리의 명확한 결론

모호한 양비론 없이 본 감사의 핵심 결론을 명확히 밝힙니다.

  1. “18억 달러”라는 숫자는 회계적 연출이다 (약 10억 달러는 재탕/과거 매몰 비용, 약 5억 달러는 5년 분할 시설 할당, 순신규 민간 약정은 3억 달러): 바이오허브가 이미 2026년 4월에 발표한 5억 달러 약정에, 기존 NIH/NCBI 데이터베이스에 투입된 과거 연방 매몰 비용 5억 달러 이상과 5년간 분할 계산된 DOE 연구시설 현물 할당 5억 달러 이상을 합산하여 “18억 달러” 헤드라인을 만든 것은 전형적인 홍보성 숫자 부풀리기입니다. 2026년 10월 7일 실제로 새로 추가된 민간 자본은 구글 딥마인드, 아이소모픽 랩스, 메타가 5년에 걸쳐 분담하는 3억 달러(빅테크 기업당 연평균 약 2,000만 달러, 그마저도 상당 부분은 연산 크레딧 및 현물 자원)뿐입니다.
  2. 빅테크 1년 독점 엠바고는 오픈 사이언스 정신에 정면으로 위배된다: 공공 국립연구소 및 대학 과학자들과 공동 개발하는 데이터셋에 대해 지구상에서 가장 부유한 상업 기업들(알파벳/딥마인드, 아이소모픽 랩스, 메타)에 365일간의 배타적 독점권을 부여하면서—동시에 독립 연구자가 호스팅 모델을 벤치마킹하는 것을 약관으로 금지하면서—*“오픈 사이언스의 새로운 표준을 세운다”*고 주장할 수는 없습니다. 이를 모든 DNA 시퀀스를 생성 후 24시간 이내에 상업적 엠바고 없이 공공 도메인에 즉각 공개하도록 의무화했던 1996년 인간게놈프로젝트의 **버뮤다 원칙(Bermuda Principles)**과 비교해 보십시오.
  3. 관찰 단일세포 트랜스포머의 단순 스케일링은 수학적 한계에 도달했다: Ahlmann-Eltze, Huber, & Anders (Nature Methods, 2025) 및 **Kedzierska, Crawford, Amini, & Lu (Genome Biology, 2025)**가 실증적으로 입증했듯, 현존하는 단일세포 파운데이션 모델(scGPT, Geneformer, scFoundation, UCE)은 관찰 아틀라스에서 인과적 유전자 조절 네트워크를 학습하지 못합니다. 이들은 공발현(co-expression) 상관관계를 암기할 뿐이며, 미관측 섭동 예측에서 단순 선형 모델과 가산 베이스라인에 패배합니다. 상관관계에서 인과관계로 도약하려면 더 큰 자기회귀 토큰 예측기가 아니라, 기전적 귀납 편향(mechanistic inductive bias)과 결합된 시간 분해능을 갖춘 멀티오믹스(단백질체/인산화단백질체/공간체) 개입 궤적 데이터가 필수적입니다.

확률 가중 5년 시나리오 전망 (2026–2031)

시나리오 발생 확률 5년 후 실증적 결과 (2031년 기준)
기본 시나리오 (Base Case): 점진적 아틀라스 효용 및 빅테크 제약 IP 선점 60% VBI가 표준화된 공간 오믹스, Cryo-ET, 오가노이드 Perturb-seq 데이터셋을 구축하여 차세대 표준 참조 아틀라스(CELLxGENE 2.0)로 자리 잡음. 아이소모픽 랩스와 딥마인드가 1년 엠바고 기간 동안 타깃 발굴의 핵심 상업적 가치를 선점함. 그러나 분포 외 다중 유전자 및 조직 수준 동역학은 미해결 상태로 남으며, 하이브리드 선형/기전 모델이 거대 단일세포 트랜스포머와 대등하거나 더 나은 성능을 유지함.
비관 시나리오 (Bear Case): 관찰 스케일링 함정 및 관료주의적 파편화 25% 연방 기관(DOE의 ‘초지능’ MOU vs. NIH 예산 제약)과 상업 파트너 간의 마찰로 데이터 표준화가 지연됨. 대부분의 습식 실험 산출물이 양만 많고 인과 정보량이 적은 정적 scRNA-seq 스냅샷에 머묾. 1세대 테크바이오(Recursion, Exscientia, BenevolentAI)를 무너뜨렸던 임상 1~3상 ADME/독성 90% 탈락 장벽에서 동일하게 정체됨.
낙관 시나리오 (Bull Case): 능동 학습 기반 인과적 돌파구 (“섭동 영역의 알파폴드”) 15% DOE의 Cryo-ET/빔라인 물리 측정 기술과 고속 멀티모달 프로테오믹스 및 혈관화 인간 오가노이드 기반 폐루프 능동 학습을 결합하여, VBI 모델이 미관측 상위성(epistatic) 섭동 예측에서 선형/가산 베이스라인을 25% 이상 능가하고 2031년까지 3개 이상의 신규 다중 타깃 치료제를 인체 임상 2상에 성공적으로 진입시킴.

1차 출처 및 검증 링크 (Primary Sources & Verification Links)

  1. Biohub (2026.10.07): International, cross-sector collaboration commits nearly $2 billion to build foundational data for AI models to predict and treat disease
  2. Biohub (2026.04.29): Biohub launches the Virtual Biology Initiative with a $500M commitment
  3. 미국 에너지부 (DOE, 2026.10.06): DOE, NIH, and Biohub Partner to Build Foundational Data for Predictive Biological Super Intelligence
  4. Biohub 법적 약관 하위 페이지: Acceptable Use Policy, Terms of Use, Ethics & Governance
  5. Biohub AI 포트폴리오 및 EvolutionaryScale 파트너십: Biohub AI Models Portal, AI + Biology to Cure Disease (2025년 11월), TranscriptFormer GitHub, VariantFormer GitHub
  6. 1년 상업적 엠바고 관련 독립 언론 인터뷰: The Next Web / Reuters 및 Pharmaphorum
  7. Bunne, Roohani, Quake, Regev, Rives, Leskovec 외 (Cell, 2024년 12월): How to build the virtual cell with artificial intelligence: Priorities and opportunities (PMC12148494)
  8. Ahlmann-Eltze, Huber, & Anders (Nature Methods, 2025년 8월): Deep-learning-based gene perturbation effect prediction does not yet outperform simple linear baselines (PMC12328236) 및 벤치마크 소스 코드
  9. Kedzierska, Crawford, Amini, & Lu (Genome Biology, 2025): Zero-shot evaluation reveals limitations of single-cell foundation models (PMC12007350)
  10. 생태계 벤치마크 및 섭동 아틀라스: CZI Billion Cells Project, Arc Institute Virtual Cell Atlas, Virtual Cell Challenge, Xaira Therapeutics X-Atlas/Orion (8M-Cell Perturb-seq)