Google Research, 웻랩 자율화를 위해 AI 에이전트를 물리 실험에 접지시키는 3건의 연구 공개

VERID는 랩의 워크셀을 의미 단위로 표현한 디지털 트윈이다. 로봇 암의 형상으로부터 각 웰의 액량, 시약, 피펫 팁 재고까지 3D 상태 트리로 추적한다. 문법상 맞아도 물리적으로 불가능한 명령, 예컨대 얕은 트러프에 8채널 피펫을 삽입하거나 빈 웰에서 흡인하는 동작을 시뮬레이션으로 사전에 감지한다. PyLabRobot 위에 구축되었으며, 실시간 상태 추적, 가상 드라이런, 하드웨어 안전 점검, 영상과 조작 로그의 동기 기록 기능을 갖췄다. 사례로는 로그에서 색소의 층 분리를 발견해 혼합 방법을 개선한 경우, 그리고 블라인드 처리한 색소 혼합을 재구성해 정확도가 5배 넘게 향상된 경우가 소개되었다.

아프타머 연구에서는 설계부터 분석까지 7~10일에 순환할 수 있다는 점을 활용해, 미오글로빈과 α-트롬빈을 대상으로 3라운드 폐쇄 루프를 실시했다. 확인된 온타깃 히트율은 미오글로빈 33.5%, α-트롬빈 42.1%에 달했다. α-트롬빈의 경우 1라운드에서 고정 프라이머 말단이 서열의 48%에서 접힘을 방해해 히트율이 0%였으나, 에이전트가 안정화 스템을 도입해 개선했다. 미오글로빈에서는 2라운드에서 G-쿼드руплекс가 설계의 63%를 차지했고, 비특이적 결합으로 특이성이 75.0%에서 19.1%로 떨어졌다. 에이전트는 3라운드에서 설계 규칙을 수정해 특이성을 72.4%로 회복시켰다.

단백질 설계에서는 FAP(섬유아세포 활성화 단백질 α)를 대상으로, 결합 포켓만 잘라내어 다시 폴딩하는 방법을 채택했다. 이를 통해 각 사이클이 8배 넘게 빨라졌으며, 구조 정확도는 유지된 것으로 알려졌다. 동일 계산량 비교에서는 과학자가 전략을 정하고 에이전트가 전술을 맡는 협업이, 과학자 단독의 in-silico 히트율을 거의 2배로 끌어올렸다. 실험 측면에서는 yeast surface display와 FACS를 갖추고 있다. 다음 단계는 VERID를 통한 추적 가능한 자동화와 폐쇄 루프 학습의 통합이다.

안전 측면에서는 감염성이나 기능 획득 위험이 없는 생물계를 테스트베드로 선정했으며, 설계된 서열은 모두 생물안전 스크리닝을 통과시킨다. 에이전트는 검증되지 않은 코드를 로봇에 직접 보내지 않으며, 사람이 서열과 절차를 승인하고 로봇 실행을 감독한다. 과제로는 에이전트가 의도하지 않은 실험상의 지름길이 아니라 실제 표적 결합을 최적화하고 있는지 확인하는 일 등이 제시되었다.