스탠포드 AI, 자연에서 발견되지 않는 16종의 새로운 바이러스 설계로 생물보안 경보 발령

스탠포드 과학자들은 게놈 언어 모델을 사용하여 박테리아를 감염시키는 16개의 합성 박테리오파지를 설계했습니다. 이는 최초의 전체 AI 설계 바이러스 게놈입니다. 전문가들은 새로운 감독을 촉구한다.

스탠포드 대학의 연구원들은 인공 지능을 사용하여 자연 어디에도 존재하지 않는 16개의 새로운 바이러스를 설계했습니다. 생성 AI가 처음부터 전체 기능적 바이러스 게놈을 생성한 것은 이번이 처음입니다. 2026년 8월 6일 Science 저널에 게재된 이 연구는 강력한 생물학적 AI 모델을 관리하는 방법에 대한 논쟁을 즉시 다시 불러일으켰습니다. AI Buzz Wire가 AI와 사회의 교차점에서 혁신을 추적하는 방법을 지속적으로 보도하는 올해의 가장 중요한 연구 기사 중 하나입니다.

AI가 DNA에서 바이러스를 만드는 방법

박사과정 학생 사무엘 킹(Samuel King)이 이끄는 스탠포드 팀은 챗봇을 사용하지 않았습니다. 대신에 그들은 게놈 언어 모델, 즉 대규모 언어 모델이 텍스트에 대해 훈련하는 것과 거의 동일한 방식으로 방대한 DNA에 대해 훈련된 알고리즘으로 전환했습니다. 수백만 개의 게놈에 내장된 진화 규칙을 학습함으로써 이러한 모델은 생명체가 실제로 사용하는 제약 조건을 준수하는 유전 코드를 작성할 수 있습니다.

연구자들은 작은 단일 가닥 DNA 바이러스 그룹인 Microviridae 계열의 게놈 14,266개에 대해 Evo 1 및 Evo 2라고 불리는 두 가지 게놈 언어 모델을 미세 조정했습니다. 그들은 천연 박테리오파지 ΦX174를 디자인 템플릿으로 사용한 다음 약 300개의 후보 디자인을 16개로 필터링하여 실험실에서 합성하고 테스트할 수 있었습니다.

그 결과, 논문에 따르면 게놈이 "어떤 자연 게놈과도 실질적으로 다른" 16개의 합성 박테리오파지들이 여전히 Escherichia coli 균주 C 박테리아를 감염시킬 수 있었습니다. 박테리오파지 또는 파지는 박테리아만을 공격하고 인간에게 무해한 바이러스입니다.

중요한 이유: 파지 칵테일과 진화하는 병원체

이것은 무작위적인 유전자 접합 운동이 아니었습니다. 결정적으로, AI 모델은 단순히 유전자를 서로 연결하는 것이 아니라 게놈 수준의 제약을 설명했습니다. Evo-Φ36이라고 불리는 설계된 파지 중 하나는 엔지니어가 야생형 ΦX174에 삽입했을 때 결코 작동하지 않았던 기능성 잘린 단백질을 운반했습니다. 주변의 AI 생성 게놈 컨텍스트가 이를 지원하기 위해 공동 적응했기 때문에 여기에서 작동했습니다.

몇몇 합성 파지들이 "파지 칵테일"로 결합되었을 때, 그들은 표적 박테리아가 일반적으로 야생형 ΦX174에 대해 갖는 저항성을 극복했습니다. 이는 빠르게 진화하는 약물 내성 병원체에 대한 적응형 파지 치료법을 설계하는 유망한 의학적 적용을 의미합니다.

스탠포드 팀은 방향성 진화 및 합리적인 공학과 함께 "합성 유전체학이 달성할 수 있는 것"을 확장하는 동시에 "적응적이고 회복력이 있는 파지 치료법을 생성하기 위한 경로를 마련"하는 작업을 진행했습니다.

생물보안 전문가들이 경고합니다

그 약속에는 심각한 위험이 따릅니다. 연구와 함께 발표된 사설에서 Johns Hopkins University의 Thomas Inglesby 박사와 Moritz Hanke 박사는 현재의 DNA 주문 검사를 위한 자발적인 시스템이 더 이상 적절하지 않다고 주장했습니다.

그들은 병원체 제조에 사용되는 구성 요소인 합성 핵산 공급업체에게 우려되는 서열에 대한 고객 주문을 선별하고 고객 스스로의 적법성을 확인하도록 법적으로 요구할 것을 요구했습니다.

Inglesby와 Hanke는 "AI로 생성된 게놈은 이전에 특성화된 핵산 서열과 매우 다를 수 있기 때문에 새로운 디자인을 표시할 수 있는 스크리닝 방법을 시급히 개발해야 한다"고 썼습니다.

이들의 가장 날카로운 주장은 BBC, The Guardian, The New York Times의 보도 전반에 걸쳐 널리 인용되었습니다. "문제는 더 이상 생성적 바이러스 게놈 설계가 존재할지 여부가 아닙니다. 사회가 심각한 피해를 초래하지 않으면서 혜택이 펼쳐지도록 허용하는 감독을 구축할 수 있는지 여부입니다."

거버넌스 격차가 시급해짐

스탠포드 논문은 생물학적 AI 모델이 이론에서 실험실로 넘어갈 수 있음을 보여주는 일련의 최신 결과입니다. 지금까지 게놈 언어 모델은 생물학적 시스템 설계에 대한 가능성을 보여 주었지만 전체 기능적 게놈을 생성하는 능력은 입증된 적이 없습니다. 단백질 단편 설계에서 16개의 생존 가능한 새로운 바이러스 제조로의 도약은 바로 생물보안 연구자들이 경고한 역량 한계점입니다.

존스 홉킨스 사설은 저자들이 "강력한 생물학적 AI 모델을 개발하는 대부분의 개발자들보다 더 의도적으로" 위험에 대처했다고 지적하면서 향후 전체 게놈 설계 작업은 프로젝트 수명주기 전반에 걸쳐 안전 및 보안 전문가와 상의할 것을 촉구했습니다.

정책입안자들에게는 시기가 어색하다. Frontier AI 거버넌스 프레임워크는 지금까지 사이버 보안, 잘못된 정보 및 자율 에이전트와 같은 디지털 위험에 초점을 맞춰 왔으며, 생물학적 설계 기능은 상대적으로 전담 감독이 거의 없이 발전했습니다. 스탠포드 결과는 이제 그 격차를 극명하게 완화시켰습니다.