본문

AI가 설계한 박테리오파지, 치료 도구인가 잠재적 위협인가

과학기술발전

등록일  2025.10.17

조회수  496

□ [기사] AI can now be used to design brand-new viruses. Can we stop it from making the next devastating bioweapon?

https://www.livescience.com/health/viruses-infections-disease/ai-can-now-be-used-to-design-brand-new-viruses-can-we-stop-it-from-making-the-next-devastating-bioweapon

□ [참고기사] AI generated its first working genome: a tiny bacteria killer

https://www.sciencenews.org/article/ai-genome-bacteria-phage

 

과학자들이 인공지능(AI)를 활용해 기존에 존재하지 않았던 완전히 새로운 박테리오파지를 설계하는데 성공함. 이는 AI가 “생명 설계”의 영역으로 확장되고 있음을 보여주는 기회가 될 것으로 보도됨. 이 박테리오파지는 박테리아만 공격하도록 설계된 바이러스이며, 사람·식물·동물에는 감염되지 않도록 안전장치가 내재되어 있음. 다만 이 기술은 아직 초기 단계이며, 위험한 병원체를 만드는 수준까지 확장된 것은 아닌 것으로 보도됨.

 

□ AI가 작동 가능한 유전체를 설계

스탠포드 대학과 Arc Institute 소속 연구자들은 두 개의 AI 모델(Evo 1, Evo 2)을 사용해 16종의 박테리오파지 유전체 설계도를 작성했으며, 이 중 일부는 실험실 배지에서 대장균(Escherichia coli)을 감염·사멸시키는 기능을 선보임. 이는 AI가 전체 유전체를 설계한 첫번째 사례로 여겨짐. 바이러스가 생명체인가 아닌가를 두고 학계에 논란이 있지만, 이 연구는 생명체 설계 기술 쪽으로 AI가 한 걸음을 내디뎠음을 보여줌. 연구진은 AI가 과거에는 유전자(gene)나 단백질(protein) 설계에 사용된 적은 있지만, 유전체 전체(genome)를 처음부터 끝까지 생성하는 것은 훨씬 더 복잡한 과제로서, 다양한 유전자가 조화를 이루어 기능해야 하고, 유전자 간 상호작용과 조절 요소들이 함께 작동해야 한다고 설명함. 

 

□ 성능 검증

AI가 약 300개의 후보 유전체가 생성했으며, 이 중 16개 유전체가 실제 기능하는 파지로 구현되어 대장균을 감염·사멸시키는 것이 확인됨. 일부 경우에서는 이 AI 설계 파지들이 ΦX174(Phi X 174)보다 더 빠르게 대장균을 죽이는 속도를 보이기도 함. ΦX174(Phi X 174) 단독으로는 감염 저항성이 있는 몇몇 대장균 균주를 죽이지 못했지만, AI 설계 파지들의 혼합(cocktail)을 사용하자 저항성 균주들도 제압되는 것으로 나타남. 설계된 파지들은 대체로 E. coli C 및 일부 관련 균주에 특이적인 감염 범위(host tropism)를 갖는 것으로 나타났고, 다른 대장균 균주들에는 성장 억제 효과가 없었음. 즉, 특성 균주에 한정된 감염 대상을 어느 정도 제한하는 특성을 보임.

 

□ 이중 사용 문제(Dual-use problem)

이 기술은 항생제 내성균을 치료하기 위한 긍정적 활용 가능성을 지니는 동시에, 병원체나 생물무기 개발 등 악용 가능성 또한 내포할 수 있음. 또한 AI 모델이 훈련 데이터나 설계 제약을 뚫고 위험한 유전자나 기능을 생성할 수 있다는 우려도 존재함. 

 

□ 보안 장치 및 취약점 발견

■ 일부 연구에서 AI가 현재 존재하는 안전 조치를 쉽게 우회할 수 있다는 걸 보여주었고, 이는 생물 보안(biosecurity)에 중대한 우려를 낳고 있음.

■ Microsoft 연구진은 AI가 기존 스크리닝 소프트웨어를 우회할 수 있는 설계물을 만들어낼 수 있음을 확인하였고, 이에 따라 긴급 보안 패치가 배포됨. 

■ AI는 유전적 서열을 설계할 때, 기능적으로 위험한 역할을 하지만 기존 소프트웨어는 경고되지 않는 매우 차별화된 유전자를 생성할 수 있음. 이는 현재의 스크리닝 도구들의 취약점을 드러내는 것임.

■ 패치 이후에도 일부 위험 유전자 서열(평균 3%)이 여전히 스크리닝을 통과할 가능성이 있다는 보고가 있음. 

■ 연구 데이터를 공개하는 경우, 악의적 사용자가 보안을 우회하는 방법을 배울 수 있으므로, 연구 투명성과 보안 사이에서 균형이 필요함.

■ 일부 민감한 데이터는 접근을 제한하는 방식(신청/심사 기반 접근 제어)이 적용됨. 

          

□ 규제와 대응 방안

AI 설계된 유전자 서열을 실제 살아 있는 바이러스로 만드는 “실험실 구현 단계”는 아직 쉽지 않지만, 기술이 발전하면 가능성이 열릴 수 있음. 이에 따라 기술 발전 속도를 고려한 다층적 안전 관리 체계와 국제적 규제 프레임워크 구축이 필요성이 제기됨. 미국 및 영국 등 국가에서는 AI 규제, 생물학 안전성 평가 의무화, AI 악용 방지 기술 개발 등을 고려 중임. 미국은 AI 안전성 표준 마련 및 스크리닝 의무화를 검토하고 있으며, 영국은 AI 오용 방지 연구를 지원 중에 있음. 예방 감시 시스템을 DNA 합성 단위 이상으로 확대해서, 바이러스나 독소 제조 가능성 자체를 탐지하는 방식도 검토됨.