OpenAI 깅코 자율 실험실, 단백질 합성 비용 40% 절감
2026년 2월 결과가 공개된 OpenAI 깅코 자율 실험실은 GPT-5를 보스턴의 깅코 바이오웍스 로봇 클라우드 실험실에 연결해, 무세포 단백질 합성 비용을 기존 최고 수준보다 40퍼센트 낮췄어요. 여섯 차례의 라운드 동안 모델이 3만 6,000개가 넘는 반응을 설계했고 로봇이 이를 실행했어요. 실험실 연구에 의존하는 기업에는 AI 모델이 어떤 실험을 할지 고르는 것만으로 실험 비용을 낮출 수 있다는 사례예요.
무세포 단백질 합성을 개선하기 어려운 이유
무세포 단백질 합성은 조합할 요소가 너무 많아서 조정하는 데 돈이 많이 들어요. CFPS라고도 부르는 이 방법은 살아 있는 세포를 키우지 않고 단백질을 만들어요. 세포 안의 단백질 생산 장치를 꺼내 통제된 혼합물에 넣고 거기서 돌려요. 신약 개발, 진단, 산업용 효소 생산에 쓰이고, 항체-약물 접합체의 상업 생산에도 쓰여요.
혼합물마다 DNA 주형, 용해물이라 부르는 세포 추출물, 에너지원, 염, 보조 인자를 조합해요. 가능한 조성의 공간은 방대하고 작은 변화는 예측하기 어려워서, 앞선 머신러닝 시도는 점진적인 개선에 그쳤어요. 생물학에서는 모든 아이디어를 실험실에서 시험해야 하고, 실험에는 시간과 돈이 들어요.
OpenAI와 깅코 바이오웍스가 만든 것
OpenAI는 GPT-5 모델을 보스턴에 있는 깅코 바이오웍스의 완전 자동화 클라우드 실험실에 연결했고, 두 회사는 2026년 2월 결과를 공개했어요. 구조는 폐쇄 루프예요. GPT-5가 실험 설계를 디지털 파일로 쓰면, Python 라이브러리 Pydantic으로 만든 검증 시스템이 각 설계가 과학적으로 타당하고 보유 장비에서 실행 가능한지 확인하고, 그다음에야 실험실이 실행해요.
실험실에서는 재구성 자동화 카트(Reconfigurable Automation Carts, RAC)라는 모듈형 로봇 유닛이 작업을 해요. 각 카트에는 액체 처리기, 인큐베이터, 측정 장치 같은 장비가 하나씩 들어 있고, 로봇 팔과 이송 레일이 그 사이로 샘플 플레이트를 옮겨요. 깅코의 Catalyst 소프트웨어가 워크플로를 제어하고, 결과는 GPT-5로 돌아가 분석된 뒤 다음 라운드가 설계돼요.
라운드별 실험실 운영
사람들은 준비 작업과 시약, 소모품의 적재와 하역을 맡았어요. 여섯 차례 라운드, 여섯 달 동안 시스템은 약 15만 개의 데이터 포인트를 만들어 냈어요.
완전한 자율은 아니었어요. 초기에는 같은 플레이트의 결과가 40퍼센트 넘게 차이 나기도 했고, 깅코 직원이 시약 농도와 원액을 손으로 조정해야 했어요. 그 결과 중앙값 편차가 17퍼센트로 내려갔어요. 가장 큰 개선은 GPT-5가 컴퓨터, 인터넷, 데이터 분석 패키지, 노스웨스턴대학교 연구진의 최근 프리프린트를 쓸 수 있게 된 3라운드부터 나왔어요. 두 달 만에, 3라운드부터 5라운드까지 시스템은 이전 최고 기록을 넘었어요. DNA 주형과 용해물도 동시에 개선됐기 때문에 개선분을 모두 모델 덕으로 돌릴 수는 없어요.
자율 실험실이 측정한 것
시스템은 자동화 플레이트 580개에서 3만 6,000개가 넘는 반응 조성을 시험했어요. 시험용 단백질 sfGFP의 생산 비용은 그램당 698달러에서 422달러로 40퍼센트 줄었는데, 2025년 8월 노스웨스턴 연구진이 발표한 기존 최고 수준 대비예요. 단백질 수율은 27퍼센트 올라 리터당 2.39그램에서 3.04그램이 됐고, 시약 비용만 보면 그램당 60달러에서 26달러로 57퍼센트 줄었어요.
오류는 드물었어요. GPT-5가 설계한 플레이트 480개 중 설계 결함이 있던 것은 두 개였어요. 한계는 더 커요. 모든 결과가 하나의 단백질과 하나의 CFPS 시스템에서 나왔고, 다른 단백질 열두 가지로 한 시험에서는 여섯 가지만 검출됐어요.
실험실 연구를 하는 기업에 의미하는 것
실험실 기반 사업에는 AI 모델이 어디서 돈을 아끼는지 보여 주는 결과예요. 어떤 실험을 할지 고르는 데서요. GPT-5는 반응 비용의 90퍼센트 넘게가 이제 용해물과 DNA에서 나온다고도 짚었어요. 그래서 더 싼 재료를 다듬는 것보다 그 투입물 단위당 수율을 올리는 게 더 중요해요.
깅코는 이 작업을 주력 사업으로 바꾸고 있어요. 보스턴 자율 실험실을 RAC 50개 넘게로 확장하고 있고, 2026년 말까지 50개를 더 늘릴 예정이며, 실험실을 클라우드 서비스와 고객 현장에 짓는 시스템 두 가지로 판매한다고 해요. 태평양 북서부 국립연구소를 위한 장비 97대 규모 자율 실험실로 4,700만 달러 계약도 따냈어요. 이 전환은 2025년 연간 매출이 25% 줄어 1억 7,000만 달러가 된 뒤에 나왔어요.
"올해 우리는 자율 실험실 분야에서 이기기 위한 투자에 집중할 거예요." — 제이슨 켈리, 깅코 바이오웍스 공동 창업자 겸 CEO
질문과 답변
GPT-5는 단백질 생산 비용을 얼마나 줄였나요?
sfGFP 생산 비용은 그램당 698달러에서 422달러로, 기존 최고 수준보다 40퍼센트 낮아졌어요. 시약 비용만 보면 57퍼센트 줄었어요.
OpenAI와 깅코의 실험실은 얼마나 자율적이었나요?
GPT-5가 실험을 설계하고 결과를 분석했으며 로봇이 실행했어요. 사람이 시약과 소모품을 준비해 적재했고, 깅코 직원이 변동성을 줄이려고 시약 농도를 손으로 조정했어요.
이 결과는 다른 단백질에도 적용되나요?
아직은 아니에요. 모든 결과가 단백질 하나인 sfGFP에서 나왔고, 다른 단백질 열두 가지로 한 시험에서는 여섯 가지만 검출됐어요. 다른 대상에는 추가 최적화가 필요해요.
MOZGII의 시각
우리라면 이렇게 만듭니다
이 사례에서 쓸모 있는 부분은 모델이 실험실을 돌렸다는 사실이 아니에요. 모델과 로봇 사이의 검증이에요. GPT-5가 쓴 모든 설계는 장비가 움직이기 전에 검증기를 통과했고, MOZGII가 가장 먼저 가져올 부분도 그거예요. 연구팀을 위해 이런 시스템을 만든다면 실험실이 물리적으로 할 수 있는 일의 목록에서 시작해요. 부피, 장비, 플레이트 형식, 재고 시약이에요.
모델이 정해진 형식으로 실험을 제안하게 하고, 각 실험을 코드로 그 목록과 대조하고, 유효한 플레이트만 로봇에 보내요. 과학자가 라운드마다 모델의 메모를 검토하고 다음 라운드를 승인해요. 실패한 플레이트와 장비 오류 보고서를 포함한 모든 원시 결과를 보관해요. 이 사례에서 모델은 그런 세부 사항을 본 뒤에 가장 크게 나아졌으니까요.
측정에 잡음이 있는 곳에서 무너져요. 같은 플레이트가 다른 답을 내면 모델은 잡음을 배우고, 이 사례에서는 사람이 입력을 손으로 고쳐야 했어요. 한 단백질에 맞춰 조정한 레시피를 다른 단백질에 쓸 때도 무너져요.
지켜볼 숫자는 매 라운드 같은 방식으로 측정한 목표 단백질의 그램당 비용이에요. 다음 단계로는 첫 단백질을 넘어선 어떤 레시피든 믿기 전에 두 번째 단백질에 같은 루프를 만들어 돌려요.
출처
이 기사의 사실은 다음 출처에서 가져왔습니다.