Biohub의 가상 세포 계획이 2026년 10월 7일 다시 확대됐다. 로이터의 이날 보도에 따르면 Google DeepMind, Meta, 신약 발견 기업 Isomorphic Labs가 공동으로 3억 달러를 투자한다. 미국 에너지부의 향후 5년간 5억 달러가 넘는 투입, 국립보건원이 조정하는 기존 연방 데이터 자원, 그리고 Biohub가 올해 4월 먼저 약속한 5억 달러를 합치면 계획 전체의 투입 규모는 18억 달러에 이른다.
이 돈으로 구체적으로 무엇을 사나
가상 생물학 이니셔티브가 다루는 것은 특정 모델 하나의 약점이 아니다. 전제는 학습 데이터 자체가 결정적으로 부족하다는 점이다. 계획은 과학자들이 지금까지 연구한 것보다 훨씬 많은 조건 변화에 세포가 어떻게 반응하는지 대규모로 측정하고, 이를 AI 학습용 공개 데이터셋으로 정리한 뒤, 세포의 행동을 예측하는 가상 세포 모델을 구축하는 것이다. 신약 개발의 상당 부분은 지금도 실제 세포와 동물을 대상으로 한 시행착오에 의존하고 주기는 연 단위다. 모델이 디지털 환경에서 가망 없는 선택지를 먼저 걸러 낼 수 있으면 실험 자원을 가장 유망한 방향에 집중할 수 있다. 이것이 이 자금이 노리는 핵심 수익이다.
누가 내고, 누가 먼저 쓰나
출자 구조가 공개 속도를 결정한다. 마크 저커버그와 프리실라 챈이 설립한 비영리 연구 기관 Biohub에 따르면 데이터는 최종적으로 전 세계 연구자에게 공개되지만, 상업 출자자에게는 엠바고 기간이 있어 공개 전에 먼저 사용할 수 있는 시간을 얻는다. 공공 자금 쪽에서는 에너지부가 실험실 측정, 모델링, 연산에 투자하고, 국립보건원은 5억 달러가 넘는 기존 연방 투자로 구축된 데이터셋과 저장소를 조정해 AI 학습용으로 표준화한다. 즉 공공 자금은 데이터 기반을 사고, 산업 자금은 시간 차를 사는 셈이다.
치료에 닿기까지 얼마나 멀까
냉정한 시각도 필요하다. 가상 세포는 아직 제품이 아니라 방향이다. 세포 내부의 상호작용은 지극히 복잡하고 현재 데이터량은 고정밀 예측에 필요한 수준에 자릿수 단위로 못 미치며, 그래서 계획이 먼저 데이터 생성에 돈을 쓰는 것이다. Isomorphic Labs는 DeepMind 계열에서 나왔고 AlphaFold의 단백질 구조 예측 축적을 기반으로 신약을 개발한다. 이 회사의 참여는 예측 가능한 생물학 모델이 먼저 있어야 신약 개발 전체의 속도가 오를 수 있다는 같은 논리에 산업계가 베팅하고 있음을 보여 준다. 일반 독자에게 이 소식의 의미는 신약 출시가 임박했다는 것이 아니라, AI 신약 개발 경쟁이 모델 경쟁에서 데이터 인프라 경쟁으로 옮겨 가고 그 층을 정부, 자선 기관, 기술 기업이 함께 부담하기 시작했다는 데 있다.
