과학적 발견 자동화를 위한 다중 에이전트 시스템

과학적 발견은 관찰, 가설 생성, 실험, 데이터 분석의 반복적인 과정으로 이루어집니다. 인공지능이 생물학 분야에 적용되며 발전했지만, 이 모든 단계를 자동화한 시스템은 아직 없었습니다. 본 연구는 가설 생성과 데이터 분석을 완전히 자동화하는 최초의 다중 에이전트 시스템인 Robin을 소개합니다. Robin은 문헌 검색 에이전트와 데이터 분석 에이전트를 통합하여 가설을 생성하고, 실험을 제안하며, 실험 결과를 해석하고, 업데이트된 가설을 생성함으로써 과학적 발견에 대한 반자율적인 접근 방식을 구현합니다. 이 시스템을 건성 노인성 황반변성(dAMD) 치료제 발굴에 적용한 결과, Robin은 망막 색소 상피세포의 식세포 작용 증진을 치료 전략으로 제안했습니다. 또한 리파수딜(ripasudil)과 KL001의 시험관 내 효능을 확인했습니다. 특히 리파수딜은 dAMD 치료제로 제안된 적 없는 임상용 Rho 키나아제(ROCK) 억제제입니다. Robin은 리파수딜의 작용 기전을 규명하기 위해 후속 RNA-seq 실험을 제안하고 분석하여, 지질 유출 펌프이자 새로운 표적일 수 있는 ABCA1의 상향 조절을 밝혀냈습니다. 본 보고서의 모든 가설, 실험 방향, 데이터 분석 및 데이터 그림은 Robin이 생성했습니다. Robin은 반복적인 랩인루프(lab-in-the-loop) 프레임워크 내에서 새로운 치료 후보 물질을 자율적으로 발견하고 검증한 최초의 AI 시스템으로서, AI 기반 과학적 발견의 새로운 패러다임을 제시합니다.