AI
생물학 분야 AI 에이전트를 위한 길 닦기
Paving the way for AI agents in biology
두줄요약
생물학 데이터 인프라가 AI 에이전트의 신뢰성 있는 활용을 가로막는다고 분석했습니다. gget virus 같은 결정론적 검색 계층이 정확도를 크게 높였다고 제시했습니다.
핵심 발표
- 생물학 데이터 인프라를 AI 에이전트 친화적으로 재설계해야 한다는 제안
- 결정론적 검색 계층인 gget virus 추가 후 NCBI Virus 시퀀스 검색 정확도 거의 100%로 향상
연구 방법·결과
- Claude, Biomni OSS, Edison Analysis, GPT의 NCBI Virus 바이러스 시퀀스 검색 능력 평가
- 40개 병원체의 현실적 질의 120개와 수동 검증 정답 건수로 구성한 VirBench 활용
- 강력한 모델도 신뢰 가능한 데이터셋 구축에 필요한 정확도를 일관되게 달성하지 못한 결과
개발자 영향
- 생물학 에이전트의 병목으로 추론 능력뿐 아니라 결정론적 데이터 질의·실행 계층의 부재 지적
- API 필터 의미론 불일치, 비표준 메타데이터, 식별자 차이, 인간 전문가의 암묵적 관례를 자동화 장애 요인으로 제시
한계·주의점
- 잘못된 게놈 빌드 좌표, RefSeq·GenBank 레코드 혼합, 불완전 게놈 처리 오류가 후속 생물학 해석을 무효화할 가능성
- 브라우저 인터페이스에만 존재하는 필터링 로직과 복잡한 수작업 재현 과정
