Omnii-1이란 무엇인가? 최초의 AI 설계 파지 뒤에 있는 게놈 언어 모델

2026년 10월 20일, AI 연구소 Radical Numerics는 Omnii-1을 공개했습니다. 이 회사는 Omnii-1을 세계에서 가장 앞선 멀티모달 게놈 언어 모델이라고 부릅니다. 가장 주목할 만한 주장은 이 모델이 설계한 파지(phage)가 항생제 내성 감염 환자에게 실제로 투여되었다는 것입니다. 이 가이드는 Omnii-1이 실제로 무엇인지, 게놈 언어 모델이 어떤 역할을 하는지, 8가지 응용 분야는 무엇인지, 그리고 헤드라인이 생략한 주의사항은 무엇인지 설명합니다.

Omnii-1이란 무엇인가?

Omnii-1은 **게놈 언어 모델(genome language model)**입니다. 대형 언어 모델의 기반이 되는 트랜스포머(transformer) 기술과 동일하지만, 인간의 텍스트 대신 생물학적 데이터로 학습된 모델입니다. 다음 단어를 예측하는 대신, DNA, RNA, 단백질, 그리고 관련 분자 신호의 패턴을 학습합니다.

Radical Numerics에 따르면 Omnii-1은 **28가지 생물학적 모달리티(modality)**에 걸쳐 네이티브로 사전 학습되었습니다. 여기에는 DNA, RNA, 단백질, 크로마틴 접근성(chromatin accessibility), 전사 인자 결합(transcription factor binding), 히스톤 변형(histone modifications), DNA 메틸화(methylation), 스플라이싱(splicing), 유전자 발현이 포함되며, 세포 유형과 조직에 따라 조건화됩니다 (Radical Numerics). 수조 개의 유전체 및 멀티오믹(multiomic) 데이터 토큰으로 학습한 후, 이 모델은 다양한 생물학적 문제에 적용할 수 있는 하나의 공유 표현(representation)을 학습합니다.

이 회사는 Evo와 Evo 2의 개발팀 출신들이 창립했습니다. Evo와 Evo 2는 AI가 완전히 설계한 최초의 박테리오파지(bacteriophage) 게놈을 만드는 데 사용된 초기 게놈 모델입니다 (Business Wire via FinancialContent).

"범용" 모델이 중요한 이유

수년간 생물학 AI는 문제 하나하나를 개별적으로 해결하는 방식으로 구축되었습니다. 단백질, 유전자 조절, 유전 질환, 분자 설계 각각에 별도의 모델이 존재했습니다. Radical Numerics는 이러한 패러다임이 변화하고 있다고 주장합니다. 하나의 범용 모델이 이제 특화 모델이 구축된 바로 그 과제에서 특화 모델을 능가할 수 있다는 것입니다. 이는 범용 LLM이 좁은 범위의 NLP 시스템을 앞지른 방식과 유사합니다.

게놈은 이를 위한 자연스러운 기반이 됩니다. 게놈은 분자 생물학의 공통 참조점이자 수십억 년의 진화로 형성된 기록이기 때문에, DNA에 기반한 모델은 다양한 하위 신호들을 하나로 연결할 수 있습니다.

8가지 응용 분야

Radical Numerics는 Omnii-1과 함께 8가지 응용 프로그램을 공개했습니다. 각각은 동일한 기반 모델에서 출발하여 중간 학습(mid-training) 또는 사후 학습(post-training)을 통해 적응된 것입니다. 보고된 주요 결과는 다음과 같습니다:

• Omnii Genome. 회사에 따르면 AlphaGenome 및 Borzoi 등 특화 모델을 앞서며 규제 트랙(regulatory-track) 및 변이 효과(variant-effect) 벤치마크에서 새로운 최고 성능을 달성했습니다.
• Omnii Phage. 항생제 내성 감염을 위한 파지 설계(아래 참조). 무작위로 보류된 E. coli 균주에서 상위 두 가지 추천 중 적격 균주의 **92.1%**에 대해 생물학적으로 활성화된 파지가 포함되었습니다.
• Omnii Genetics. 평가된 GWAS 신뢰 집합(credible sets)의 **90%**에서 기능적 변이를 상위 4개 후보 안에 순위 매겼으며, 파킨슨병 153개 신호에 걸쳐 메커니즘을 제안했습니다.
• Omnii Diagnostics. 사전 학습에서 한 번도 본 적 없는 혈액 기반 암 바이오마커(cell-free 5hmC)를 예측하여, 평가된 코호트에서 변이 효과에 대해 피어슨 상관계수(Pearson correlation) 0.854를 달성했습니다.
• Omnii Defense. 기존 스크리닝 파이프라인에 추가했을 때 병원성 관련 단백질 재현율(recall)을 **78.6%**에서 **95.8%**로 향상시켰습니다.
• Omnii Rare Earths, Omnii Antibody, Omnii Cancer Vaccine이 나머지를 구성하며, 금속 분리를 위한 단백질 설계, 항체 설계, 백신 표적 선정을 다룹니다.

모든 수치는 Radical Numerics가 자체적으로 보고한 것으로, 공개 포스트에 게재되었으며 아직 독립적으로 재현되지 않았습니다.

파지 마일스톤 — 그리고 주의사항

헤드라인을 이끄는 결과는 파지 사례입니다. 파지는 박테리아를 감염시키는 바이러스로, 파지 치료법(phage therapy)은 항생제가 효과를 발휘하지 못할 때 유망한 선택지입니다. 그러나 특정 환자의 감염을 표적으로 하는 파지를 찾는 것은 느리고 불확실한 과정입니다.

Radical Numerics는 Omnii-1을 학습시켜 실행 가능한 파지를 설계하고, 변이를 우선순위화하며, 어떤 파지가 어떤 박테리아 균주와 일치하는지 예측하도록 했습니다. 회사가 세계 최초의 AI 설계 파지 임상 사용이라고 부르는 사례에서, Omnii-1이 설계한 파지가 승인된 의사 주도의 동정적 사용(compassionate-use) 경로를 통해 항생제 내성 세균 감염 환자에게 투여되었습니다 (Omnii Phage 보고서). 실험실 테스트에서는 설계된 변이를 포함한 칵테일이 투여 전 in vitro에서 환자의 내성 분리주를 제거했습니다.

다음은 냉정하게 판단해야 할 사항들입니다:

• 단 한 명의 환자입니다. Radical Numerics는 개인 정보 보호를 이유로 환자의 임상 경과나 결과를 공개할 수 없다고 밝혔습니다. 따라서 평가할 수 있는 보고된 결과가 없습니다.
• 임상 시험 단계입니다. 동정적 사용은 승인된 치료 옵션이 없을 때 환자가 임상 시험 외부에서 치료를 받을 수 있도록 허용하는 것입니다. 이는 규제 승인이 아니며, 회사도 한 명의 환자 관찰로는 일반적인 안전성이나 유효성을 확립할 수 없다고 명시했습니다.
• 동료 심사를 받지 않았습니다. 회사의 보고서는 동료 심사(peer review)를 받지 않았고 과학 저널에 게재되지 않았으며, AlphaGenome, Borzoi 등과의 벤치마크 비교는 자체 보고된 것으로 독립적인 재현을 기다리고 있습니다 (NYT via GV Wire).

The New York Times의 Carl Zimmer가 보도한 내용에 따르면, 회사는 이 시험이 FDA의 승인을 받았다고 밝혔습니다. 이는 이것이 실제 뉴스임을 강조하지만, 검증된 치료법이 아닌 첫 번째 단계에 관한 뉴스입니다.

게놈 언어 모델의 실제 활용 방법

Omnii-1은 LLM과 유사하게 프롬프트를 입력할 수 있지만, 생물학을 위한 것입니다. 누락된 측정값을 재구성하거나, 유전적 변이가 기능을 어떻게 변화시키는지 점수를 매기거나, 원하는 프로파일을 가진 DNA를 생성할 수 있습니다. 중요한 점은, 동일한 DNA라도 제공된 세포 또는 조직 맥락에 따라 다른 예측을 산출할 수 있다는 것입니다. 이는 실제 생물학이 작동하는 방식에 더 가깝습니다.

파지 설계의 경우, 모델은 기존 게놈의 선택된 영역(예: 수용체 결합 꼬리 섬유)을 편집하면서 주변 서열을 고려합니다. 따라서 파지가 복제하는 데 필요한 기계 장치를 손상시키지 않고 숙주 표적을 변경할 수 있습니다.

AI 개발자에게 이것이 중요한 이유

Omnii-1은 더 넓은 패턴의 도메인 사례입니다. 하나의 범용 모델, 다양한 특화 워크플로우, 각각 자체 데이터와 평가 루프로 연결된 구조입니다. 생물학, 금융, 소프트웨어 분야에서 일하든 간에, 어려운 부분은 모델 자체가 아닌 경우가 많습니다. 그 주변의 리서치, 소스, 검증을 조율하는 것이 핵심입니다.

이러한 발표를 비판적으로 읽고 싶다면, 과학을 위한 실험실 학습 AI Periodic Neon과 TypeSafe AI의 Jev 모델에 관한 해설을 참고하세요.

AI 팀으로 나만의 리서치 워크플로우 실행하기

Omnii-1과 같은 복잡한 발표를 분석하는 것 — 1차 소스 수집, 벤치마크 주장 교차 검증, 실제 결과와 과장된 홍보 분리 — 은 AI 인력이 처리할 수 있는 전형적인 다단계 리서치 작업입니다. Eigent는 오픈소스 "Cowork" 데스크톱 앱으로, 에이전트 팀이 소스를 읽고, 주장을 비교하며, 로컬에서 요약본을 작성하고, 각 단계마다 사용자가 승인합니다. 경쟁 분석 워크플로우에 활용하거나 Eigent를 다운로드하여 나만의 리서치 데스크를 구축해 보세요.