집박(執拍)이 하는 일 — TxGemma·Agentic-Tx 연구 동향과 연구의제

序

하나의 모델이 모든 것을 풀지 않는다 Key Findings

먼저 기대를 정확한 자리에 놓아야 한다. 지금의 Agentic-Tx는 완성된 자율 신약개발 시스템이 아니라 18개 도구를 사용하는 연구용 개념증명 시스템에 가깝다. 평가는 주로 화학·생물학 질의응답 벤치마크에서 이루어졌고, docking–MD–FEP–합성–실험을 실제로 이어붙인 폐루프 검증은 아직 없다. 원 논문 스스로 TxGemma의 성능이 wet-lab에서 전향적으로 검증되지 않았음을 밝히고 있다.

이름도 가려 써야 한다. 비슷하게 들리지만 같은 물건이 아니다.

TxGemma는 치료제 개발에 특화된 예측·설명 모델이고,
Agentic-Tx는 필요한 모델·데이터베이스·계산도구를 선택하고 연결하는 연구 오케스트레이터다.

혼동하기 쉬운 두 이름

Agentic-Tx — Google의 TxGemma 논문이 제시한 Gemini 기반 치료제 개발 오케스트레이터.

TxAgent — Harvard/Zitnik 연구팀이 별도로 개발한, 211개 biomedical tool 기반 정밀치료 추론 에이전트.

一

이름부터 가려 쓴다 Definition

TxGemma는 Gemma 2를 바탕으로 치료제 개발 데이터에 instruction fine-tuning한 generalist therapeutic language model family다. 저분자의 SMILES, 단백질·펩타이드의 아미노산 서열, DNA·RNA 염기서열, 질환과 세포주 이름, 약물·표적에 관한 자연어 설명처럼 서로 이질적인 표현을 하나의 입구로 받아들인다.

f_θ(x, τ) → y x는 분자·서열·질환 입력, τ는 수행할 치료제 개발 태스크, y는 분류(독성·BBB 투과성·발암성), 회귀(결합 친화도·약물 민감도·lipophilicity), 생성(retrosynthesis 등) 가운데 하나다.

TxGemma-Predict

크기 2B · 9B · 27B
정확한 분류·회귀와 제한적 생성이 목적
정형화된 TDC prompt를 쓸 때 가장 안정적
일반 대화와 긴 추론은 상대적으로 약하다

전문 분석기에 가깝다.

TxGemma-Chat

크기 9B · 27B
자연어 상호작용, 예측 결과 설명, 과학적 토론
훈련 구성은 치료 데이터 30%, 일반 instruction 데이터 70%
원시 예측 성능은 Predict보다 일부 낮아질 수 있다

분석 결과를 설명하는 과학 대화자에 가깝다.

Agentic-Tx — 부르는 자

Agentic-Tx는 TxGemma를 포함한 여러 전문 도구를 목적에 맞게 골라 차례로 부르는 치료제 개발용 agentic orchestration system이다. 원 논문에서 중심 추론 모델은 Gemini 2.5이고, 도구는 열여덟 개다. TxGemma-Chat, TxGemma 기반 독성·돌연변이원성·IC₅₀ 예측기, Phase 1 성공 예측기, PubMed·Wikipedia·웹 검색, PubChem 기반 분자 조회와 구조 변환, 유전자·단백질 정보 검색이 그 목록에 들어간다.

구조는 ReAct를 따른다. 하나의 질문에 곧바로 답하지 않고, 질문을 뜯어보고 필요한 바깥 행동을 고르며 그 결과에 따라 다음 행동을 고쳐 잡는다.

Reason → Act → Observe → Revise ↺

통합 학술 정의 치료제 개발에 특화된 foundation model을 확률적 예측기이자 설명 도구로 쓰고, 범용 추론 모델이 외부 데이터·계산·실험 도구를 선택해 여러 단계의 과학적 의사결정을 수행하는 계층적 AI 시스템.

TxGemmaDOMAIN PRIOR

축적된 치료제 지식을 확률로 내놓는 자리.

Agentic-TxDECISION POLICY

다음에 무엇을 할지 고르는 자리.

전문 도구SCIENTIFIC ACTUATOR

실제로 계산을 수행하는 손.

KG · 데이터베이스EXTERNAL MEMORY

모델 바깥에 두는 기억.

실험GROUND-TRUTH ORACLE

끝까지 판정을 맡는 자리.

사람HUMAN-IN-THE-LOOP

위험하고 불확실한 대목을 승인하고 고치는 자리.

二

문제는 예측이 아니라 결정이다 Problem Definition

신약개발의 어려움은 하나의 예측 문제로 환원되지 않는다. 표적과 질환의 인과적 연관성, 결합 활성과 선택성, 독성과 off-target 위험, ADME/PK 특성, 합성 가능성과 제조 비용, 임상 성공 가능성, 계산·실험 비용, 근거의 신뢰도를 동시에 만족해야 하는 연속적이고 다목적인 의사결정 문제다.

이를 에이전트 관점으로 옮겨 적으면 다음과 같다.

a_t ~ π_φ( a_t | g, h_t, M, 𝒯, B, C ) g는 연구 목표, h_t는 지금까지의 추론·실행 이력, M은 논문·KG·과거 계산과 실험의 기억, 𝒯는 쓸 수 있는 도구 집합, B는 계산·시간·비용 예산, C는 독성·안전·품질·규제 제약이다.

max_π 𝔼[ U_scientific − λ₁C_compute − λ₂C_risk − λ₃U_uncertainty ] 단, 모든 결론은 provenance와 근거를 가져야 하며 안전 임계치를 넘어서는 안 된다.

여기서 두 시스템의 소임이 갈린다. TxGemma는 서로 다른 물음 — 이 분자는 BBB를 통과하는가, 이 화합물과 단백질의 결합 친화도는 얼마인가, 이 유전자와 질환은 연관되는가 — 을 서로 다른 모델이 아니라 공통 언어 인터페이스로 처리한다.

Agentic-Tx가 맡는 연쇄 “뇌 투과성이 있고 돌연변이 표적에 강하게 결합하지만 임상 독성은 낮은 후보”를 찾는 물음 하나가 여덟 번의 판단으로 풀린다.

분자 식별과 구조 정규화
표적·질환 근거 검색
결합력 예측
BBB 예측
독성 예측
임상 가능성 평가
상충 결과 분석
근거가 포함된 최종 결론 작성

三

열두 개의 열쇠말 Core Concepts

Generalist 치료 모델GENERALIST MODEL

여러 치료제 개발 태스크를 하나의 모델 파라미터 집합으로 처리한다.

도메인 instruction tuningDOMAIN TUNING

SMILES·서열·질환·세포주 데이터를 질문–응답 형식으로 바꾸어 학습한다.

Predict–Chat 분리ROLE SPLIT

예측 정확성과 자연어 설명 능력을 서로 다른 모델로 최적화한다.

Tool groundingTOOL GROUNDING

계산은 LLM의 기억이 아니라 RDKit·데이터베이스·예측 모델에 맡긴다.

ReActREACT

추론–도구 호출–관찰–계획 수정의 반복.

Tool retrievalTOOL RETRIEVAL

전체 도구를 매번 내밀지 않고 지금 문제에 필요한 도구만 검색한다.

Agentic RAGAGENTIC RAG

검색 결과를 한 번 읽고 마는 것이 아니라, 근거가 모자라다는 판단을 내려 다시 검색한다.

Graph RAGGRAPH RAG

약물–표적–질환–경로의 연결 구조를 따라 근거를 검색한다.

멀티 에이전트 분업MULTI-AGENT

계획·검색·화학·분석·검증의 역할을 나눈다.

Provenance memoryPROVENANCE

어떤 데이터와 도구가 어떤 결론을 만들었는지 남긴다.

폐루프 학습CLOSED LOOP

계산과 실험의 결과를 다음 후보와 실험 설계에 되먹인다.

Human-in-the-loopHUMAN IN THE LOOP

위험하거나 불확실한 단계에서 전문가가 승인하고 고친다.

다만 한 가지는 분명히 해야 한다. 원래의 Agentic-Tx는 완전한 Graph RAG 시스템이 아니다. 원 논문이 쓰는 것은 PubMed, Wikipedia, 웹, 화학·단백질 도구다. PrimeKG 기반 Graph RAG는 CLADD에서, evidence graph는 DeepEvidence에서, KG 구축과 추론의 결합은 DeepRoot에서 뒤이어 또렷해진다.

四

전문가들의 방에서 악단으로 Introduction

TxGemma 이전의 therapeutic AI는 대체로 특정 데이터와 태스크에 맞춘 specialist model의 세계였다. 독성 모델, drug–target interaction 모델, QSAR 모델, clinical outcome 모델, retrosynthesis 모델, protein language model이 각자의 방에서 각자의 언어를 썼다.

개별 성능이 아무리 뛰어나도 입력 형식과 데이터 스키마, 실행 환경과 출력의 의미가 저마다 달랐다. 그래서 연구자는 한 단계의 결과를 손으로 정리해 다음 도구에 다시 넣어야 했다. 사람이 배선(配線)이 되어 있었던 셈이다.

TxGemma는 이 문제에 치료제 개발 태스크의 공통 언어 인터페이스를 내놓았고, Agentic-Tx는 그 인터페이스와 바깥 도구를 이었다. 연구의 초점은 그렇게 옮겨간다. “좋은 답을 생성하는 모델”에서 “근거를 찾고 계산을 실행하며 실험 결과로 제 계획을 고치는 시스템”으로.

2025 이후의 발전 경로 모델 하나를 키우는 방향이 아니라, 계통을 늘려 잇는 방향으로 갈라져 나왔다. 마지막 화살표가 다시 앞으로 돌아온다는 점이 중요하다.

도메인 예측TXGEMMA

→

도구 오케스트레이션AGENTIC-TX

→

RAG · KG 근거화CLADD · DEEPEVIDENCE

→

계산 실행MADD · TOOLMOL

→

실험 폐루프ROBIN

↺ 실험 폐루프의 결과는 다시 RAG·KG 근거화 단계로 돌아간다

五

왜 이런 구조라야 했나 Motivation & Background

높은 실패율과 다목적 의사결정.
후보물질은 결합력이 높다고 약이 되지 않는다. 효능·선택성·ADME·독성·합성성·안정성·약동학·임상 가능성을 함께 만족해야 한다. 그래서 단일 예측 모델의 성능을 조금 더 올리는 것만으로는 전체 개발 성공률이 크게 달라지지 않는다.
데이터와 도구의 파편화.
정보는 PubMed와 특허, ChEMBL·PubChem·BindingDB, Open Targets와 질환 KG, PDB와 AlphaFold 구조, docking·MD·FEP 결과, assay와 omics 결과, 임상시험과 규제 문서에 흩어져 있다. 에이전트 AI의 동기는 이것을 한 모델에 외우게 하는 것이 아니라, 필요할 때 정확한 출처와 계산도구를 부르게 하는 것이다.
정적 모델의 지식 시점 문제.
고정된 LLM은 훈련이 끝난 뒤의 논문과 약물 승인과 임상 결과를 알지 못한다. TxAgent 연구는 실제로 도구를 쓰는 편이 도구 결과를 흉내 내는 방식보다 일관되게 우수했다고 보고한다.
전문 도구의 접근성.
MADD 연구는 생성모델·docking·IC₅₀ 예측·SA·QED·PAINS 필터의 복잡성이 wet-lab 연구자의 직접 활용을 가로막는다고 지적하고, 자연어 요청만으로 hit-identification 파이프라인을 만들고 실행하는 구조를 제안했다.
데이터가 적은 영역.
TxGemma는 TDC 전반을 학습한 뒤 새로운 임상시험 adverse-event 예측에 fine-tuning할 때, 기본 Gemma 2보다 적은 데이터로 강한 성능을 보였다. 희귀질환·신규 표적·독점 assay처럼 데이터가 마른 자리에서 이 성질이 특히 값지다.

六

아홉 가지 난제 Challenges

좋은 답사기가 그러하듯, 이 분야의 실상도 성과보다 한계를 들여다볼 때 더 정직하게 보인다. 아래 아홉은 원 논문과 후속 문헌이 스스로 밝혀둔 자리들이다.

누적 오류의 산술 0.95¹⁵ ≈ 0.46 각 단계가 95퍼센트 정확해도 열다섯 단계를 이으면 단순 성공확률은 46퍼센트로 떨어진다. 에이전트와 도구를 늘리는 것만으로는 풀리지 않는 이유다.

실제 일반화와 벤치마크 성능의 차이.
TxGemma는 TDC의 66개 태스크 가운데 64개에서 당시 generalist SOTA와 비슷하거나 우수했고 45개에서 더 높았다. 그러나 훈련과 평가가 모두 TDC 체계 안에서 이루어졌다. 새로운 scaffold, 새로운 target family, 새로운 assay protocol, 새로운 disease context, 새로운 modality, 기관 간 분포 변화에서의 검증은 별개의 문제다.
설명과 인과의 혼동.
원 논문은 TxGemma-Chat의 설명이 인과적 기전이 아니라 상관적 설명일 수 있음을 경고한다. “lipophilicity가 높아 BBB를 통과한다”는 말은 그럴듯하지만 efflux transporter, 이온화 상태, polar surface area, plasma protein binding, active transport, 대사 안정성이 빠져 있다. 설명의 유창함이 기전의 정확함을 보증하지 않는다.
개방형 분자 생성의 한계.
MADD 연구의 평가에서 TxGemma-9B·27B-Chat이 생성한 분자들은 설정된 GR1·GR2 필터를 통과하지 못했다. 저자들은 TxGemma가 독성·retrosynthesis 같은 정형 태스크에는 강하지만 제약이 약한 광범위 SMILES 생성은 핵심 훈련 목표가 아니었다고 해석했다. 특정 벤치마크의 결과이므로 절대적 결론은 아니되, 하나의 원칙은 남는다 — 생성은 전용 모델과 유전알고리즘과 RDKit 검증기에 맡기고, Agentic-Tx가 이들을 부르는 편이 타당하다.
도구 선택과 인자 오류.
옳은 도구를 골랐더라도 잘못된 SMILES 전달, 단백질 ID 혼동, 단위 변환 오류, assay type 혼동, ligand와 receptor의 순서 오류, 필수 parameter 누락, 실패한 도구 결과를 성공으로 오인하는 일이 생긴다. TxAgent는 211개 도구에서 필요한 것을 찾는 ToolRAG를 도입했지만, ToolUniverse에 없는 데이터 유형과 내부 지식의 불확실성은 여전히 한계로 남는다.
장기 워크플로의 오류 누적.
MADD의 ablation은 Orchestrator가 너무 많은 역할을 떠안을수록 성능이 떨어질 수 있음을 보였고, 모듈성 연구는 CodeAgent와 ToolCallingAgent의 우열이 모델과 질문에 따라 뒤바뀐다고 보고한다.
프롬프트와 표현 민감성.
같은 분자도 이름, IUPAC, canonical SMILES, 다른 유효 SMILES로 적을 수 있다. 질문 순서와 SMILES 포함 여부, system prompt의 변화가 도구 선택과 성능을 일관되지 않게 바꾼다. 입력 정규화와 entity resolution은 곁다리 기능이 아니라 핵심 구성요소다.
불확실성과 충돌하는 근거.
TxGemma는 낮은 독성을, QSAR는 높은 hERG 위험을, docking은 강한 결합을, MD는 pose 붕괴를, 논문은 특정 세포주의 독성을 말할 수 있다. 지금의 Agentic-Tx에는 이 충돌을 확률적으로 통합하는 명시적 Bayesian evidence model이 없다.
재현성.
LLM 에이전트는 같은 입력에도 다른 계획과 코드를 만든다. Robin은 실험 데이터 분석의 변동을 줄이려고 여덟 개의 독립적인 분석 궤적을 돌린 뒤 meta-analysis로 결론을 모았다. 단일 실행보다 앙상블과 합의가 중요하다는 뜻이다.
실제 실험 검증의 부재.
TxGemma 논문의 난소암 사례는 PIK3CA와 alpelisib를 쓴 단순화된 개념증명이다. 완전한 후보 생성, docking·MD·FEP, 합성, biochemical assay, cellular assay, 동물시험, 전향적 임상 검증은 포함되지 않았다. 원 논문도 이를 분명한 한계로 인정한다.

七

지금 물어야 할 여덟 가지 Research Questions

RQ1 · generalist와 specialist의 결합ARCHITECTURE

TxGemma가 문제 전체를 직접 푸는 구조와, TxGemma를 planner·explainer로 두고 GNN·docking·MD·FEP를 specialist tool로 배치하는 구조 가운데 어느 쪽이 더 정확하고 효율적인가.

RQ2 · 무엇을 학습하고 무엇을 검색할 것인가PARAMETER VS RETRIEVAL

안정된 화학·생물학 원리는 모델에 학습시키고, 최신 논문·임상시험·특허는 RAG로, 구조적 관계는 Graph RAG로, 계산·실험 이력은 provenance KG로 나누는 분리가 과연 타당한가.

RQ3 · 도구 선택을 어떻게 믿을 것인가TOOL TRUST

도구 설명문의 유사도만이 아니라 입력·출력 타입, 데이터 단위, 적용 가능한 화학공간, 과거 성공률, 계산 비용, 불확실성, 사용 금지 조건을 함께 쓸 수 있는가.

RQ4 · 설명의 정확성을 어떻게 잴 것인가FAITHFULNESS

예측의 정확성과 설명의 정확성은 다른 것이다. 설명이 모델의 실제 판단 근거인지, 사후에 지어낸 그럴듯한 이야기인지 가려야 한다.

RQ5 · 불확실성을 행동에 어떻게 쓸 것인가INFORMATION VALUE

가장 점수가 높은 후보를 고르는 대신, 다음 계산의 정보 가치를 값으로 따져 행동을 고를 수 있는가.

RQ6 · 과거 이력을 장기기억으로 쓸 수 있는가MEMORY

어떤 receptor state가 성공했는가, 어떤 docking engine이 그 pocket에서 안정적이었는가, docking 점수는 높았지만 MD에서 무너진 pose는 무엇인가, 어떤 예측이 assay에서 되풀이해 틀렸는가.

RQ7 · 자연어 벤치마크가 실력을 대변하는가BENCHMARK VALIDITY

ChemBench·GPQA·HLE 점수가 높다고 구조 전처리, 대규모 docking, 계산 실패 복구, 합성경로 계획, 다목적 lead 최적화, 실험 설계를 잘한다는 보장은 없다.

RQ8 · 사람은 어디에서 개입하는가RISK-ADAPTIVE

모든 단계를 승인받으면 자동화의 이점이 사라지고, 완전히 맡기면 위험이 커진다. 저위험 검색은 자동으로, 고비용 MD·FEP는 예산 승인으로, 독성 후보 선택은 전문가 검토로, 합성·실험·임상 권고는 필수 승인으로.

RQ7과 관련해 DO Challenge는 백만 개 분자 규모의 virtual-screening형 실행 벤치마크를 제안했다. 에이전트는 많은 인간 팀을 앞섰지만 전문가가 설계한 해법에는 미치지 못했고, 실행 간 변동도 컸다.

八

여덟 갈래의 방법 Approaches

TxGemma의 방법

TDC의 66개 태스크, 1,500만 개가 넘는 데이터 포인트가 바탕이다. 실제 predictive fine-tuning에는 약 700만 개의 training example이 쓰였다. 회귀·생성이 약 330만, 이진 분류가 약 370만이다. 2B·9B·27B의 Gemma 2 모델을 fine-tuning하되 Predict와 Chat을 따로 훈련했고, SMILES와 서열과 자연어를 하나의 text interface로 옮겼다.

저자 보고 기준으로 TxGemma-27B-Predict는 기존 generalist model보다 45/66에서 우수했고, 64/66에서 우수하거나 근접했으며, specialist model과 비교해서는 50/66에서 우수하거나 근접하고 26개 태스크에서 더 나았다. 다만 이는 TDC 체계 안에서의 성능이며 wet-lab 성공률을 뜻하지 않는다.

Agentic-Tx의 방법 네 종류의 도구 — TxGemma 기반 도구, 일반 검색 도구, 분자 처리 도구, 유전자·단백질 조회 도구 — 를 ReAct로 조율한다. 도구 결과가 길면 맥락 유지와 비용 절감을 위해 요약하며, 한 문제에 최대 여덟 번가량의 도구 호출이 쓰인 사례가 보고되었다.

ChemBench-mini, ChemBench Chemical Preference, GPQA Chemistry, HLE 화학·생물에서 같은 계열의 base Gemini보다 높은 성능을 보였다. 다만 HLE의 개방형 답변은 채점 모델에 따라 점수가 크게 흔들려 객관성을 위해 다지선다 부분만 평가했다. 그러므로 이 결과는 “복잡한 신약개발을 해결했다”가 아니라 도구를 쓰면 과학 질의응답 성능이 오른다는 근거로 읽어야 한다.

TxAgent · ToolRAG211 TOOLS

ToolUniverse의 211개 도구, 질문에 맞는 도구를 동적으로 찾는 ToolRAG, API 문서에서 wrapper를 만드는 ToolGen. 378,027개 instruction sample과 85,340개 다단계 추론 궤적을 썼다. Agentic-Tx가 신규 치료제 개발에 가깝다면, TxAgent는 기존 약물의 처방·상호작용·금기·환자별 선택에 가깝다.

CLADD · KG-RAG 멀티 에이전트AAAI 2026

Planning Team, Knowledge Graph Team, Molecular Understanding Team과 최종 Prediction Agent를 둔다. PrimeKG에서 질환·단백질·약물 문맥을 검색하고 PubChem annotation과 molecular captioning을 결합해, 별도의 도메인 fine-tuning 없이 drug-target 예측과 생물활성·독성 태스크를 처리한다.

MADD · 실행형 멀티 에이전트EMNLP 2025

Decomposer·Orchestrator·Summarizer·Chat Agent의 네 에이전트가 GAN·CVAE 분자 생성, IC₅₀ 예측, docking score 계산, ChEMBL·BindingDB 검색, SA·QED·PAINS·Brenk 필터, DatasetBuilder와 AutoML을 잇는다. 300만 개가 넘는 docking score를 담은 벤치마크도 함께 공개했다.

ToolMol · 도구에 발 디딘 생성TOOL-GROUNDED

LLM이 SMILES를 제멋대로 짓게 두지 않는다. 유전알고리즘이 ligand population을 유지하고, LLM 에이전트가 수정 전략을 세우며, RDKit이 정확한 구조 변경을 실행하고, 결합·drug-likeness·합성 조건을 다목적으로 평가해 다음 세대에 반영한다. 전략은 LLM이 세우고, 화학적 변환은 검증 가능한 도구가 수행한다.

DeepEvidence · 증거 그래프NAT. MACH. INTELL. 2026

넓게 훑는 에이전트와 깊이 파고드는 에이전트를 함께 두고, 검색 과정에서 핵심 entity와 관찰을 evidence graph에 차곡차곡 쌓는다. 어떤 주장이 어느 논문에서 나왔는지, 그것을 지지하고 반박하는 근거가 무엇인지, 어떤 에이전트가 어떤 경로로 결론에 이르렀는지, 근거가 빈 곳은 어디인지를 추적한다.

Robin · 실험 폐루프NATURE 2026

문헌검색 에이전트 Crow·Falcon과 데이터분석 에이전트 Finch를 엮어 질환 기전 조사 → 실험 가능한 가설 생성 → 후보 약물 제안 → 사람이 실험 수행 → 에이전트가 flow cytometry·RNA-seq 분석 → 결과로 가설과 후보 갱신의 고리를 돌렸다. 건성 황반변성에서 ripasudil과 KL001의 in-vitro 효능을 확인했다.

九

쓰임의 자리 Key Applications

신약개발 단계	TxGemma의 몫	에이전트 시스템의 확장
Target identification	질환–유전자 연관성 예측	KG·문헌·omics 근거를 검색하고 표적을 순위화
Target validation	단백질·질환 문맥 해석	pathway, PPI, 유전학, 임상근거의 교차검증
Hit discovery	drug–target interaction, 결합 친화도 예측	생성모델·virtual screening·docking 실행
Hit selection	독성·BBB·활성 예측	효능–독성–신규성–합성성의 Pareto 선택
Lead optimization	후보별 특성 예측과 설명	ToolMol형 구조 수정–재평가 순환
ADMET	toxicity, lipophilicity, mutagenicity 등	여러 모델의 상충 결과와 불확실성 통합
Docking · 구조분석	전문 docking 엔진은 아니다	Vina·Glide·DiffDock·PLIP·ProLIF 연결
MD · FEP	원 모델의 범위 밖	비용과 불확실성에 따라 실행 여부를 결정
합성경로	제한적인 reactant 생성	retrosynthesis, 시약 조달성, 비용 평가
Preclinical	예측 기반 후보 우선순위	assay 설계와 결과 분석
Clinical development	Phase 1·부작용 관련 예측	임상 근거 검색과 환자군 stratification
Precision therapy	제한적	TxAgent형 상호작용·금기·환자 조건 추론
Scientific evidence	Chat 기반 설명	DeepEvidence형 증거 그래프 구축

TxGemma를 가장 잘 쓰는 길은 모든 일을 TxGemma에 맡기는 것이 아니다. Predict는 빠른 1차 선별에, Chat은 결과 해석과 가설 설명에, Graph RAG는 기전·질환·표적 근거에, 전문 모델은 GNN·docking·MD·FEP·PBPK에, 에이전트 planner는 실행 순서와 예산 결정에, verifier는 물리·화학·근거의 오류 검증에 각각 세우는 것이다.

十

아직 풀리지 않은 여덟 매듭 Open Problems

Foundation model인가, 다수 태스크의 공동 fine-tuning 모델인가.
TxGemma가 완전히 새로운 치료제 문제를 스스로 익히는 foundation model인지, TDC의 66개 태스크에 강한 generalist supervised model인지 더 엄격히 가려야 한다.
3차원 정보의 통합.
TxGemma의 표현은 근본적으로 문자열이다. 그러나 실제 결합은 3D conformation, pocket geometry, protonation, water network, receptor flexibility, mutation, stereochemistry에 기댄다. SMILES·서열 토큰과 3D graph·surface·trajectory를 잇는 새로운 multimodal architecture가 필요하다.
설명의 충실성(explanation faithfulness).
설명이 예측을 만든 실제 내부 근거인지 확인하기 어렵다. feature attribution, counterfactual molecule, matched molecular pair, residue perturbation 같은 수단으로 검증해야 한다.
보정된 불확실성.
모델의 confidence가 실제 오류율과 맞아야 한다. 데이터 부족에서 오는 epistemic uncertainty, assay noise에서 오는 aleatoric uncertainty, 도구 오류, 검색 근거 부족, 모델 간 불일치, domain shift를 구분해야 한다.
에이전트의 성공조건 정의.
“최종 답을 냈다”와 “과학적으로 올바른 파이프라인을 실행했다”는 다른 말이다. 성공조건에는 올바른 entity 선택, 올바른 도구 선택, parameter 타당성, 실행 성공, 결과 해석의 정확성, 근거 추적성, 재현 가능성, 계산 비용, 그리고 최종 후보의 실험 성공이 함께 들어가야 한다.
영속적인 과학 기억.
지금의 에이전트는 대개 대화 맥락에만 기댄다. 세션이 끝나면 실패한 docking 설정, 부정적인 assay, 모델별 편향, 검증되지 않은 가설, 전문가의 수정이 함께 사라진다. 이것을 provenance KG로 남겨야 한다.
실패 데이터의 활용.
신약개발에서 실패 기록은 매우 값지지만 공개 데이터에는 드물다. docking pose collapse, insolubility, reactive metabolite, hERG toxicity, synthesis failure, assay interference 같은 실패를 명시적 지식으로 적어두지 않으면 에이전트는 같은 실패를 되풀이한다.
벤치마크와 실제 연구의 간극.
QA 정확도와 docking score와 QED만으로는 실제 hit를 증명하지 못한다. MADD도 in-silico와 wet-lab 사이의 병목을 인정했고, TxGemma 역시 전향적 wet-lab 검증을 앞으로의 과제로 남겼다.

十一

앞으로 낼 열 갈래 길 Future Directions

아래는 기존 문헌에 근거하되 그 위에서 한 걸음 더 뻗은 방향이다.

1 · Graph-Native TxGemmaMULTIMODAL FUSION

KG 검색 결과를 텍스트로 늘어놓는 대신 subgraph를 구조 그대로 인코딩한다. TxGemma가 텍스트·SMILES·서열을, GNN/StarE가 다관계·다항 관계 KG를, 3D encoder가 pocket–ligand 구조를, provenance encoder가 근거의 출처·시점·신뢰도를 맡는다.

z = Fuse( z_text, z_molecule, z_protein, z_KG, z_3D )

그러면 “약물–표적 점수”만이 아니라 “어떤 기전과 어떤 구조적 상호작용 때문에 유망한가”를 함께 배울 수 있다.

2 · 실행 가능한 Provenance KGEXECUTABLE MEMORY

KG를 문헌 사실의 창고가 아니라 계산 가능한 연구 기억으로 넓힌다. 조선의 의궤가 행사의 절차와 물목과 사람을 남겨 훗날 그대로 되살릴 수 있게 했듯, 계산의 이력을 관계로 적는다.

DockingRun ─USED→ ReceptorState
DockingRun ─GENERATED→ Pose
Pose ─INTERACTS_WITH→ Residue
Pose ─FAILED_IN→ MDRun
Compound ─SHOWED_ACTIVITY_IN→ Assay
Prediction ─WAS_CORRECTED_BY→ Expert
Hypothesis ─SUPPORTED_BY→ Evidence
Hypothesis ─CONTRADICTED_BY→ NegativeResult

이 구조가 있으면 같은 계산을 되풀이하지 않고, 과거의 성공과 실패를 근거로 다음 방법을 고를 수 있다.

3 · 다중 정밀도 에이전트 깔때기MULTI-FIDELITY FUNNEL

모든 후보에 값비싼 계산을 걸지 않는다. KG·문헌으로 표적과 기전을 거르고, TxGemma로 초고속 물성 선별을 한 뒤, GNN·QSAR 앙상블과 docking consensus scoring을 거쳐 상위 후보만 MD로, 매우 불확실하거나 중요한 후보만 FEP로 보낸다. 이어서 합성경로와 조달 가능성을 따지고 마지막에 wet-lab 검증에 이른다. 각 단계에서 다음으로 넘길 후보 수는 고정값이 아니라 정보가치와 비용이 정한다.

4 · 증거 계약형 도구 인터페이스EVIDENCE CONTRACT

모든 도구가 단순 문자열이 아니라 계약을 반환하게 한다.

value · unit · confidence
applicability_domain
input_provenance · software_version
parameter_set · failure_status
supporting_evidence · timestamp

그래야 서로 다른 도구의 결과를 안전하게 견줄 수 있다.

5 · 인과 Graph RAGCAUSAL RAG

지금의 KG는 “연관됨”을 많이 담지만 약물개발에는 인과의 방향이 중요하다. 변이가 단백질 기능을 바꾸는가, 단백질 변화가 pathway를 바꾸는가, pathway 변화가 phenotype을 개선하는가, 약효가 표적 결합 때문인가 off-target 때문인가. causal edge와 intervention evidence, Mendelian randomization, perturbation data를 구분한 Graph RAG가 필요하다.

6 · 실패를 아는 자기개선FAILURE-AWARE

계획·행동·결과에 더해 실패 원인과 전문가의 수정까지 기억에 넣는다. 그러면 반복 실패한 도구를 피하고, 특정 pocket에 맞는 docking engine을 고르고, 특정 계열의 독성을 미리 경고하고, 잘못된 entity mapping을 막고, 비효율적인 계획 궤적을 지울 수 있다.

7 · 불확실성이 이끄는 자율 실험ACTIVE LEARNING

가장 좋아 보이는 후보가 아니라 불확실성을 가장 많이 줄여주는 실험을 고른다. 상위 열 개 후보가 모두 비슷한 scaffold라면, 최고점 후보를 하나 더 확인하는 것보다 다른 scaffold의 대표를 시험하는 편이 화학공간을 더 배운다.

8 · 멀티 에이전트 동료평가PEER REVIEW

한 에이전트가 계획과 평가를 함께 맡으면 제 오류를 정당화한다. Planner, Executor, Evidence Agent, Skeptic Agent, Reproducibility Agent, Safety Agent로 역할을 나누고 사람이 최종 승인을 맡는다. 단순한 멀티 에이전트 대화가 아니라 계산 결과와 provenance에 근거한 과학적 동료평가여야 한다.

9 · 실험실을 품은 디지털 트윈LAB-IN-THE-LOOP

Robin의 실험 폐루프를 구조 기반 신약개발로 넓힌다. 실험 결과는 보고서로 끝나지 않고 KG에 되돌아가 다음 라운드의 후보 선택과 계산 예산에 곧바로 영향을 주어야 한다.

Graph RAG기전·근거

→

Agentic Planner계획

→

TxGemma·GNN·Docking·MD·FEP계산

합성 · Assay실험

→

검증 · 불확실성 갱신환류

↺

다시 Graph RAG로기억의 갱신

10 · 새로운 평가 패러다임AGENT SCORE

앞으로의 벤치마크는 정답률만이 아니라 여섯 가지를 함께 재야 한다.

AgentScore = w₁A + w₂R + w₃P + w₄C + w₅S + w₆E A 과학적 정확성, R 재현성, P provenance 완결성, C 비용 효율, S 안전성, E 실험 성공.

특히 같은 과제를 여러 번 돌려 평균만이 아니라 분산과 최악 성능까지 보고해야 한다.