예측할 수 있는가보다
예측해도 되는가

이번 업데이트와 프로그래밍 가능한 Virtual Cell

오늘 확인에서는 앞선 추적에서 검토한 연구와 중복되지 않으면서 알림 가치가 충분한 신규 항목은 1건이다. 이번에 새로 선별된 것은 PRAXIS-VirtualCell이며, 이 글이 추적하는 축 중 특히 agentic virtual experimentation, 명시적 생물학적 제약, evidence-aware execution, abstention, provenance/auditability를 한 시스템 안에 결합했다는 점에서 중요하다. 2026년 9월 24일 arXiv에 공개됐다. 근거 · PRAXIS 원문

PRAXIS-VirtualCell — A Programmable and Trustworthy Framework for Agentic Virtual Cell Experiments

발표일: 2026년 9월 24일 · arXiv:2609.29221

PRAXIS-VirtualCell의 핵심은 Virtual Cell을 하나의 거대한 foundation model로 보지 않고, 생물학 데이터, cell state, perturbation, predictive model, adapter, execution environment, validation evidence를 조합하는 “실행 가능한 과학 실험 runtime”으로 재정의했다는 것이다. 시스템은 E. coli, S. cerevisiae, human K562를 아우르는 서로 다른 perturbation task를 하나의 runtime에서 다루되, species·cell type·assay·condition·feature space·perturbation type·control·provenance를 명시적으로 보존한다. 근거 · PRAXIS 원문

게시일은 첨부 “0926”의 업데이트 기준일인 2026년 9월 26일이다. 논문의 arXiv v1 공개일은 2026년 9월 24일이다.

Biological Contract와 Agent의 권한 경계

실행권한 · Agent가 계획하고 설명해도 prediction과 과학적 유효성 판정은 등록된 모델과 결정론적 runtime이 수행한다. forward pass의 성공만으로 supported prediction이 되지 않는다.

이 연구에서 Neuro-Symbolic AI Co-Scientist 관점으로 가장 중요한 개념은 biological contract이다. 데이터와 모델은 각각 자신이 지원하는 species, input, perturbation, output, assay 조건을 선언하고, runtime은 실제 실행 전에 이 조합이 생물학적으로 유효한지를 검사한다. 모델이 기술적으로 forward pass를 수행할 수 있다고 해서 과학적으로 유효한 예측으로 인정하지 않는다. 별도의 validation evidence와 applicability condition이 있어야 supported prediction이 되고, 그렇지 않으면 extrapolation 또는 abstention으로 처리된다. 근거 · PRAXIS 원문

특히 LLM agent의 권한을 의도적으로 제한했다는 점이 중요하다. Agent는 자연어 질문을 해석하고 experiment를 계획하며 모델·데이터를 routing하고 결과를 설명할 수 있지만, 새 데이터를 만들어내거나 feature mapping을 바꾸거나 모델 출력을 생성하거나 validation evidence를 선언하거나 runtime의 실행판정을 뒤집을 수 없다. 실제 prediction과 scientific-validity verdict는 deterministic runtime이 담당한다. 근거 · PRAXIS 원문

즉 구조는 사실상 다음과 같다.

LLM Agent: Ask → Review → Route → Interpret
Symbolic/Deterministic Runtime: Contract Check → Evidence Check → Execute / Abstain → Record

이는 앞서 알려드린 T-REX의 LLM strategy + deterministic controller보다 한 단계 더 생물학적이다. T-REX는 계산 자원과 design action을 통제했다면, PRAXIS는 “이 biological question에 이 모델을 적용해도 되는가?” 자체를 machine-checkable scientific contract로 통제한다. 근거 · PRAXIS 원문

같은 조건의 모델 비교와 증거 상태

PRAXIS-VirtualCell은 Speciesformer·PHAROS·CELLAUDIT과 역할이 겹치지 않는다. Speciesformer가 interventional virtual-cell foundation layer, PHAROS가 perturbation model 기반 inverse drug-combination search, CELLAUDIT이 모델이 실제로 perturbation 정보를 사용하는지를 falsification하는 audit layer라면, PRAXIS는 이들을 포함한 여러 모델을 “언제 실행할 수 있고, 그 결과를 어디까지 믿어도 되는가”를 관리하는 scientific runtime에 가깝다.

실제 K562 benchmark에서도 단순 additive predictor와 GEARS를 동일 contract 아래 비교했을 때 additive model이 30개 perturbation 중 25개에서 더 낮은 MSE를 기록했고, combinatorial perturbation에서는 16개 중 15개에서 additive model이 우세했다. PRAXIS의 요지는 특정 foundation model을 항상 신뢰하는 것이 아니라 context별 evidence를 바탕으로 어떤 predictor를 사용할지 판단하고, 지원 근거가 없으면 답하지 않는 것이다. 근거 · PRAXIS 원문

또한 validation을 하나의 점수로 뭉개지 않고 development validation, external stress test, technical reproducibility, scientific validation을 서로 다른 evidence state로 분리한다. 결정론적으로 같은 결과를 다시 계산할 수 있다는 사실은 “재현성”의 evidence일 뿐, biological validity의 evidence로 승격되지 않는다. 이 구분은 AI Co-Scientist의 epistemic architecture에서 매우 중요하다. 근거 · PRAXIS 원문

수치 해석 · 25/30 및 15/16은 K562의 고정된 Norman_2019 Golden 개발 검증 조건에서 additive predictor와 GEARS의 condition별 MSE를 비교한 결과이다. 모든 생물학적 조건에서 additive model이 더 우수하다는 보편적 결론은 아니다. 논문 Methods는 내부 contract의 cell_identity_id=CVCL_0004와 상위 source_cell_type_value=A549가 K562 표기와 충돌하는 provenance 문제를 확인 대기 상태로 명시한다.

신약개발 질문을 실행 전에 검증하다

KRAS 변이 폐암 병용 예시는 첨부의 적용 시나리오다. PRAXIS 논문이 해당 약물·질환의 실제 검증을 수행했다는 뜻은 아니다.

PRAXIS 자체는 특정 drug-discovery pipeline은 아니지만, Target Validation → Virtual Perturbation → Combination Hypothesis → MoA Analysis → Preclinical Experiment Prioritization의 기반 runtime으로 매우 적합하다.

예를 들어 Co-Scientist가 “KRAS-mutant lung cancer에서 Gene A inhibition과 Drug B의 병용이 특정 transcriptional state를 억제하는가?”라는 질문을 받았다고 가정할 수 있다. 기존 agent라면 관련 모델을 찾아 바로 prediction을 생성할 가능성이 있지만, PRAXIS 방식이라면 먼저 다음을 확인한다.

cell line / genotype / perturbation type / dose / model training domain / combinatorial-support / output space / external-validation evidence

이 중 하나라도 contract를 만족하지 않으면 숫자를 만들어내는 대신 abstain한다.

이는 신약개발에서 중요한 차이이다. 잘못된 virtual experiment의 위험은 단순한 모델 오차가 아니라 그 결과를 사용해 수백 개 compound나 wet-lab experiment의 우선순위를 잘못 정하는 데 있기 때문이다.

반증 결과를 근거 그래프의 수정으로

PRAXIS가 아직 해결하지 못한 부분도 명확하다. 현재의 validation evidence와 biological contract는 “이 실험을 실행해도 되는가?”를 잘 다루지만, 실험결과가 들어왔을 때 어떤 mechanistic belief를 수정해야 하는가까지는 관리하지 않는다.

가장 유망한 확장은 각 prediction과 validation 상태를 Epistemic HRKG에 연결하는 것이다. 예를 들어 다음과 같은 hyper-relational assertion을 둘 수 있다.

(Drug A, perturbs, CellState X | cell_line=K562, dose=…, model=…, validation=external, domain=supported, provenance=…)

그리고 CELLAUDIT식 falsification test나 실제 wet-lab 결과가 들어오면 해당 assertion을

supported → weakened → contradicted → falsified

로 전이시키고, model contract, assay condition, cell context, counter-evidence 중 어느 부분 때문에 belief가 수정됐는지를 기록하는 것이다.

이렇게 되면 구조는 다음으로 발전한다.

Natural-Language Question
→ Biological Contract
→ Evidence-Aware Model Routing
→ Virtual Experiment DAG
→ Prediction / Abstention
→ Falsification Test
→ Epistemic HRKG Update
→ Belief Revision
→ Next Experiment

이 구조는 지금까지 추적해 온 Neuro-Symbolic AI Co-Scientist의 목표와 매우 가깝다. 특히 PRAXIS는 기존 연구에서 다소 추상적이었던 “symbolic scientific constraint”를 실제 실행 전 단계의 biological contract와 agent authority boundary로 구현했다는 점이 가장 큰 신규성이다.

다만 아직 causal SCM, formal hypothesis representation, HRKG 기반 belief state, wet-lab feedback에 의한 formal belief revision까지 포함된 것은 아닙니다. 따라서 PRAXIS는 완성형 Neuro-Symbolic Co-Scientist라기보다, 그러한 시스템에 필요한 신뢰 가능한 실행·증거·제약 runtime layer로 평가하는 것이 정확한다. 근거 · PRAXIS 원문

PRAXIS-VirtualCell — arXiv 원문

연구 제안 · PRAXIS × Epistemic HRKG × CELLAUDIT의 연결은 첨부 문서의 통합 구상이다. 논문에서 HRKG belief revision이나 wet-lab 폐루프를 실증한 결과로 읽지 않는다.

현재 성취와 아직 남은 경계

이번 확인에서 ChatT2 같은 다른 신규 multi-agent 생명과학 연구도 검토했지만, 현재 기준에서는 RAG·도구 통합 중심의 연구보조 agent 성격이 강해, 사용자가 설정한 “의미 있는 신규 Neuro-Symbolic AI Co-Scientist” 알림 기준에는 포함하지 않았다. 근거 · ChatT2

선별 범위 · ChatT2는 별도 multi-agent 생명과학 연구로 확인했으나 이 업데이트의 단일 신규 핵심 항목에는 포함하지 않았다.