글자(서열) → 모양(구조) → 예측까지, 6장면 · 어려운 말은 전부 일상 예시로
항체 3마리에게 각각 318가지 레시피로 약을 만들어, 잔마다 15가지 눈금을 잽니다. 힘들게 하는 조건(스트레스)은 한 종류예요.
밖에서 가져온 항체의 글자 순서(서열)를 AI가 읽고, 접어서 3D 모양(구조)과 하는 일(기능)을 알아냅니다.
이제 모양·역할에 레시피(부형제)와 스트레스를 넣으면, 15개 지표가 시간이 지나며 어떻게 변할지 곡선으로 예측합니다.
우리 실험과 별개로, 논문 1,982편을 모아 요약(메타분석)해 "이러면 저렇더라"는 경험의 규칙을 미리 뽑아둡니다.
경험의 규칙(도서관)을 밑바탕에 깔고, 그 위에 우리 954잔 실험을 얹어 합칩니다. 더 정확해지고, "얼마나 믿을지(확신도)"까지 나옵니다. 안 재본 지표·기간도 규칙으로 채워줍니다.
실험 안 해본 레시피도 합격선을 넘는지 미리 알려주고, 모든 지표를 동시에 만족하는 가장 좋은 제형을 추천합니다.
1단계 (먼저): 954잔 데이터로 "서열 → 구조·기능 → (레시피·스트레스와 함께) → 15개 지표" 예측 모형을 만든다. 2단계 (다음): 도서관(선행연구 메타분석) 규칙과 결합(베이지안)해 정확도·확신도를 올린다.
왜 결합이 필요? 우리 데이터는 스트레스 1종의 "사진 한 장". 사진 한 장으로 영화(기간별 장기 곡선)를 만들 순 없어요. 도서관의 시간 규칙(아레니우스 등)이 그 사진을 1·3·6·24개월 영화로 펼쳐줍니다.
과학자들은 벽을 하나씩 부숴 왔어요 — "얼마나 걸쭉할지" 맞히고, "오래 두면 어떻게 될지" 수식으로 계산하고, "얼마나 확신하는지"까지 냈죠. 하지만 수식만으로는 늘 막히는 벽이 있었습니다: 처음 보는 항체나 진한 고농도 앞에서요.
우리는 수식이 막힌 자리에, 수십 년간 쌓인 논문 도서관(기전 지식)을 데려왔습니다. 그 지혜를 밑바탕에 깔고 실험을 얹으니, 남들이 "여기까지는 못 갔던" 한 걸음을 더 가고, 확신도까지 붙였어요. 1억 건 넘는 특허를 뒤져도 이 벽을 이렇게 넘은 곳은 없었기에 — 특허가 될 수 있습니다.