Virtual E. coli
분자 클로닝 및 단백질 발현용 표준 실험실 균주무엇을 보여주는가
Escherichia coli, 실험실에서 가장 널리 쓰이는 표준 세균입니다. 생화학과 효소 속도론에서 제1원리로 구축한, 하나로 통합된 속도론 시뮬레이션입니다: 약 40,000개의 반응·프로세스, 전장 유전체에서 발현되는 4,403개 유전자를 담고 있습니다. 알려진 실험 결과를 재현하며, 실제 실행에서 여러 차례 연속 배가를 기록했습니다.
대규모 생명 시스템 모델링
모델링을 뒷받침하는 핵심 기술과 AI·연구자의 협업 과정을 소개합니다.
—스택
연구 플랫폼, 생물학 언어, 모델 라이브러리
제품
옴팔로스와 커뮤니티가 만든 모든 모델에 대화형으로 접근하는 호스팅 서비스입니다. 질문하면 시뮬레이션에 근거한 답이 돌아오고, 코드를 쓰지 않고도 실험을 돌릴 수 있습니다.
기반
LIFABRICA가 돌아가는 생물학 네이티브 언어이자 시뮬레이션 엔진입니다. 생물학자가 하루 안에 익힐 수 있고, 화학·단위·공간·시간을 위한 문법을 언어 차원에서 갖췄습니다.
커먼즈
LIFABRICA가 참조하는, 독립 기구인 Life Code Foundation이 관리하는 개방형 모델·데이터 라이브러리입니다. 기여자에게는 크레딧과 보상이 돌아갑니다.
—방법론
모델은 이렇게 만들어집니다
AI가 모델 구축, 시뮬레이션, 분석을 수행합니다. 연구자는 연구 방향을 정하고 결과를 검토합니다.
- 01
초안
생성형 AI가 문헌과 기존 오픈소스 모델에서 반응 네트워크, 파라미터 세트, 구획 구조 등 모델 구성 요소를 조립합니다.
- 02
검토
도메인 전문가가 L++ 코드에서 논리와 가정, 파라미터를 직접 검토한 뒤에야 채택됩니다. 실질적인 저작 행위입니다.
- 03
시뮬레이션
모델을 돌립니다. 그럴듯하지만 구조적으로 틀린 반응은 대개 이 단계의 출력에서 드러납니다.
- 04
보정 및 검증
피팅에 쓰지 않은 실험 데이터나 오믹스 데이터로 모델을 검증하고 수정합니다.
- 05
배포
검증된 모델은 재사용 가능한 인프라가 됩니다. 이식하고, 확장하고, 새 응용에 투입합니다.
—주력 모델
무엇을 보여주는가
Virtual A. baumannii
약물 감수성 + 다제내성무엇을 보여주는가
Acinetobacter baumannii, 병원 내 감염을 일으키는 다제내성 병원균입니다. E. coli 레퍼런스에서 파생했으며, 시뮬레이션 배가 시간이 문헌값과 비슷합니다. 항생제 반응도 알려진 패턴과 일치합니다: 약물 감수성 균주에는 듣지만 다제내성 균주에는 듣지 않고, 병용 요법으로는 다제내성 균주의 증식도 억제됩니다.
Virtual CHO cell
초기 초안무엇을 보여주는가
항체부터 세포·유전자 치료제까지, 첨단 치료제 바이오 생산을 위한 CHO(차이니즈 햄스터 난소) 세포 모델입니다. 아직 검증되지 않은 초기 초안이며, 커뮤니티와 함께 발전시켜 나갈 것입니다.
Virtual human cell
초기 초안무엇을 보여주는가
미생물 모델과 같은 속도론 엔진 위에 구축한, 인체 세포의 포괄적인 세포 모델입니다. 아직 검증되지 않은 초기 초안이며, 커뮤니티와 함께 발전시켜 나갈 것입니다.
Multiscale virtual human
초기 초안무엇을 보여주는가
가상 세포를 전신 스케일로 확장해 PK/PD와 ADME-Tox를 통합 시뮬레이션합니다. 아직 검증되지 않은 초기 초안이며, 커뮤니티와 함께 발전시켜 나갈 것입니다.
—응용 분야
의료부터 산업까지
일부 예시입니다. 같은 플랫폼은 생물학적 시뮬레이션으로 환원되는 다른 영역으로도 확장됩니다.
신약 개발
후보 약물이나 투여 전략을 벤치에 오르기 전에 시뮬레이션으로 검증합니다. 항생제 내성, 바이러스 감염, 암, 면역 관련 질환, 퇴행성 신경질환 등 다양한 질환 영역에 걸쳐 적용합니다.
가상 임상시험
임상시험 대상군과 투여군을 시뮬레이션해 실제 시험 전에 후보 물질의 예상 반응을 평가합니다.
바이오 생산 · 공정 엔지니어링
산업용 세포 균주를 벤치에 오르기 전에 인실리코로 설계하고 스케일업해, 시행착오를 줄입니다.
농업 · 작물 엔지니어링
작물과 미생물의 형질을 모델링해 현장 시험 전에 육종·엔지니어링 의사결정을 돕습니다.
맞춤 의료
개인의 유전체와 건강 데이터를 전신 모델과 결합해 진단과 치료를 맞춤화합니다.
교육
코딩이나 모델링 경험이 없는 연구자에게 실습형 워크숍으로 기계론적 모델링을 가르칩니다.