AWS가 생명과학 연구자가 자연어로 bioFM 모델을 고르고 항체 후보를 설계·평가·실험 의뢰까지 연결하는 Amazon Bio Discovery를 공개함. 모델 카탈로그, 벤치마크, 사내 실험 데이터 기반 파인튜닝, Twist Bioscience·Ginkgo Bioworks 등 실험 파트너 연동을 묶어 설계-실험-재학습 루프를 제품화하려는 시도임.
요약
•
Amazon Bio Discovery는 항체 후보 생성·평가에 특화된 생물학 foundation model 카탈로그와 분석 패키지를 제공하고, 연구 목표에 맞는 모델 선택과 실험 recipe 구성을 AI agent가 보조함.
•
Apheris와 Boltz 모델이 포함되고 Biohub·Profluent 모델이 추가 예정이며, 모델별 성능 비교를 위한 항체 benchmark 데이터셋도 제공됨.
•
연구자는 조직의 기존 wet-lab 결과를 애플리케이션에 넣어 전용 모델을 파인튜닝할 수 있고, 모든 파인튜닝 모델과 데이터는 조직 내부에 유지되는 구조로 제시됨.
•
후보가 선정되면 Twist Bioscience, Ginkgo Bioworks, 향후 A-Alpha Bio 같은 실험 파트너에 합성·테스트를 의뢰하고 결과가 다시 애플리케이션 환경으로 돌아오는 흐름임.
•
AWS와 Memorial Sloan Kettering 협업 사례에서는 여러 모델을 orchestration해 약 30만 개 신규 항체를 설계하고 상위 10만 개를 Twist Bioscience 테스트로 보냈다고 회사가 보고함.
•
Bayer, Broad Institute, Fred Hutch Cancer Center, Voyager Therapeutics가 초기 사용자로 언급되어, 단일 모델 출시보다 AI-bio 워크플로 플랫폼 경쟁에 가까운 성격임.
•
AI-bio 관점에서는 모델 성능 자체보다 실험 의뢰, 결과 회수, 재학습을 한 제품 안에 묶는 점이 중요함; 실제 유효성은 공개 benchmark와 후속 wet-lab 성과 확인 필요.