2026년 10월 21일, OpenAI와 PerturbAI(@perturbai_tx), 그리고 스크립스 연구소(@scrippsresearch)는 계산생물학 분야의 기념비적인 이정표를 발표했다. 1,946개의 병렬 GPT-Rosalind 에이전트로 구성된 분산 스웜(swarm)이 **1,000개 이상의 질환 관련 유전자 녹아웃(knockout)**에 걸쳐 770만 개의 마우스 뇌세포를 분석한 생체 내(in vivo) CRISPR Perturb-seq 아틀라스를 단 32분 만에 해독하여, 희귀 신경퇴행성 질환인 **페리 증후군(Perry syndrome)**의 원인 유전자 **DCTN1(Dynactin subunit 1 / p150Glued)**의 결손이 세포 내 콜레스테롤 수송 장애 및 보상성 SREBP2(Srebf2) 스테롤 생합성 유도와 연결된다는 새로운 기전 가설을 도출했다는 것이다.

발표 직후, 퀀트 연구자 @bayeslord와 전직 제약 경영인 마틴 슈크렐리(@MartinShkreli) 사이에 오간 소셜미디어 문답은 AI 기반 신약 개발 시대의 가장 핵심적인 인식론적 논쟁을 수면 위로 끌어올렸다.

OpenAI (@OpenAI, 2026년 10월 21일): “GPT-Rosalind가 신약 개발을 위한 새로운 단서를 포착했습니다. 콜레스테롤 수송을 복원하면 신경세포를 퇴행으로부터 보호할 수 있을까요? DCTN1은 희귀 신경퇴행성 질환인 페리 증후군과 관련된 유전자입니다. 마우스 뇌 데이터에서 이 유전자를 교란하자 콜레스테롤 합성에 관여하는 유전자들의 발현이 증가했습니다. GPT-Rosalind는 가능한 설명을 제시했습니다. 콜레스테롤이 신경세포가 필요로 하는 곳에 도달하지 못하고 있을 가능성입니다. 만약 이것이 입증된다면 새로운 치료 전략을 가리킬 수 있습니다. @perturbai_tx 및 @scrippsresearch와 함께 수천 개의 GPT-Rosalind 에이전트 팀이 병렬로 작동하여 수백만 개의 마우스 뇌세포 유전자 발현 결과를 단 32분 만에 과학 문헌과 연결했습니다.”

bayes (@bayeslord, 2026년 10월 21일): “원리적으로 임상시험을 포함한 신약 파이프라인 통과율(pass rate)을 90% 이상으로 끌어올리려면 시뮬레이션과 실험실 연구(로보틱스, 모델 생물 등)에서 어떤 돌파구가 필요한가요?”

Martin Shkreli (@MartinShkreli, 2026년 10월 22일): “좋은 질문입니다. 저분자 화합물(small molecules)이 얼마나 확률적(stochastic)인지 고려하면 아마 불가능할 것입니다. 고분자 바이오의약품(large molecules)의 경우에도 종간 기전 차이, 인간 없이 인간을 모델링하는 어려움 등을 고려하면 역시 불가능할 것입니다. 90%는 너무 과한 요구입니다! 지금 우리가 가진 시스템도 그렇게 나쁘지 않습니다.”

본 조사는 M. Neil Browne과 Stuart M. Keeley의 Asking the Right Questions 비판적 사고 프레임워크를 코드화한 8단계 “Panning for Gold” 포렌식 심층 분석 런북을 수행한다. 보도자료 요약을 그대로 인용하는 대신, 스크립스 진(Xin Jin) 연구실과 OpenAI의 공식 GitHub 저장소(jinlabneurogenomics/distributed_agent)와 실시간 코퍼스 탐색기(Distributed Agents Corpus)에서 직접 원본 평가 테이블, 프롬프트 계약, 셔플 대조군(shuffled-control) 감사 결과, 도구 추적 텔레메트리를 발굴했으며, 이를 인간 DCTN1 CAP-Gly 도메인의 1.15 Å X선 결정 구조(PDB 2HQH) 및 임상시험 성공 확률(PoS) 1차 생물통계 문헌(Wong, Siah & Lo 2019; Sun et al. 2022; Minikel et al. 2024)과 교차 검증했다.

제1단계: 핵심 쟁점 분류 및 경계 설정 (Issue Classification & Boundary Framing)

고처리량 전사체 문헌 합성과 임상 신약 승인을 혼동하는 오류를 방지하기 위해, 본 조사를 두 가지 기술적·실증적(Descriptive) 쟁점과 한 가지 규범적·전략적(Prescriptive) 쟁점으로 구분한다.

  1. 실증적 쟁점 A (멀티에이전트 아키텍처와 DCTN1 단서): 1,946개의 GPT-Rosalind 에이전트를 PerturbAI의 전뇌(whole-brain) Perturb-seq 아틀라스에 분산 배치한 것이 Dctn1 및 신경세포 스테롤 조절에 관해 진정으로 새롭고 기전적으로 타당한 생물학을 발굴했는가? 또한 원본 저장소 데이터에서 분산 스웜은 단일 에이전트 베이스라인(Codex, BioMNI) 및 유전자 라벨 셔플 대조군(shuffled-label falsification controls) 대비 어떤 성능을 보였는가?
  2. 실증적 쟁점 B (90% 임상 파이프라인 통과율의 한계): 임상 1상 진입부터 FDA 승인까지의 누적 성공 확률(PoS, 역사적으로 전체 7.9%–13.8%, 신경계 질환 6.2%–15.0%)을 지배하는 정확한 수학적·열역학적·진화생물학적 병목은 무엇이며, 왜 마틴 슈크렐리는 저분자 화합물과 고분자 바이오의약품 모두에서 >90% 통과율이 생물물리학적으로 불가능하다고 단언하는가?
  3. 전략적 쟁점 C (TechBio R&D 자본 배분 아키텍처): 신약 개발 퍼널의 어느 단계에서 분산 추론 에이전트와 생체 내 Perturb-seq 아틀라스가 실제로 비용과 시간을 압축하며, 인간 유전학 검증·프로그래머블 모달리티(ASO/siRNA/CRISPR)·인간 미세생리시스템(오가노이드)의 어떤 조합이 임상 통과율을 역사적 ~10%에서 50%–70% 수준으로 현실적으로 끌어올릴 수 있는가?

반증 가능성 기준 (Falsifiability Criteria)

  • OpenAI의 분산 에이전트 테제가 제한되거나 반증되는 조건: (a) Dctn1 스테롤 생합성 발견이 이미 차등 발현 테이블 최상단(q < 10⁻³³)에 위치하여 단일 에이전트 베이스라인에서도 동일하게1순위 히트로 포착되는 경우, (b) 에이전트에게 무작위로 뒤섞은(shuffled) 가짜 유전자-차등발현쌍을 부여했을 때도 수백 건의 그럴듯한 “문헌 기반” 기전 내러티브를 생성해내는 경우, 또는 (c) 어린 마우스(juvenile mouse)의 급성 Dctn1 녹다운 시그니처가 성인 페리 증후군 환자의 흑질(substantia nigra) TDP-43 병리와 괴리된 초기 보상성 항상성 반등(Atf4/Ddit3 소포체 스트레스 없는 SREBP2 상승)일 가능성.
  • 마틴 슈크렐리의 회의론(“90%는 불가능하며 현재 시스템도 나쁘지 않다”)이 제한되거나 반증되는 조건: 단일 유전자(monogenic) 인간 기능상실/기능획득 변이를 표적하는 프로그래머블 핵산 치료제(척수강 내 안티센스 올리고뉴클레오타이드 ASO 또는 간세포 표적 GalNAc-siRNA 등)가 저분자 화합물의 오프타겟 확률성과 종간 수용체 괴리를 우회하여 역사적 저분자 평균 대비 수 배 높은 임상 전환율을 달성하는 경우.

제2단계: 1차 사료 발굴 및 2열 주장 괴리 매트릭스 (Primary Source Excavation)

우리는 OpenAI와 PerturbAI 발표의 모든 수치를 공식 1차 사료까지 역추적했다.

대중 홍보 내러티브와 jinlabneurogenomics/distributed_agent 내부의 원본 JSON/CSV 텔레메트리를 대조하면 바이오텍 투자자와 계산생물학자가 반드시 알아야 할 7가지 결정적 간극이 드러난다.

비교 차원 대중 발표 및 소셜미디어 주장 (@OpenAI / 언론 보도) 저장소 원본 텔레메트리 및 방법론적 한계 고백 (jinlabneurogenomics/distributed_agent)
1. DCTN1 콜레스테롤 단서의 발굴 주체 770만 마우스 뇌세포를 분석한 1,946개 병렬 GPT-Rosalind 에이전트 스웜이 일궈낸 독자적 돌파구로 묘사됨. comparisons.csv(comparison_01) 및 findings.csv(bucket_4_selection_01)를 확인하면, 단일 에이전트 Codex 베이스라인(caveat30_r01) 역시 Dctn1을 전체 30개 중 1위 히트(rank 1 of 30)로 선정했다(“Dctn1 loss selectively activates a neuronal sterol-biosynthesis program”). 155 MB Glut 중뇌 뉴런에서 Insig1(log2FC +2.07, q = 4.42 × 10⁻⁵⁵)과 Msmo1(+1.90, q = 1.38 × 10⁻⁴⁴)의 유도가 워낙 압도적이어서 멀티에이전트 스웜 없이도 1차 시그니처는 즉시 포착되었다.
2. 맹검 인간 전문가 선호도 (75%) “맹검 도메인 전문가들이 단일 에이전트 베이스라인보다 분산 에이전트 시스템의 결과를 75%의 비율로 선호했다.” pair_ratings.csv 검증 결과: 총 n = 60건의 쌍대 비교(20개 표적 × 평가자 3명) 중 분산 에이전트가 45/60 (75.00%), 단일 Codex가 10/60 (16.67%), 무승부가 5/60 (8.33%)였다. 그러나 정작 Dctn1 항목(comparison_01)에서는 평가자 2명(R01, R11)이 분산 에이전트를 선호한 반면, 1명(R21)은 단일 에이전트 Codex의 보고서를 더 선호했다.
3. 홀드아웃 DEG 수 예측 (272개 표적) 분산 에이전트가 보이지 않은(held-out) 유전자 교란의 전사체 반응 예측에서 우월한 추론 성능을 보인다. task1_deg_count_comparison.csv에서 분산 에이전트가 단일 에이전트를 이긴 것은 단일 에이전트에게 272개 표적 전체를 한 번에 예측하도록 강제했을 때(batch_size = all: 재현율 47.0%, Spearman 0.4393)뿐이다. 단일 에이전트(r-bioagents-rosalind-ev3)를 표적 1개씩(batch_size = 1) 원본 parquet 데이터에 직접 접근하게 실행하면, 단일 에이전트(정확도 75.37%, 재현율 69.0%, F1 0.6732, Spearman 0.5258)가 오히려 분산 에이전트(정확도 73.53%, 재현율 59.0%, F1 0.6211, Spearman 0.4708)를 능가한다! 원본 수치 행렬을 자연어 보고서로 압축하는 과정에서 정량적 정보 손실이 발생하기 때문이다.
4. 홀드아웃 신경세포 고갈(생존) 예측 (50개 표적) 분산 에이전트가 분화 후 시상 뉴런(151 TH Prkcd Grin2c Glut)에서 필수 유전자 결손에 따른 세포 고갈을 예측한다. depletion-best-vs-codex-heldout-recall.summary.json에서 분산 에이전트는 **중앙값 Recall@50 36.0%(50개 중 18개 적중; [38%, 36%, 34%])**를 기록하여 단일 Codex(18.0%), 스탠퍼드 BioMNI(16.0%), DepMap(26.0%), 상위 DEG 수(14.0%)를 앞섰다. 하지만 동일한 마우스 실험 내부의 홀드아웃 예측에서도 **위음성(미적중) 비율이 64%**에 달한다는 사실은 현 단계 AI가 임상 등급의 확실성과 얼마나 거리가 먼지를 보여준다.
5. 셔플 대조군 작화증(Confabulation) 감사 (150개 보고서/군) 에이전트가 유전자 발현 결과를 과학 문헌과 정밀하게 연결하여 근거 있는 가설을 생성한다. final_summary.json에서 저자들이 유전자 라벨을 몰래 뒤바꾼 대조군(Within-screen shuffled 및 Out-of-screen shuffled, 군당 150개 보고서)을 실행하자, 에이전트들은 실제 라벨 군(Unshuffled, 488개)보다 오히려 더 많은 **600개 및 561개의 1차 핵심 발견(load-bearing findings)**을 생성해냈으며, 양성 표적-세포유형 쌍 커버리지도 76.16% 및 83.01%(실제 라벨 군은 56.76%)로 더 높았다! 프론티어 LLM은 엄격한 방향성 검증 게이트로 통제하지 않으면 어떤 유전자 이름과 어떤 DEG 목록 사이에도 그럴듯한 문헌 다리를 지어내는 고도의 합리화 기계다.
6. 인용 출처 추적 및 페이월 마찰 에이전트들이 2,046개 보고서(16,555건의 원시 인용 항목)에 걸쳐 700개 이상의 고유 과학 문헌을 자율 검색·인용했다. source_access_summary.json 감사 결과, 16,445건의 보고서-출처 인용 쌍 중 **실제 도구 열람 기록이 매칭된 것은 9,289건(56.49%)**이었고, 나머지 7,156건(43.51%)은 cited_without_matched_access_pairs(실행 추적 내 열람 기록 없이 모델 파라미터 기억 등에서 인용됨)였다. 또한 전체 16,775건의 브라우저 열기 시도 중 6,413건(38.23%)이 HTTP 오류(3,956건) 또는 출판사 봇 차단/페이월(2,457건)로 실패했다.
7. Dctn1 전사체 판독값의 생물학적 해석 “콜레스테롤이 신경세포가 필요로 하는 곳에 도달하지 못하고 있을 수 있습니다. 확인된다면 새로운 치료 전략을 가리킬 수 있습니다.” findings.csv(bucket_4_selection_01) 원문은 스스로 다음과 같이 경고한다: “이 결과는 전사체적으로 일관성이 있으나 여전히 희소 CRISPR RNA 판독값이다. 스테롤 증가는 보상성 반응이거나, 리소좀 콜레스테롤 감지 변화이거나, 손상된 세포들 사이의 생존자 편향(survivor bias)일 수 있다.” 게다가 발견 F009는 노령 Dctn1 결손 마우스의 도파민성 신경세포 사멸을 유발하는 전형적 소포체 스트레스(Ddit3/CHOP, Atf4, Hspa5/BiP; Yu et al. 2023)가 이 어린 마우스 급성 Perturb-seq 판독값에서는 **전혀 나타나지 않았다(absent)**고 명시한다.

제3단계: 의미론적 정밀성, 대입 테스트 및 DCTN1의 구조생물학

1. 핵심 용어에 대한 대입 테스트 (The Substitution Test)

계산 생물정보학과 임상 약리학 사이의 개념 혼동을 막기 위해 논쟁의 핵심 용어 3가지에 대입 테스트를 적용한다.

  • “신약 개발 단서 (Drug Discovery Lead)” (@OpenAI):
    • 엄격한 임상적 정의: 검증된 표적 결합력(Kd, IC50)과 병리학적으로 충실한 질환 모델에서의 표현형 구조(rescue), 그리고 허용 가능한 치료 지수(therapeutic index)를 갖춘 화학적으로 정의된 치료 모달리티(저분자, 항체, 핵산 등).
    • 느슨한 생물정보학적 정의: 단일세포 CRISPR 스크린에서 통계적으로 유의미한 차등 mRNA 공발현 모듈(FDR < 0.05)에 문헌 기반 경로 가설을 결합한 것.
    • 대입 판정: OpenAI와 PerturbAI가 도출한 것은 전사체 경로 가설(느슨한 정의)이지 전임상 신약 후보물질(엄격한 정의)이 아니다. 심지어 치료적 개입의 방향성(콜레스테롤 수송을 촉진해야 하는지, 독성 SREBP2/지질 방울 과축적을 억제해야 하는지, 아니면 미세소관 수송 자체를 안정화해야 하는지)조차 아직 실험적으로 규명되지 않았다.
  • “분산 생물학적 추론 (Distributed Biological Reasoning)” (Sun et al. 2026):
    • 엄격한 정의: 데이터셋을 2,046개의 독립적인 교란별 에이전트 실행(1,946개 유전자 + 100개 대조군)으로 분할하여 각 에이전트에게 깨끗한 272,000 토큰 컨텍스트 윈도우를 할당한 뒤, 맵리듀스(map-reduce) 합성 패스(assemble_global_ranking.py, route_claims.py)로 집계하는 아키텍처.
    • 느슨한 정의: 단일 에이전트로는 절대 추론할 수 없는 생물학적 원리를 발견해내는 창발적 집단 초지능.
    • 대입 판정: task1_deg_count_comparison.csv가 증명하듯, 분산 에이전트의 진짜 강점은 **컨텍스트 윈도우 격리와 병렬 I/O 스케일링(1,946개 워커를 통한 O(1) 벽시계 시간 단축)**에 있지, 단일 표적을 할당받은 단일 에이전트(batch_size = 1) 대비 창발적 추론 우위에 있는 것이 아니다.
  • “확률적인 저분자 화합물 (Stochastic Small Molecules)” (@MartinShkreli):
    • 엄격한 생물물리학적 정의: 분자량 500 Da 미만의 저분자 유기 리간드는 세포 내 모든 구획으로 확산하며 볼츠만 열요동(exp(-ΔG / RT))에 따라 수만 개의 단백질 포켓과 확률적으로 충돌하므로, 오프타겟 다중약리학(polypharmacology), 간 시토크롬 P450(CYP450)에 의한 반응성 대사체 형성, 그리고 사전 시뮬레이션으로 완벽히 예측할 수 없는 특이체질성(idiosyncratic) 인체 독성을 필연적으로 수반한다.

2. 구조적·기전적 해체: 인간 DCTN1(p150Glued) 변이 대 어린 마우스 Dctn1 녹다운

DCTN1은 원자 및 세포 수준에서 정확히 어떤 역할을 하며, 왜 PerturbAI의 마우스 뇌 아틀라스에서 이 유전자를 교란하자 SREBP2 콜레스테롤 생합성 경로가 폭발적으로 활성화되었을까?

인간 DCTN1(UniProt Q14203)은 다이낙틴(dynactin) 복합체의 가장 큰 서브유닛인 p150Glued(1,278개 아미노산)를 암호화하며, 이는 진핵세포의 대표적인 마이너스단(-end) 방향 미세소관 모터인 **세포질 다이닌-1(DYNC1H1)**의 필수 어댑터이자 주행성(processivity) 인자다(Ayloo et al. 2014). p150Glued의 최첨단 N-말단(잔기 26–97, 엑손 2 암호화)에는 X선 결정학으로 1.15 Å 해상도에서 규명된 CAP-Gly(Cytoskeleton-Associated Protein Glycine-rich) 도메인(PDB 2HQH)이 자리 잡고 있다.

결정적으로 인간 신경학 연구는 단 72개 잔기로 이루어진 이 하나의 CAP-Gly 도메인 내부에서도 변이 위치에 따라 완전히 다른 두 가지 신경퇴행성 질환이 발생한다는 사실을 확립했다(Farrer et al. 2009; Konno et al. 2017).

유전적 병변 / 교란 유형 DCTN1 (p150Glued PDB 2HQH) 내 구조적 위치 분자적·생물물리학적 결과 선택적 취약 신경세포 집단 주요 세포 병리 및 임상 표현형
페리 증후군(Perry Syndrome) 점돌연변이 (G71R, G71E, G71A, T72P, Q74P, G67D, K68E) 미세소관 플러스단 추적 단백질(+TIPs: EB1/MAPRE1, CLIP-170) 및 α-튜불린과 직접 결합하는 표면 노출 GKNDGTVQ 루프 모티프 (잔기 67–74) 전체 도메인 폴딩은 비교적 유지되나 +TIP / EB1 결합 및 역행성 수송 개시가 손상됨; 스트레스 과립(stress granule) 해체 장애로 인한 TDP-43 우성음성(dominant-negative) 응집 유발 (Ueda et al. 2024) 인간 흑질 도파민성(DA) 뉴런, 청색반점(locus coeruleus), 복외측 연수 호흡 중추 뉴런, 시상하부 (대뇌 피질은 보존됨) 페리 증후군: 상염색체 우성 급속 진행성 파킨슨증, 중증 우울증/무감동, 극심한 체중 감소, 치명적 중추성 저환기(호흡부전), TDP-43(TARDBP) 세포질 봉입체 (Farrer et al. 2009)
원위 유전성 운동 신경병증 7B형 (HMN7B) (G59S) CAP-Gly 폴드의 내부에 매몰된 β-가닥 소수성 코어 (Gly59) (PDB 2HQH Chain A 잔기 59) 매몰된 β-시트 코어의 입체 장애로 인해 도메인 언폴딩(unfolding), 용해도 상실 및 거대한 세포질 다이낙틴/p150Glued 양성 봉입체 형성 뇌신경(후두/안면) 및 척수 전각의 하부 운동 뉴런(lower motor neurons) HMN7B / ALS 유사 운동신경 질환: 성대 마비, 진행성 원위부 근력 약화 및 근위축; 흑질 TDP-43 파킨슨증은 동반하지 않음 (Konno et al. 2017)
노령 마우스 중뇌 도파민 뉴런 조건부 Dctn1 녹아웃 (Yu et al. 2023) Th-Cre / DAT-Cre 중뇌 도파민 뉴런에서 Dctn1의 완전한 Cre-loxP 유전적 절제 소포체-골지체 및 역행성 축삭 수송 붕괴, 거대한 소포체 팽창(ER dilation), 그리고 전형적 미접힘 단백질 반응(UPR / ISR: Atf4, Ddit3/CHOP, Hspa5/BiP) 활성화 노령 마우스(12–24개월) 흑질 치밀부(SNpc) 도파민성 뉴런 말기 소포체 스트레스와 자가포식 차단에 의해 구동되는 흑질선조체 도파민 말단 및 SNpc 세포체의 진행성 소실(~40%–50% 사멸)
PerturbAI 어린 마우스 전뇌 급성 CRISPR Dctn1 녹다운 (Sun et al. 2026) 분화 후 어린 마우스 뇌세포 핵 전반에 걸친 AAV 전달 CRISPR 가이드 RNA 기반 희소 녹다운 p150Glued의 부분적 손실(12개 세포 클래스에서 FDR < 0.05, |log2FC| >= 0.25 기준 358개 DEG); **전형적 UPR/ISR(Ddit3, Atf4, Hspa5)은 부재(F009)**하며, 대신 SREBP2 스테롤/지방산 합성(F001, F007) 및 리소좀/v-ATPase(Lamp2, Npc2, Atg5) 유도(F008) 발생 미측 시상하부(066 CNU-HYa HY GABA), 시상(151 TH Prkcd Grin2c Glut), 중뇌(155 MB Glut), 교뇌/연수(191 MB P MY GABA) 뉴런에 집중; 전방 대뇌 피질(005 L4-5 IT CTX Glut)은 보존됨(F010, F011) 단백질 응집 병리나 말기 소포체 스트레스가 나타나기 전, Rab7–RILP–ORP1L–다이닌/다이낙틴 후기 엔도좀-소포체 콜레스테롤 수송 차단에 대한 초기 항상성 보상 반응

3. 정확한 생물물리학적 기전: 왜 Dctn1 녹다운이 SREBP2를 폭발시키는가?

왜 미세소관 모터 어댑터(Dctn1)나 그 파트너 중쇄(Dync1h1)를 녹다운하자 중뇌 글루탐산성 뉴런(155 MB Glut)과 교뇌/연수 가바성 뉴런(191 MB P MY GABA)에서 Insig1(log2FC +2.07, q = 4.42 × 10⁻⁵⁵), Msmo1(+1.90, q = 1.38 × 10⁻⁴⁴), Hmgcs1(+1.61, q = 1.48 × 10⁻⁴¹), Fdps(+2.14, q = 3.29 × 10⁻⁴⁰), Ldlr(+2.23, q = 1.34 × 10⁻³⁵), Hmgcr(+1.48, q = 6.50 × 10⁻³⁴)이 일제히 폭증했을까?

실시간 Distributed Agents 코퍼스(Dctn1 발견 F001–F008, Dync1h1 발견 F003–F011, Rab7 발견 F010)와 1차 세포생물학 문헌(Rocha et al. 2009; Radhakrishnan et al. 2008; Horton, Goldstein & Brown 2002)을 종합하면, 그 핵심 기전은 **구획 간 스테롤 감지 착시(compartmental sterol-sensing illusion)**다.

flowchart TD
    subgraph SG1["1. 정상적인 역행성 엔도리소좀 콜레스테롤 수송"]
        A1["성상교세포 유래 ApoE-지단백질의 신경세포 LDLR / LRP1 흡수"] --> A2["후기 엔도좀 / 리소좀 (LE/L): NPC2 및 NPC1이 유리 콜레스테롤 동원"]
        A2 --> A3["Rab7-GTP가 RILP + ORP1L + 다이낙틴(DCTN1 / p150Glued) + 다이닌(DYNC1H1) 모집"]
        A3 --> A4["미세소관 마이너스단을 따라 핵주위 소포체(ER) 접촉 부위로 역행성 수송"]
        A4 --> A5["소포체 막 콜레스테롤 > 5 mol%: SCAP이 콜레스테롤 및 INSIG1/2와 결합하여 SREBP2를 소포체에 억류"]
    end

    subgraph SG2["2. 급성 Dctn1 / Dync1h1 / Rab7 교란 시 (PerturbAI 아틀라스)"]
        B1["Dctn1 (또는 Dync1h1 / Rab7)의 CRISPR 교란"] --> B2["미세소관에서 Rab7-RILP-p150Glued 모터 복합체 이탈"]
        B2 --> B3["콜레스테롤을 가득 실은 후기 엔도좀이 원위 신경돌기에 고립됨 (Lamp2, Npc2, v-ATPase 동반 상승: F008)"]
        B3 --> B4["국소 소포체(ER) 막 콜레스테롤이 5.0 mol% 스위치 임계값 아래로 하락 (Hill 계수 n_H = 4)"]
        B4 --> B5["SCAP이 INSIG1을 방출 -> SREBP2의 골지체 COPII 수송 -> S1P/S2P 단백질분해 절단"]
        B5 --> B6["핵 내 nSREBP2가 Insig1 (+2.07), Ldlr (+2.23), Fdps (+2.14), Msmo1 (+1.90), Hmgcr (+1.48) 폭증 유도"]
    end
  1. 성숙한 신경세포는 엔도리소좀을 통해 콜레스테롤을 수입한다: 성숙한 중추신경계 뉴런은 성상교세포(astrocyte)가 공급하는 ApoE-콜레스테롤 지단백질을 LDLR 및 LRP1 수용체를 통해 말초 **후기 엔도좀 및 리소좀(LE/L)**으로 내재화한 뒤, **NPC2**와 **NPC1**을 통해 비에스테르화 유리 콜레스테롤을 추출한다.
  2. Rab7–RILP–ORP1L–p150Glued 모터 핸드셰이크 (Rocha et al. 2009): 말초 엔도리소좀에서 추출한 콜레스테롤을 **소포체(ER)**로 전달하기 위해, 후기 엔도좀의 활성 **Rab7-GTP**는 이펙터 단백질 RILP 및 스테롤 센서 **ORP1L**과 결합한다. 이때 RILP가 **p150Glued(DCTN1)**의 C-말단 영역과 직접 결합하여 다이닌-다이낙틴(DYNC1H1–DCTN1) 모터를 모집함으로써 후기 엔도좀을 미세소관 마이너스단(핵주위 소포체) 방향으로 끌어당기고 소포체-후기 엔도좀 막 접촉 부위(membrane contact sites)를 형성한다!
  3. 소포체 스테롤 센서의 초민감성 스위치 (5 mol% 임계값, Radhakrishnan et al. 2008): 신경세포는 세포 전체의 콜레스테롤 총량을 측정하는 것이 아니라, 사량체 SCAP–INSIG1/2–SREBP2 복합체를 통해 오직 **소포체 막의 국소 콜레스테롤 몰분율([Chol]_ER)**만을 감지한다. 노벨상 수상자인 Brown과 Goldstein 연구팀이 규명했듯(Radhakrishnan et al. 2008), 소포체 내 SCAP 억류는 소포체 총 지질 대비 임계 농도 K_0.5 ≈ 5.0 mol%를 중심으로 힐 계수(Hill coefficient) n_H ≈ 4의 초급경사 협동적(cooperative) 스위치 함수를 따른다.

$$\text{Fraction of Active Nuclear SREBP2 } f_{\text{active}}\left([\text{Chol}]{\text{ER}}\right) = \frac{1}{1 + \left(\frac{[\text{Chol}]{\text{ER}}}{K_{0.5}}\right)^{n_H}}, \quad K_{0.5} \approx 5.0\text{ mol-percent}, \quad n_H \approx 4$$

따라서 Dctn1(또는 Dync1h1이나 Rab7)이 교란되면 세포 전체의 콜레스테롤이 고갈된 것이 아니라, 콜레스테롤이 말초 후기 엔도좀 안에 갇혀 오도 가도 못하는 상태가 된다(실제로 Dctn1 발견 F008에서 Lamp2, Npc2, Asah1, v-ATPase 서브유닛이 동반 상승하며 니만-픽 C형[NPC1/NPC2] 세포 내 스테롤 수송 차단 표현형을 그대로 모사한다!). 콜레스테롤이 핵주위 소포체 막에 도달하지 못해 [Chol]_ER이 5.0 mol% 아래로 살짝만 떨어져도 n_H ≈ 4의 협동적 SCAP 스위치가 켜지면서 거대한 SREBP2 전사 폭발(Insig1, Ldlr, Hmgcr, Hmgcs1, Fdps, Msmo1, Sqle, Dhcr24)이 일어나는 것이다!

제4단계: 인과관계 해체 및 4방향 경쟁 가설 매트릭스 (Rival Causes)

@OpenAI가 *“콜레스테롤 수송을 복원하면 신경세포를 퇴행으로부터 보호할 수 있을까?”*라고 물을 때, 강한 의미의 비판적 연구자는 콜레스테롤 수송 장애가 DCTN1 관련 신경퇴행(페리 증후군 / ALS-FTD)의 **1차적 인과 동인(primary causal driver)**인지, 아니면 미세소관 역행성 수송 붕괴가 낳은 여러 하위 부수현상(epiphenomenon) 중 하나인지를 철저히 검증해야 한다.

우리는 4방향 인과관계 해체 매트릭스를 통해 4가지 경쟁 인과 가설을 평가했다.

인과 가설 기전적 경로 아틀라스 및 문헌 내 지지 증거 반대 또는 한계 증거 인식론적 판정
1. 직접 인과 (X → Y): 스테롤 수송 기아가 신경퇴행을 직접 유발 DCTN1 손실이 Rab7–RILP–p150Glued 엔도리소좀-소포체 콜레스테롤 전달을 차단 → 소포체 막 스테롤 고갈 + 엔도리소좀 지질 정체 → 막 항상성 붕괴 및 신경세포 사멸. 급성 어린 마우스 Dctn1 교란에서 가장 강력한 전사 신호(459개 총 DEG; Insig1 q = 4.42 × 10⁻⁵⁵)이며 Dync1h1(F003), Rab7(F004), Chp1(S022)에 의해 표현형 모사됨; 대뇌 피질은 보존하면서 미측 시상하부, 시상, 중뇌(155 MB Glut), 교뇌/연수(191 MB P MY GABA)에 집중되는 세포 특이성(F011)이 페리 증후군의 해부학적 취약 부위와 일치함. 유리 대 에스테르화 스테롤 질량 측정이나 지질 방울(lipid droplet) 정량 데이터가 없으며, 약리학적 콜레스테롤/SREBP 조절이 Dctn1 변이 뉴런 생존을 실제로 구제하는지 검증되지 않음. 타당한 공동 동인 / 초기 바이오마커, 단일 인과 병목으로는 미입증.
2. 역인과 / 독성 루프 (Y → Z): 보상성 SREBP2 과활성화 자체가 병리적 지질독성 유발 엔도리소좀에 갇힌 콜레스테롤이 소포체를 속여 세포가 스테롤 기아 상태라고 오판하게 만듦 → 폭주하는 SREBP2 신생 합성(Hmgcr, Fdps, Sqle) + Ldlr(+2.23 log2FC) 과흡수가 이미 막힌 엔도리소좀에 콜레스테롤과 불포화 지방산(Fads1/2, Scd1/2, Fasn: F007)을 추가로 쏟아부음 → 지질독성(lipotoxicity) 및 페로토시스(ferroptosis)/세포소기관 파괴. 니만-픽 C형(NPC1/NPC2) 및 Tsc1/Tsc2(comparison_16) 결손 뉴런에서 리소좀 스테롤 정체 + 억제되지 않는 SREBP2 활성화는 독성 과산화 지질 축적을 일으킴; Dctn1 발견 F007은 페로토시스 감작 효소인 Acsl4와 Fads1/2의 동반 유도를 보여줌. 만약 SREBP2 활성화가 실제 결핍이 아니라 오감지에 의한 병리적 과잉 유입이라면, 무작정 “콜레스테롤 공급을 늘리는” 개입은 오히려 독성을 가속화하며, 반대로 **과도한 SREBP2를 억제하거나 엔도리소좀 적체를 해소(HP-β-CD / Rab7 활성화)**해야 한다! 치료 방향 역전 위험(Therapeutic Inversion Hazard) (findings.csv 원문도 이 모호성을 명시적으로 경고함).
3. 교란 다면발현 (Z → X & Y): 다이닌-다이낙틴 수송 붕괴가 TDP-43 청소·미토파지·자가포식을 동시에 파괴 DCTN1(p150Glued)은 세포질 다이닌-1의 범용 어댑터임. DCTN1 교란은 (a) 스트레스 과립 해체 및 TDP-43(TARDBP) 청소(Ueda et al. 2024), (b) 자가포식소체-리소좀 융합(Yu et al. 2018), (c) 소포체-골지체 단백질 수출(Yu et al. 2023), (d) Rab7–RILP 엔도좀 배치를 동시에 마비시킴. 인간 페리 증후군 부검 뇌의 신경병리학적 정의는 원발성 지질축적증이 아니라 TDP-43 세포질 봉입체임(Farrer et al. 2009). 또한 SREBP2는 소포체 스테롤 변화 후 수 시간 내에 작동하는 초고속 전사 센서(n_H ≈ 4)인 반면, TDP-43 응집과 소포체 팽창(UPR)은 전사 후(post-translational) 또는 만성 노화 과정에서 발생함(F009). 급성 어린 마우스 mRNA 스크린(Perturb-seq)에서는 단기 단일핵 RNA-seq으로 관찰할 수 없는 전사 후 단백질병증(TDP-43 응집) 대신 빠른 전사 항상성 회로(SREBP2)가 볼케이노 플롯을 지배하는 측정 모달리티 관찰 편향이 발생함! 지배적 구조적 교란 요인 (분석 모달리티 관찰 편향).
4. 희소 생체 내 CRISPR 스크린의 생존자 편향 (S → Y) PerturbAI의 생체 내 AAV-CRISPR 스크린에서 세포핵은 형질도입 수주일 후에 수거됨. Dctn1 양대립유전자 녹아웃으로 급성 수송 붕괴와 세포사멸을 겪은 뉴런은 시퀀싱 전에 이미 사라졌고, 시퀀싱에 포착된 Dctn1 핵들은 강력한 대사/지질합성 복구 반응을 가동해 살아남은 생존 하위 집단임. findings.csv(bucket_4_selection_01)에서 저자들이 직접 명시: “스테롤 증가는 보상성 반응이거나, 리소좀 콜레스테롤 감지 변화이거나, 손상된 세포들 사이의 생존자 편향일 수 있다.” 동일 세포 클래스(155 MB Glut, 191 MB P MY GABA)에서 Dync1h1, Rab7, Chp1과의 교차 교란 수렴성이 확인되므로 단순 무작위 생존 노이즈가 아니라 실제 수송-SREBP2 결합을 반영함은 분명함. 종단적 시간 경과 검증이 필요한 중등도 방법론적 교란 요인.

제5단계: 정량적 감사 — 멀티에이전트 벤치마크 해체 및 90% 임상 파이프라인 통과율의 수학

파트 A: OpenAI / PerturbAI 멀티에이전트 벤치마크에 대한 통계적 감사

jinlabneurogenomics/distributed_agent 저장소 내부의 3대 정량 벤치마크 원본 수치를 정밀 감사해보자.

1. 컨텍스트 윈도우 병목 대 단일 표적 정밀도 (task1_deg_count_comparison.csv)

data/inputs/holdout/task1_deg_count_comparison.csv에서 저자들은 151 TH Prkcd Grin2c Glut 시상 뉴런의 272개 홀드아웃 유전자 교란(0개 DEG인 진음성 172개, >= 1개 DEG인 진양성 100개)에 대해 각 시스템이 차등발현유전자 수(actual_n_degs, BH 보정 Wilcoxon p < 0.05)를 얼마나 정확히 예측하는지 비교했다.

시스템 / 아키텍처 배치 크기 (실행당 표적 수) 이진 정확도 (n = 272) 균형 정확도 (Balanced Acc) 정밀도 (Precision) 재현율 (Recall) F1 점수 매튜 상관계수 (MCC) Spearman ρ (log1p) MSE (log1p 전체)
베이스라인: 물리적 이웃 평균 (PPI) 결정론적 53.68% 60.44% 43.43% 86.00% 0.5772 0.2263 0.2176 5.0152
베이스라인: 기능적 이웃 평균 결정론적 47.79% 54.53% 39.60% 80.00% 0.5298 0.1000 0.0704 5.6412
베이스라인: 문헌 이웃 평균 결정론적 46.32% 54.63% 39.45% 86.00% 0.5409 0.1119 0.0743 5.7022
단일 에이전트 (r-bioagents-rosalind-ev3) all (272) 72.06% 66.81% 67.14% 47.00% 0.5529 0.3709 0.4393 2.8908
단일 에이전트 (r-bioagents-rosalind-ev3) 20 72.79% 72.63% 61.02% 72.00% 0.6606 0.4403 0.5050 2.6534
단일 에이전트 (r-bioagents-rosalind-ev3) 5 72.79% 72.21% 61.40% 70.00% 0.6542 0.4341 0.4947 2.5552
단일 에이전트 (r-bioagents-rosalind-ev3) 1 75.37% 74.03% 65.71% 69.00% 0.6732 0.4761 0.5258 2.7332
분산 에이전트 (adaptive_gpt-rosalind-5.5) 1 (코퍼스 MCP) 73.53% 70.49% 65.56% 59.00% 0.6211 0.4199 0.4708 2.8618

블라인딩 테스트(Blinding Test) 결론: 위 표의 하위 4개 행을 주목하라. 단일 GPT-Rosalind 에이전트에게 272개 표적 전체를 한꺼번에 밀어 넣으면(batch_size = all), 컨텍스트 윈도우 어텐션 희석으로 인해 재현율이 47.00%(MCC = 0.3709, Spearman = 0.4393)로 급락한다. 그러나 동일한 단일 에이전트 아키텍처(r-bioagents-rosalind-ev3)에게 한 번에 표적 1개씩(batch_size = 1) 할당하고 원본 차등발현 parquet 파일에 직접 접근하게 하면, 75.37% 정확도, 69.00% 재현율, 0.6732 F1, 0.4761 MCC, 0.5258 Spearman 상관관계를 달성하여 오히려 distributed_agents 보고서 코퍼스 시스템(73.53% 정확도, 59.00% 재현율, 0.6211 F1, 0.4199 MCC, 0.4708 Spearman)을 앞지른다! 왜냐하면 distributed_agents는 사전 작성된 자연어 요약 보고서(shi_holdout 코퍼스)를 통해 질의를 라우팅하므로, 원본 differential_expression.parquet를 직접 질의하는 것에 비해 약하거나 중간 강도의 정량적 공분산 신호에서 **손실 텍스트 압축 오차(lossy text-compression error)**가 발생하기 때문이다.

2. 홀드아웃 필수 유전자 신경세포 고갈 재현율 (depletion-best-vs-codex-heldout-recall.summary.json)

반면 50개의 홀수 순위 시드 유전자를 주고 151 TH Prkcd Grin2c Glut 시상 뉴런에서 세포 고갈(사멸/소실)을 유발하는 나머지 50개의 짝수 순위 홀드아웃 유전자를 예측하는 고난도 생물학적 과제(depletion.py)에서는 다중 세포 유형 취약성과 경로 전반의 문헌을 합성한 멀티에이전트 보고서 코퍼스가 확실한 우위를 보인다.

xychart-beta
    title "151 TH Prkcd Grin2c Glut 홀드아웃 신경세포 고갈 Recall@50 (%)"
    x-axis ["Top DEG 수", "BioMNI (중앙값)", "단일 Codex (중앙값)", "DepMap (범암종)", "Distributed Agents (중앙값)"]
    y-axis "상위 50개 예측 중 적중 재현율 (%)" 0 --> 50
    bar [14.0, 16.0, 18.0, 26.0, 36.0]
  • Distributed Agents (3회 반복): 19/50 (38.0%), 18/50 (36.0%), 17/50 (34.0%) → 중앙값 Recall@50 = 36.0%.
  • DepMap (범암종 Chronos 필수성 베이스라인): 13/50 → Recall@50 = 26.0%.
  • 단일 에이전트 Codex (3회 반복): 9/50 (18.0%), 12/50 (24.0%), 9/50 (18.0%) → 중앙값 Recall@50 = 18.0%.
  • 스탠퍼드 BioMNI (저장소 data/runs/depletion/biomni/ 내 3회 반복, depletion.py 메인 플롯에서는 제외됨): 11/50 (22.0%), 5/50 (10.0%), 8/50 (16.0%) → 중앙값 Recall@50 = 16.0%.
  • 상위 DEG 수 베이스라인: 7/50 → Recall@50 = 14.0%.

파트 B: @bayeslord 대 @MartinShkreli 정량 감사 — 90% 신약 파이프라인 통과율의 수학

이제 @bayeslord의 질문(“원리적으로 임상시험을 포함한 신약 파이프라인 통과율을 90% 이상으로 끌어올리려면 시뮬레이션과 실험실 연구에서 어떤 돌파구가 필요한가?”)과 마틴 슈크렐리의 답변(“저분자 화합물이 얼마나 확률적인지 고려하면 아마 불가능할 것이다. 고분자 바이오의약품 역시 종간 기전 차이, 인간 없이 인간을 모델링하는 어려움 때문에 불가능할 것이다. 90%는 과한 요구다!”)을 수학적·생물물리학적으로 검증해보자.

1. 복합 관문 방정식: 왜 최종 90% 통과율을 위해 단계당 97.4%가 필요한가?

신약 후보물질이 최초 인체 임상(FIH) 1상 진입부터 최종 규제기관 승인에 이르기까지는 4개의 순차적 조건부 확률 관문을 통과해야 한다.

  1. p_1 = P(임상 1상 → 임상 2상): 인체 약동학/약력학(PK/PD), 내약성, 급성 용량제한독성 검증.
  2. p_2 = P(임상 2상 → 임상 3상): 안전한 용량에서 실제 인간 환자의 임상 유효성 개념증명(PoC).
  3. p_3 = P(임상 3상 → NDA/BLA 허가신청): N = 300–3,000+명 규모의 다인종 인간 환자군을 대상으로 한 확증적 무작위 대조 임상시험 우월성 및 희귀 부작용 안전성 입증.
  4. p_4 = P(NDA/BLA → FDA 최종 승인): CMC 제조 일관성 및 유익성-위해성 심의.

누적 임상 성공 확률(PoS_total)은 네 조건부 전이 확률의 곱이다.

$$\text{PoS}{\text{total}} = \prod{k=1}^{4} p_k = p_1 \cdot p_2 \cdot p_3 \cdot p_4$$

PoS_total >= 0.90을 달성하려면 각 임상 단계의 기하평균 통과율이 다음 조건을 만족해야 한다.

$$\bar{p} = \left(\text{PoS}_{\text{total}}\right)^{1/4} \ge (0.90)^{0.25} = 0.9740 \quad (\text{모든 임상 단계마다 } 97.40\text{ percent 이상의 성공률 필요!})$$

만약 여기에 전임상 발굴 관문(표적 검증 → 유효물질 발굴 → 선도물질 최적화 → IND 신청용 GLP 독성시험, 역사적 복합 통과율 ~31%)까지 포함하여 총 7개 관문에서 90%의 엔드투엔드 파이프라인 통과율을 달성하려면, 전임상과 임상의 모든 단일 단계마다 (0.90)^(1/7) = 98.51%의 성공률을 기록해야 한다!

이 수학적 요구치(임상 단계당 97.4%)를 최대 규모의 임상시험 생물통계 1차 문헌(Wong, Siah & Lo 2019, Biostatistics; BIO / Citeline 2011–2024 산업 감사; Minikel et al. 2024, Nature)의 실증 데이터와 대조해보자.

치료 영역 / 코호트 임상 1상 → 2상 (p_1) 임상 2상 → 3상 (p_2) 임상 3상 → 허가신청 (p_3) 허가신청 → 승인 (p_4) 누적 임상 1상 → 승인 (PoS_total) @bayeslord 90% 목표 대비 격차
전 적응증 (Wong, Siah & Lo 2019, n = 21,143개 약물) 66.4% 48.6% 59.0% 83.3% 13.8% (비가중 곱 15.8%) 90% 대비 6.5배 낮음
전 적응증 (BIO / Citeline 엄격한 단계별 기준) 52.0% 28.9% 57.8% 90.6% 7.9% 90% 대비 11.4배 낮음
중추신경계 / 신경과 질환 (CNS) 57.0% 30.0% 51.0% 85.0% 7.4% – 15.0% 90% 대비 6.0배 – 12.2배 낮음
항암제 (Oncology, 전 모달리티) 57.6% 32.7% 35.5% 81.7% 3.4% – 5.5% 90% 대비 16.4배 – 26.5배 낮음
인간 유전학적 검증을 갖춘 표적 (Minikel et al. 2024) ~68.0% ~55.0% ~72.0% ~90.0% ~24.0% – 35.0% (비유전 표적 대비 2.6배 상승) 여전히 90% 대비 2.6배 – 3.7배 낮음
단일유전자 희귀질환 / 프로그래머블 ASO & GalNAc-siRNA ~78.0% ~65.0% ~78.0% ~92.0% ~36.0% – 55.0% 여전히 90% 대비 1.6배 – 2.5배 낮음
@bayeslord의 이론적 >90% 파이프라인 임계치 97.4% 97.4% 97.4% 97.4% 90.0% 단계당 탈락률 <2.6% 요구 
xychart-beta
    title "임상 1상 진입 후 최종 승인까지의 누적 성공 확률 (PoS %)"
    x-axis ["항암제", "BIO 전체 약물", "중추신경계(CNS)", "Wong et al. 전체", "인간유전학 표적(2.6x)", "단일유전자 ASO/siRNA", "@bayeslord 목표치"]
    y-axis "누적 임상 통과율 (%)" 0 --> 100
    bar [5.5, 7.9, 8.5, 13.8, 30.0, 48.0, 90.0]

2. 마틴 슈크렐리가 짚어낸 두 가지 생물물리학적 장벽 (저분자 확률성과 종간 진화적 괴리)

Sun et al. (2022, Acta Pharmaceutica Sinica B)이 정리했듯, ~90%에 달하는 임상시험 실패율은 네 가지 원인으로 분해된다.

  1. 임상적 유효성 부족 (40%–50%): 약물이 인체 내에서 분자 표적에 결합했거나 마우스 모델에서는 효과가 있었음에도 임상 2/3상에서 인간 환자의 임상 지표를 개선하지 못함.
  2. 관리 불가능한 임상 독성 (~30%): 설치류나 비글견 독성시험에서는 나타나지 않았던 용량제한 장기 독성(약물유발 간손상 DILI, hERG/심장독성, 골수 억제, 중추신경 독성, 면역 매개 부작용 등).
  3. 열악한 인체 PK/PD 및 생체이용률 (10%–15%): 빠른 대사 소실, 혈뇌장벽(BBB) ABCB1/P-gp 유출 펌프에 의한 뇌 투과 실패, 또는 표적 조직 도달 실패.
  4. 상업적·전략적 포트폴리오 재편 (~10%): 경쟁 약물 등장 또는 임상 설계/환자 모집 실패.

마틴 슈크렐리의 트윗은 실패 원인 1번과 2번을 지배하는 통계역학 및 진화생물학의 본질을 정확히 관통한다.

장벽 1: 볼츠만 다중약리학 분배 함수 (“저분자 화합물이 얼마나 확률적인가”)

저분자 화합물(MW 300–500 Da)은 소수성 및 수소결합 약리단(pharmacophore) 표면적이 ~150–300 Ų에 불과하다. 이 분자가 마이크로몰~나노몰 혈중 농도 [L]로 인체에 투여되면 의도한 주 표적 P_0만 찾아가는 것이 아니라, M ≈ 20,000+개의 인간 표준 단백질, 수십만 개의 스플라이싱 동형체(isoform), 다형성 인간 간 CYP450 효소, 담즙산 수출 펌프(BSEP), 생체막 인지질 이중층 전체와 열적으로 충돌한다.

주 표적 대비 결합 자유에너지 차이가 ΔG_j = ΔG_0 + ΔΔG_j인 임의의 오프타겟 단백질 P_j(j ∈ {1, ..., M})에 대한 점유율 θ_j는 랭뮤어-볼츠만 등온식을 따른다.

$$\theta_j([L]) = \frac{[L]}{[L] + K_{d,j}} = \frac{1}{1 + \frac{K_{d,0}}{[L]} \exp\left(\frac{\Delta\Delta G_j}{RT}\right)}$$

생리적 온도(T = 310 K, RT ≈ 0.616 kcal/mol)에서 주 표적 대비 100배의 선택성 마진(ΔΔG_j ≈ 2.8 kcal/mol—물 분자 매개 수소결합 하나보다도 작은 에너지 차이!)을 확보하더라도, 주 표적을 90% 점유( [L] = 9 × Kd,0)시키는 농도에서 오프타겟 P_j 역시 θ_j ≈ 9% 점유된다! M = 20,000개 단백질의 동적 구조 앙상블과 간 CYP3A4/CYP2D6가 생성하는 반응성 에폭사이드/퀴논 대사체(특정 HLA 유전자형을 가진 환자 1,000명 중 1명꼴로 간 단백질에 공유결합하여 특이체질성 간독성을 유발함)를 고려할 때, 어떠한 정적 구조 예측이나 분자동역학 시뮬레이션도 유전적으로 다양한 인간 집단에서 오프타겟 독성 탈락률을 <2.6%로 보장할 수 없다.

장벽 2: 고분자 바이오의약품과 모델 생물의 진화적 괴리 (“인간 없이 인간을 모델링하는 한계”)

그렇다면 결합 면적이 800–1,500 Ų에 달해 무작위 저분자 오프타겟 결합을 사실상 제거하는 고분자 바이오의약품(단클론항체 mAb, 이중항체, 유전자치료제)으로 전환하면 어떨까? 슈크렐리가 지적하듯, 고분자 약물은 **종간 진화적 번역 장벽(evolutionary species-translation wall)**에 직면한다.

  • 유전체 상동성 대 네트워크 괴리: 마우스 표적 유전자가 인간 직계상동유전자(ortholog)와 85%–95%의 아미노산 서열 일치도를 보이더라도, 시스-조절 인핸서(enhancer), 스플라이싱 동형체 비율, 세포 유형별 분포, 대사 및 면역 피드백 네트워크는 설치류와 영장류가 갈라진 약 8,500만 년의 진화 역사 동안 극적으로 분화했다.
  • PerturbAI 자신의 아틀라스에 등장한 DCTN1이 바로 그 증거 A다: 인간 페리 증후군(Farrer et al. 2009)에서 이형접합 DCTN1 G71R 변이는 성인(평균 발병 연령 ~48세)에게 치명적인 중추성 저환기, 파킨슨증, 그리고 TDP-43 단백질병증을 일으킨다. 반면 PerturbAI의 어린 마우스 뇌 CRISPR 녹다운에서 Dctn1 교란은 **전형적 소포체 스트레스(Atf4/Ddit3, F009)나 TDP-43 응집 없이 급성 SREBP2 콜레스테롤 생합성 급등(F001)**만을 유도했다! 심지어 노령 조건부 Dctn1 녹아웃 마우스(Yu et al. 2023)조차 소포체 팽창과 UPR 활성화를 보일 뿐 인간 CAP-Gly GKNDGTVQ 우성음성 증후군을 온전히 재현하지 못한다.
  • 인간 유전학 검증의 천장 (Minikel et al. 2024, Nature): 설령 약물 표적이 직접적인 인간 유전학적 인과 증거(GWAS 또는 멘델성 기능상실/기능획득 변이—즉 “인간 안에서 인간을 모델링한” 최고의 표준)로 뒷받침되더라도, 25,000개 이상의 임상 프로그램을 전수 조사한 Minikel 등의 Nature 논문에 따르면 인간 유전학 증거는 임상 1상-승인 PoS를 2.6배 높여 누적 통과율을 **~10%에서 ~25%–35%**로 끌어올리는 데 그친다. 왜 인간 유전학으로 인과성이 입증된 표적조차 65%–75%가 임상에서 실패할까? 특정 유전자(DCTN1, HTT, APP, SOD1, PCSK9)가 인간 질병의 원인이라는 사실을 아는 것만으로는 다음 세 가지를 해결할 수 없기 때문이다:
    1. **증상 발현 이후(post-symptom onset)**의 개입이 이미 비가역적으로 손상된 신경회로나 장기를 되돌릴 수 있는가(개입 시점 및 비가역성 병목—유전학적으로 완벽히 검증된 수많은 알츠하이머 β-세크레타제 및 항아밀로이드 임상이 실패한 이유).
    2. 약물 모달리티가 **인간 표적 조직 내에서 충분한 생체분포(biodistribution)**를 달성하는가(예: 간, 후근신경절, 신장에 용량제한독성을 유발하지 않으면서 인간 혈뇌장벽을 통과해 깊은 중뇌 흑질 SNpc와 연수 호흡 중추까지 도달하는가).
    3. 표적 자체에 대한 교란이 비질환 조직에서 보상성 네트워크 피드백이나 온타겟(on-target) 독성을 일으키지 않는가(DCTN1 역시 다수의 신경세포 및 말초 세포에서 필수 수송 기능을 수행함).

제6단계: “부정적 시각(Negative View)” 및 누락된 리스크 심문

OpenAI의 홍보 발표가 생략한 핵심 사실은 무엇이며, 고처리량 기능유전체학에 멀티에이전트 LLM 스웜을 스케일링할 때 발생하는 숨겨진 기술적 부채는 무엇인가?

1. 셔플 대조군 작화증(Confabulation) 리스크 (final_summary.json)

jinlabneurogenomics/distributed_agent 저장소 내부에서 가장 충격적이면서도 OpenAI의 소셜미디어 스레드에서는 단 한 줄도 언급되지 않은 실험은 data/inputs/literature/final_summary.json에 기록된 3군 셔플 대조군(3-arm shuffled-control) 감사다.

GPT-Rosalind 에이전트들이 진정으로 참된 유전자-경로 생물학을 발굴하는지, 아니면 단순히 **사후적 내러티브 작화기(post-hoc narrative confabulator)**로 작동하는지 테스트하기 위해, 저자들은 동일한 150개의 기저 차등발현 반응 프로파일을 사용하여 실제 보고서(Unshuffled)와 두 개의 위조 대조군을 비교했다.

  • Within-screen shuffled (150개 보고서): 각 차등발현(DEG) 프로파일에 스크린 내부의 엉뚱한 다른 유전자 이름을 짝지어 줌.
  • Out-of-screen shuffled (150개 보고서): 각 차등발현 프로파일에 스크린 외부의 엉뚱한 유전자 이름을 짝지어 줌.

final_summary.json에 기록된 실제 결과를 보라.

평가 지표 (군당 n = 150 보고서, 1,124개 양성 표적-세포유형 쌍) 제1군: Unshuffled (실제 유전자 ↔ 실제 DEG) 제2군: Within-Screen Shuffled (가짜 유전자 ↔ DEG) 제3군: Out-of-Screen Shuffled (가짜 유전자 ↔ DEG) 포렌식 시사점
1차 채택된 핵심 발견 수 (Retained Load-Bearing Findings) 488 600 (+23.0% 더 많음!) 561 (+15.0% 더 많음!) 에이전트들은 실제 라벨보다 가짜로 뒤섞인 유전자 라벨을 받았을 때 오히려 더 많은 핵심 발견을 생성해냈다!
세포 유형 전반의 총 1차 배치 수 (Primary Placements) 1,787 2,871 (+60.7%) 2,977 (+66.6%) 셔플된 에이전트들은 불일치를 합리화하기 위해 여러 세포 유형에 걸쳐 주장을 과잉 배치했다.
양성 표적-세포유형 쌍 커버리지 (1,124개 중) 638 (56.76%) 856 (76.16%) 933 (83.01%) 하위 DEG 모듈(SREBP2, 리보솜, 산화적 인산화) 자체는 표적 라벨이 가짜여도 내적 일관성을 유지하므로 셔플 대조군이 더 높은 커버리지를 기록했다!

왜 이런 현상이 발생했는가? Perturb-seq 스크린에서 하위 전사 모듈(SREBP2 콜레스테롤 모듈이나 ATF4 스트레스 모듈 등)은 그 자체로 내적 일관성을 지닌 생물학적 프로그램이기 때문이다! 프론티어 추론 LLM에게 가짜 표적 유전자 X_fake와 실제 하위 SREBP2 전사 모듈 Y_SREBP2를 짝지어 건네주면, LLM은 PubMed와 STRING에 약 20회의 문헌 검색 도구를 호출하여 X_fake와 지질 대사를 연결하는 2단계 또는 3단계 우회 경로를 기어코 찾아낸 뒤 이를 "Inferred"(추론됨)으로 분류한다! 오직 표적과 반응 사이의 엄격한 부호 일치 및 직접적인 1단계 문헌 합의(Agree 플래그) 기준으로만 필터링했을 때 비로소 실제 라벨 군이 셔플 대조군과 분리된다. 이는 생물학 AI에 관한 근본적인 교훈을 증명한다. LLM은 홀드아웃 개입 검증으로 엄격히 통제되지 않는 한 거의 모든 상관관계를 그럴듯하게 합리화해내는 초유창한 생물학적 스토리텔러다.

2. 43.5%의 파라미터 기억 인용 간극 및 38.2%의 브라우저 실패율 (source_access_summary.json)

data/inputs/literature/source_access_summary.json에서 2,046개 에이전트 실행 추적을 감사한 결과는 다음과 같다.

  • 검증되지 않은 파라미터 인용 (43.51%): 최종 보고서에 등장한 16,445건의 보고서-출처 인용 쌍 중 **7,156건(43.51%)이 cited_without_matched_access_pairs**였다. 즉, 에이전트가 실행 추적 내에서 해당 논문이나 데이터베이스 항목을 실제로 열어본 기록 없이 모델 내부 파라미터 기억에 의존해 PMID/DOI를 인용한 것이다.
  • 페이월 및 봇 차단 마찰 (38.23%): 에이전트 스웜 전체의 브라우저 열기 시도 16,775건 중 3,956건(23.58%)이 HTTP 오류로 실패했고 2,457건(14.65%)은 출판사 봇 방지/페이월 방어막에 차단되었다(10,362건 성공 대 6,413건 실패). 과학 에이전트가 실시간 웹 브라우징에 의존할 경우 10번 중 4번꼴로 학술 출판사 페이월에 가로막히며, 이를 극복하려면 구조화된 데이터베이스 API(28,851회 호출된 Reactome, UniProt, STRING 및 PMC Open Access XML 등)와의 직접 연동이 필수적이다.

3. 업계가 전사체 에이전트 스웜에 과잉 쏠림할 때 누가 손해를 보는가?

  • 습식 실험실(Wet-Lab) 검증 병목의 심화: 32분 만에 3,397개의 관계형 주장과 144개의 우선순위 생물학 스토리(story_central_gene_top_relational_summary.json)를 쏟아내는 것은 신약 개발의 속도 제한 단계(rate-limiting step)를 100% 습식 실험실 기능 검증으로 전가한다. Dctn1 에이전트 보고서가 제안한 단일 후속 실험(“정의된 중뇌 뉴런에서 급성 Dctn1 녹아웃과 SREBP 리포터 이미징, 필리핀(filipin) 또는 질량분석 스테롤 측정, 다이닌/다이낙틴 구조(rescue) 컨스트럭트, 그리고 SREBP 또는 콜레스테롤 합성 억제가 TDP-43이나 알파-시누클레인 스트레스를 조절하는지 검증하라”) 하나만 수행하는 데도 전문 신경생물학 실험실에서 6개월에서 18개월이 소요된다.
  • 상류 전사체 판독값으로의 자본 오배분: 벤처 캐피털이 “32분 만의 가설 생성”을 “임상 탈락률 해결”과 혼동할 경우, 임상 2/3상 실패의 진짜 병목인 인간 혈뇌장벽 전달체(BBB shuttle) 개발, 영장류/인간 오가노이드 독성학, 종단적 인간 임상 바이오마커 발굴에 투입되어야 할 자본이 상류 전사체 마이닝으로 잘못 배분될 위험이 크다.

제7단계: 회색 사고(Grey Thinking), 조건부 합성 및 포렌식 최종 판정

GPT-Rosalind를 단순한 마케팅 과장으로 폄하하거나 반대로 LLM 스웜 + CRISPR 스크린이 임상 통과율을 90% 이상으로 끌어올릴 것이라는 이분법적 극단을 모두 배격하고, 명시적인 **조건절(If-Clauses)**과 **확률 가중 포렌식 판정(Probability-Weighted Forensic Verdict)**을 통해 결론을 도출한다.

조건부 합성 (“If-Clauses”)

  1. 만약(If) R&D 팀이 분산 GPT-Rosalind 에이전트를 교차 교란 행렬 트리아지(Cross-Perturbation Matrix Triage)(2,000+개 CRISPR 교란 × 100+개 세포 유형을 스캔하여 Dctn1–Dync1h1–Rab7–Chp1 대 반대 극성의 Srebf2 같은 수렴적 전사 모듈을 묶고, 대뇌 피질 대비 미측 중뇌/뇌간의 세포 특이성을 태깅하는 작업)에 활용한다면, 그렇다면(Then) 멀티에이전트 맵리듀스 아키텍처는 수개월이 걸리던 박사후연구원의 수동 문헌 큐레이션을 32분으로 단축하는 진정한 100배 속도 혁신과 **홀드아웃 필수 유전자 재현율 2배 향상(단일 Codex 18% 대비 36%)**을 제공한다.
  2. 그러나 만약(If) 과제가 원본 발현 행렬로부터 홀드아웃 교란의 정량적 효과 크기(n_degs)를 예측하는 것이라면, 그렇다면(Then) 자연어 멀티에이전트 보고서 코퍼스에 질의하는 것(Spearman 0.4708, 재현율 59.0%)보다 표적당 단일 에이전트(batch_size = 1)를 원본 통계 parquet 파일에 직접 실행하는 것(Spearman 0.5258, 재현율 69.0%)이 오히려 더 뛰어난 성능을 발휘한다. 텍스트 요약 과정에서 미세한 정량적 공분산 정보가 소실되기 때문이다.
  3. 만약(If) 페리 증후군이나 ALS/FTD 치료를 위해 DCTN1–SREBP2 단서의 습식 실험실 후속 연구를 추진한다면, 그렇다면(Then) 연구진은 인간 iPSC 유래 DCTN1-G71R 중뇌 도파민성 뉴런에서 극성 및 상위성(Polarity & Epistasis) 검증 실험을 최우선으로 수행해야 한다. 즉, G71R 변이가 실제로 유리 콜레스테롤을 Rab7+ 후기 엔도좀에 가두는지(Filipin III 염색 및 LC-MS 스테롤 분획 정량), 그리고 엔도리소좀에 갇힌 콜레스테롤을 소포체로 동원(예: 저용량 사이클로덱스트린 또는 Rab7/TRPML1 작용제)하는 것이 TDP-43 세포질 응집을 감소시키는지, 아니면 반대로 콜레스테롤 합성을 자극하는 것이 지질독성을 악화시키는지를 먼저 가려내야 한다.
  4. 만약(If) 제약 산업이 임상 1상-승인 누적 통과율(PoS)을 역사적 ~8%–14% 수준에서 **50%–70%**로 끌어올리고자 한다면(@bayeslord의 질문에 대한 답), 그렇다면(Then) 필요한 돌파구는 논문을 더 빨리 읽는 챗봇이 아니라 다음 4계층 생물물리학 스택의 결합이다.
    • 계층 1 (표적 인과성): 표적을 단조 용량-반응 곡선을 가진 인간 멘델성 / GWAS 코딩 변이로 엄격히 제한할 것(Minikel et al. 2024, 기본 PoS를 ~10%에서 ~30%로 향상).
    • 계층 2 (저분자 확률성을 대체하는 프로그래머블 모달리티): 무작위 오프타겟 결합이 불가피한 저분자 화합물 대신, 가능한 영역에서 서열 프로그래밍이 가능한 모달리티(GalNAc-siRNA, 스플라이싱 조절 또는 RNase H ASO, CRISPR 염기/프라임 교정기)를 채택할 것. 이들은 정보 골격(포스포로티오에이트 / 2'-MOE / LNP)의 인체 약동학 및 조직 분포가 플랫폼 차원에서 재현 가능하며 오직 20개 뉴클레오타이드 서열만 바뀐다.
    • 계층 3 (인간 우선 전임상 시뮬레이션): 마우스 유효성 모델을 환자 유래 혈관화 인간 오가노이드, 체외(ex vivo) 관류 인간 장기, 그리고 초고감도 뇌척수액/혈장 표적결합 프로테오믹스를 결합한 임상 0상 마이크로도징으로 대체하여 슈크렐리가 지적한 “인간 없이 인간을 모델링하는” 간극을 메울 것.
    • 계층 4 (증상 발현 전 바이오마커 병기 설정): 비가역적인 신경세포 사멸이 일어나기 전에 인과적 체액/영상 바이오마커(혈장 p-tau217 또는 뇌척수액 시딩 분석 등)를 기반으로 임상 2/3상 환자군을 선별 등록할 것.

포렌식 최종 판정: 우리의 실제 결론 (The Forensic Verdict)

감사 핵심 질문 기본 시나리오 (Base Case, 최고 확률) 비관적 / 회의적 시나리오 (Bear Case) 낙관적 / 혁신적 시나리오 (Bull Case) 최종 포렌식 판정 (Definitive Stance)
1. DCTN1–콜레스테롤 수송 단서가 페리 증후군 / TDP-43 신경퇴행의 질병조절치료제(DMT)로 이어질 것인가? 55% 확률 (약력학 바이오마커 및 2차 조절인자): Dctn1 → SREBP2 유도가 습식 실험에서 Rab7–RILP–p150Glued 엔도리소좀-소포체 스테롤 수송 장애의 실제 판독값으로 검증되어 다이낙틴 기능의 유용한 약력학(PD) 바이오마커로 쓰이나, 근본적 신경보호를 위해서는 여전히 다이닌 수송 복원이나 TDP-43 직접 청소가 필요함. 30% 확률 (보상성 부수현상 / 생존자 아티팩트): 콜레스테롤 합성이나 수송을 조절해도 DCTN1-G71R 도파민 뉴런 사멸을 막지 못함. 말기 신경퇴행은 UPR/Atf4 소포체 스트레스(Yu et al. 2023)와 스트레스 과립 TDP-43 응집(Ueda et al. 2024)에 의해 지배되기 때문. 15% 확률 (1차 약물표적 구제 축): 엔도리소좀에 갇힌 콜레스테롤을 소포체로 동원하면 막 항상성이 회복되고 2차적으로 인간 페리 증후군 iPSC-DA 뉴런의 자가리소좀 TDP-43 청소까지 구제됨. 과학적으로 실재하는 판독값이나 치료 방향성은 미검증: 중뇌/뇌간 뉴런에서 Dctn1, Dync1h1, Rab7 교란이 SREBP2로 수렴한 것은 기전적으로 탄탄하지만(Rocha et al. 2009), 이를 곧바로 완성된 “신약 단서”로 포장하는 것은 단일 에이전트(Codex)도 이를 1위로 찾았다는 사실과 TDP-43 세포사멸에 대한 인과적 방향성이 미검증임을 간과한 것이다.
2. 임상시험을 포함한 신약 파이프라인 통과율이 >90%에 도달할 수 있는가 (@bayeslord 대 @MartinShkreli)? 70% 확률 (전체 평균 35%–55%에서 점근적 천장 도달; 90% 한계에 관해 슈크렐리 판정승): 모든 모달리티를 통틀어 볼 때, 이계교배(outbred) 인간 집단의 유전적 이질성, 특이체질성 오프타겟 독성, 혈뇌장벽 전달 한계, 말기 질환의 비가역성으로 인해 향후 20년간 산업 전체 임상 1상-승인 PoS는 50% 미만에서 상한선이 형성됨. 20% 확률 (10%–18% 부근 정체): AI가 마우스 전사체에서 도출된 계산적 가설들을 임상 1상에 대량 공급하여 초기 파이프라인 물량은 늘어나지만, 임상 2상 인간 유효성 탈락률(~70% 실패)은 전혀 개선되지 않음. 10% 확률 (단일유전자 프로그래머블 특정 하위 섹터에 한해 >80%–90% PoS 달성): 직접적인 혈청 바이오마커가 존재하는 단일유전자 인간 간/혈액 질환 대상 간세포 표적 GalNAc-siRNA 또는 생체 내 염기교정 플랫폼에서 높은 플랫폼 재사용성을 통해 임상 통과율이 80%를 돌파함. 제1원리에서는 마틴 슈크렐리가 옳으나, 단일유전자 플랫폼의 잠재력은 과소평가됨: 전 산업 보편적 >90% 임상 통과율(단계당 >= 97.4%)은 저분자 볼츠만 다중약리학과 종간 진화적 괴리에 위배된다. 그러나 인간 유전학 + 프로그래머블 핵산 + 인간 오가노이드/임상 0상 PK/PD의 결합은 표적화된 하위 섹터의 PoS를 역사적 ~10%에서 50%–75%까지 현실적으로 끌어올릴 수 있다.

제8단계: 검증된 1차 사료 원장 (Verified Primary Source Ledger)

본 조사에 인용된 모든 1차 사료, 저장소 원본 데이터 파일, 단백질 구조 좌표, 동료심사 생물의학 논문 URL은 프로그래밍 방식으로 HTTP 200 응답 활성 상태가 검증되었다.

  1. PerturbAI — Health Brain Atlas 포털 (800만 세포 생체 내 Perturb-seq): https://perturb.ai/health-brain-atlas
  2. PerturbAI — 독자 AI 스택 및 인과적 생체 내 생물학 기술 브리프: https://www.perturb.ai/news-0617-proprietaryaistack
  3. 스크립스 연구소 진(Xin Jin) 랩 & OpenAI — 공식 distributed_agent GitHub 저장소: https://github.com/jinlabneurogenomics/distributed_agent
  4. Sun et al. (2026) — 공식 프리프린트 서지 메타데이터 (CITATION.cff, doi:10.64898/2026.10.15.759436): https://raw.githubusercontent.com/jinlabneurogenomics/distributed_agent/main/CITATION.cff
  5. Distributed Agents 실시간 코퍼스 탐색기 (Shi 및 Shi Holdout 발견/스토리): https://sites-publish-check-20261021.as-alexander-sun.chatgpt.site
  6. PerturbAI — Hugging Face 전뇌 CRISPR 아틀라스 데이터셋: https://huggingface.co/datasets/perturbai/wholebrain_crispr_atlas
  7. 원본 감사 텔레메트리 — 실제 라벨 대 셔플 대조군 요약 (final_summary.json): https://raw.githubusercontent.com/jinlabneurogenomics/distributed_agent/main/data/inputs/literature/final_summary.json
  8. 원본 감사 텔레메트리 — 인용 출처 추적 및 브라우저 오류 로그 (source_access_summary.json): https://raw.githubusercontent.com/jinlabneurogenomics/distributed_agent/main/data/inputs/literature/source_access_summary.json
  9. 원본 감사 텔레메트리 — 홀드아웃 신경세포 고갈 재현율 (depletion-best-vs-codex-heldout-recall.summary.json): https://raw.githubusercontent.com/jinlabneurogenomics/distributed_agent/main/data/inputs/depletion/depletion-best-vs-codex-heldout-recall.summary.json
  10. 원본 감사 텔레메트리 — 홀드아웃 272개 표적 DEG 수 예측 비교 (task1_deg_count_comparison.csv): https://raw.githubusercontent.com/jinlabneurogenomics/distributed_agent/main/data/inputs/holdout/task1_deg_count_comparison.csv
  11. 원본 감사 텔레메트리 — 맹검 전문가 쌍대 선호도 평가 (pair_ratings.csv): https://raw.githubusercontent.com/jinlabneurogenomics/distributed_agent/main/data/inputs/survey/pair_ratings.csv
  12. 원본 감사 텔레메트리 — 구조화된 발견 및 Dctn1 DEG 테이블 (findings.csv): https://raw.githubusercontent.com/jinlabneurogenomics/distributed_agent/main/data/inputs/survey/findings.csv
  13. RCSB 단백질 데이터 뱅크(PDB) — 구조 2HQH (1.15 Å 인간 DCTN1 / p150Glued CAP-Gly 도메인): https://www.rcsb.org/structure/2HQH
  14. UniProtKB — Q14203 (DCTN1_HUMAN, Dynactin Subunit 1): https://www.uniprot.org/uniprotkb/Q14203/entry
  15. Farrer et al. (2009), “DCTN1 mutations in Perry syndrome”, Nature Genetics (PMC2813485): https://pmc.ncbi.nlm.nih.gov/articles/PMC2813485/
  16. Konno et al. (2017), “DCTN1-related neurodegeneration: Perry syndrome and beyond”, Parkinsonism & Related Disorders (PMC5546300): https://pmc.ncbi.nlm.nih.gov/articles/PMC5546300/
  17. Yu et al. (2023), “Deficiency of Perry syndrome-associated p150Glued in midbrain dopaminergic neurons leads to progressive neurodegeneration and endoplasmic reticulum abnormalities”, NPJ Parkinson’s Disease (PMC9988887): https://pmc.ncbi.nlm.nih.gov/articles/PMC9988887/
  18. Yu et al. (2018), “Genetic ablation of dynactin p150Glued in postnatal neurons causes preferential degeneration of spinal motor neurons in aged mice”, Molecular Neurodegeneration (PMC5831668): https://pmc.ncbi.nlm.nih.gov/articles/PMC5831668/
  19. Ueda et al. (2024), “Dysregulation of stress granule dynamics by DCTN1 deficiency exacerbates TDP-43 pathology in Drosophila models of ALS/FTD”, Acta Neuropathologica Communications (PMC10840176): https://pmc.ncbi.nlm.nih.gov/articles/PMC10840176/
  20. Rocha et al. (2009), “Cholesterol sensor ORP1L contacts the ER protein VAP to control Rab7-RILP-p150Glued and late endosome positioning”, Journal of Cell Biology (PMC2712958): https://pmc.ncbi.nlm.nih.gov/articles/PMC2712958/
  21. Radhakrishnan, Goldstein, McDonald & Brown (2008), “Switch-like control of SREBP-2 transport triggered by small changes in ER cholesterol: a delicate balance”, Cell Metabolism (PMC2652870): https://pmc.ncbi.nlm.nih.gov/articles/PMC2652870/
  22. Horton, Goldstein & Brown (2002), “SREBPs: activators of the complete program of cholesterol and fatty acid synthesis in the liver”, Journal of Clinical Investigation (PMC150968): https://pmc.ncbi.nlm.nih.gov/articles/PMC150968/
  23. Wong, Siah & Lo (2019), “Estimation of clinical trial success rates and related parameters”, Biostatistics (PMC6409418): https://pmc.ncbi.nlm.nih.gov/articles/PMC6409418/
  24. Sun et al. (2022), “Why 90% of clinical drug development fails and how to improve it?”, Acta Pharmaceutica Sinica B (PMC9293739): https://pmc.ncbi.nlm.nih.gov/articles/PMC9293739/
  25. Minikel, Painter, Dong & Nelson (2024), “Refining the impact of genetic evidence on clinical success”, Nature (PMC11096124): https://pmc.ncbi.nlm.nih.gov/articles/PMC11096124/