🧬 AI 딥테크 1인 기업 · 시작 가이드

혼자서,
신약 회사

세상에서 제일 비싼 회사는 바이오·신약입니다. 원래 박사 수십 명에, 수천억 자본에, 10년이 걸렸죠. 그래서 '난 평생 못 해' 하고 접으셨을 겁니다. 그런데 구글 딥마인드가 방금, 그 연구 도구를 통째로 무료로 풀었습니다.

$2.1B

Isomorphic Labs
(딥마인드 스핀아웃)

$3.8B

Chai Discovery
AI 신약 스타트업

37개

딥마인드가 공개한
과학 AI 스킬

0원

시작 비용
(공개 도구·DB)

이 문서의 실습은 실제 공개데이터(Open Targets 등)로 직접 돌려 검증했습니다 · 2026.07 · 상세 출처는 하단

① 기회 · 가장 비싼 회사

왜 바이오·신약이
제일 비쌀까

소프트웨어 회사는 흔합니다. 하지만 신약은 한 개가 성공하면 수조 원입니다. 그래서 AI 신약 회사들의 몸값이 지금 폭발하고 있어요.

🧠

Isomorphic Labs

구글 딥마인드에서 나온 AI 신약 회사. 올해 시리즈B $2.1B(약 2.7조).

⚗️

Chai Discovery

$400M 조달, 기업가치 $3.8B(약 5조). AI로 단백질·분자 설계.

🚀

신약 재창출 스타트업

전 오픈AI 연구자 창업, $200M @ $2B 협상 중. 기존 약을 새 병에.

⏱️

속도 혁명

원래 10년+ 걸리던 발견을, AI가 몇 달로. 판이 바뀌는 중.

즉 딥테크(바이오)는 1인 유니콘의 끝판왕이 될 수 있는 땅입니다. 문제는 "원래 개인은 시작조차 못 했다"는 것. 그게 지금 바뀌었습니다.

② 무엇이 바뀌었나

박사 없이,
'발견'의 문이 열렸다

신약 연구의 첫 단계 — 어떤 유전자·단백질이 병의 원인인지(타겟), 거기에 어떤 물질이 듣는지 찾는 '발견' 단계는 원래 전문 DB와 도구를 다루는 연구자의 영역이었습니다. 구글 딥마인드가 이 도구들을 AI 에이전트용 '스킬'로 묶어 무료 공개했습니다.

SCIENCE-SKILLS

구글 딥마인드가 낸 과학 AI 스킬 37종. AI 에이전트(Antigravity)에 붙이면 유전체·단백질·화합물·임상·논문을 직접 다룸.

설치

Antigravity 설정에서 추가하거나
npx skills add google-deepmind/science-skills/

비용

스킬·공개 DB 모두 무료. 일부만 무료 API 키 필요(AlphaGenome 등).

이 스킬들이 연결하는 건 노벨상 도구(AlphaFold)부터 질병-타겟 DB(Open Targets), 화합물 DB(ChEMBL), 임상시험, FDA, 논문까지. 실제 연구자가 쓰는 바로 그 자원입니다.

② 사용법 · 왕초보도 됩니다

명령어는 0개.
그냥 말하면 됩니다

코딩·명령어 몰라도 됩니다. Antigravity에 한국어로 말만 하면, AI 에이전트가 알맞은 과학 스킬을 골라 뒤에서 알아서 돌리고, 결과를 정리해 줍니다.

1

내가 한국어로 말한다

"알츠하이머의 핵심 유전자 타겟을 찾아줘" — 이렇게 평범하게.

2

에이전트가 스킬을 고른다

37개 과학 스킬 중 딱 맞는 걸 자동 선택 (여기선 Open Targets).

3

뒤에서 스크립트를 돌린다

딥마인드가 만든 안전한 래퍼 스크립트를 실행(레이트리밋·재시도 자동). 나는 볼 필요도 없음.

4

정리된 답을 받는다

전문 DB 결과를 사람이 읽기 좋게 요약해서.

설치 · 가장 쉬움

Antigravity 켤 때 'Science' 체크박스. 끝. (기존 유저는 Settings → Build with Google Plugins → Science 다운로드)

설치 · 커맨드

npx skills add google-deepmind/science-skills/

준비물

uv(첫 실행 시 자동설치·재시작) + 일부만 무료 API키. 모두 0원.

② 무엇이 들어있나 · 스킬 37종

딥마인드 연구실을
통째로

실제 과학자가 쓰는 도구가 그대로 스킬로 들어있습니다. 신약 재창출에 쓸 핵심은 굵게.

🧬

유전체·변이

AlphaGenome · ClinVar · gnomAD · dbSNP · Ensembl · GTEx · ENCODE · JASPAR

🧊

단백질·구조

AlphaFold(노벨상) · PDB · Foldseek · PyMOL · InterPro · STRING · Reactome

⚗️

화합물·약물

ChEMBL(IC50·승인약) · PubChem · openFDA

🎯

질병·타겟·임상

Open Targets(질병↔타겟↔약물) · Clinical Trials

📚

논문

PubMed · bioRxiv · arXiv · Europe PMC · OpenAlex

🛠️

보너스

워크플로우 → 스킬 제조기: 내가 만든 흐름을 재사용 스킬로 패키징

실습은 이렇게 '말하기'만 하면 됩니다 (검증된 흐름):

내가 이렇게 말한다	도는 스킬	실제 결과
"알츠하이머 핵심 타겟 알려줘"	Open Targets	APP·PSEN1·APOE…
"APP 단백질 구조 보여줘"	AlphaFold	3D 구조 + 신뢰도
"연구된 약물 임상단계까지"	Open Targets	440건
"다른 병 약 중 재창출 후보"	Clinical Trials	인슐린·비타민E·타이레놀
"근거 논문 모아줘"	PubMed	관련 논문·초록

따라 하기 · 완전 튜토리얼

세팅부터 첫 결과까지,
그대로 따라만

한 번만 세팅하면(약 5분), 그다음부턴 그냥 말만 하면 됩니다. 순서 그대로 따라오세요.

A. 세팅 — 딱 한 번, 약 5분

1

Antigravity 설치 + Science 켜기

antigravity.google에서 다운로드 → 'Build with Google' 단계에서 'Science' 체크. (이미 쓰는 중이면 Settings → Customizations → Build with Google Plugins → Science 다운로드)

2

첫 질문 → uv 자동 설치 → 재시작

과학 질문을 처음 던지면 에이전트가 "uv 설치해도 되냐" 물어봄 → 승인. 끝나면 Antigravity 한 번 재시작. (uv = 스킬 스크립트 돌리는 엔진)

3

API 키 — 필요한 것만

대부분 키 없이 됩니다. AlphaGenome처럼 키가 필요한 스킬만 에이전트가 발급 링크 안내. 직접 하려면 터미널에 echo "ALPHAGENOME_API_KEY=키" >> ~/.env

B. 실전 — 이 문장들을 그대로 '말하기'만 (실제 검증된 흐름)

1

💬 "관심 있는 질병 하나의 핵심 유전자 타겟을 연관점수 순으로 알려줘"

→ Open Targets 실행. 알츠하이머면 실제로 APP·PSEN1·APOE… 가 점수와 함께.

2

💬 "그 타겟 단백질의 AlphaFold 구조랑 신뢰도 보여줘"

→ AlphaFold. 함정: 유전자 이름만 있으면 "UniProt ID부터 찾아줘"라고 하면 됨.

3

💬 "이 질병에 연구된 약물·후보를 임상 단계까지 정리해줘"

→ 실제로 440건 규모. 어떤 약이 몇 상까지 갔는지.

4

💬 "이 중 원래 다른 병 약인데 이 병에 시험 중인 것(재창출)만 골라줘"

→ Clinical Trials. 인슐린·비타민E·타이레놀 같은 실제 재창출 사례.

5

💬 "그 근거 논문을 최신순으로 모아줘"

→ PubMed. 초록·링크까지. 여기까지가 '발견' 완성.

6

💬 "방금 이 과정을 재사용 스킬로 만들어줘"

→ 워크플로우 스킬 제조기. 내 탐색 흐름을 나만의 스킬로 패키징.

💡 핵심. 명령어는 하나도 안 칩니다. 위 문장을 한국어로 그대로 말하기만 하면 에이전트가 알아서 스킬을 골라 돌려요. 처음 쓸 때 각 스킬이 이용약관을 고지하고 .licenses/에 기록하니, 출처 존중까지 자동입니다.

③ 실습 · 실제로 돌려봤습니다 (뻥 아님)

혼자서, 신약 재창출 후보를
찾아봤다

신약 재창출(Repurposing) = 이미 있는(안전성 검증된) 약을 새 질병에 적용. 완전 신약보다 빠르고 현실적이라, 개인이 AI로 기여하기 좋은 지점입니다. 아래는 제가 실제 공개데이터로 직접 돌린 결과입니다.

1

질병 정하기 → 타겟 찾기

예시로 알츠하이머(MONDO_0004975). Open Targets가 연관 타겟을 점수로 반환 → 실제로 APP(0.87) · PSEN1(0.87) · PSEN2(0.82) · APOE(0.77) · GRIN1(0.70) = 교과서에 나오는 그 유전자들이 그대로.

2

단백질 구조 보기

타겟 단백질을 AlphaFold(노벨상 도구)로 3D 구조 확인. "이 단백질이 이렇게 생겼구나"를 눈으로.

3

기존 약물 훑기 (재창출 후보)

이 질병에 연구된 약물·후보 440건이 실제로 나옴. 그중 '다른 병 약을 알츠하이머에' 시도하는 재창출 사례가 진짜 있음 ↓

4

임상 단계·근거 확인

각 후보가 임상 몇 상까지 갔는지, FDA·임상시험 DB·논문으로 교차 검증. 여기까지가 '혼자, 0원으로' 가능한 발견 작업.

실제로 나온 재창출 후보 일부 (알츠하이머):

약물	원래 정체	알츠하이머 임상
인슐린 (Insulin human)	당뇨병 치료제	임상 2/3상
알파-토코페롤 (비타민 E)	비타민·항산화	임상 3상
아세트아미노펜 (타이레놀)	진통·해열제	탐색 중
Latozinemab	항체 신약 후보	임상 1/2상