ScienceOps
어렸을 적부터 핵융합에 관심이 많았다. 초등학교 과학관 퀴즈 대회에서 극적으로 역전승하게 만든 단어가 토카막이어서 그랬을까. 아무튼 나는 핵융합을 염원한다.
그러다 이공계의 굉장히 느리고 보수적인 연구 문화를 알게 되었다. (이렇게 얘기하기 굉장히 cheesy하지만) 스페이스엑스와 테슬라가 성공한 이유는 느리고 보수적인 업계에서 참신한 속도를 얻었기 때문이다. NASA는 말할 것도 없이 공무원 문화에 박봉이고, 기존 자가용 업계 또한 디지털 업계에 비하면 그 속도가 매우 느리다.
그렇게 이런 저런 생각이 태초의 지구의 "영양분의 바다"처럼 맴돌고 떠돌다가, 220615에 글을 읽고, 더 나아가서 직접 연구를 하면서 LaTeX는 Broken됐다는 생각과, 현재의 Citation 방식은 너무 구리다는 생각과 (ORCID도 마찬가지) Research Paper NPM System과 아이디어들이 유기적으로 연결되는 사고 도구들에 대해서 생각하게 되면서 궁극적으로 ScienceOps라는 장르, 그리고 "자연과학 엔지니어"라는 개념이 탄생해야 한다고 생각했다.
아래는 그 비전과 가장 가까운 형태이다. 이제 이 개념은 "재현 가능한 실험"이라는 굉장히 큰 첫 걸음이다. 마치 소프트웨어에서 버전 컨트롤의 탄생이다. 나는 과학자들을 위한 GitHub를 만들고 싶다.
클라우드 랩스: 로봇이 연구하는 곳
화학 박사과정 학생인 Dmytro Kolodieznyi는 실험을 수행하는 데 익숙했다. 그러나 2018년 초, 그의 연구 지도교수는 대신 로봇이 운영하는 실험에 참여할 것을 요청했다.
지도교수는 펜실베이니아주 피츠버그에 있는 카네기멜론대학교에서 세포 내 형광 탐침을 개발하던 Kolodieznyi가 한 달 동안 Emerald Cloud Lab (ECL)에서 자신의 연구를 재현하려고 시도하기를 원했다. 캘리포니아주 사우스샌프란시스코에 있는 이 생명공학 회사는 과학자들이 클라우드 랩이라고 알려진 자동화된 연구 환경에서 원격으로 습식 실험실 실험을 수행할 수 있게 한다. 시험이 잘 진행되면 카네기멜론대학교에서 클라우드 랩을 더 광범위하게 사용할 수 있는 길이 열릴 것이다.
Kolodieznyi와 그의 동료 학생들이 직접 실험을 수행했던 피츠버그 연구실과 달리, ECL의 1,400평방미터 본사에서는 전 세계 연구자들이 발행한 코드 라인에 의해 운영되는 기계 열이 주역이었고, 가끔 허리 높이의 흰색 로봇이 실내를 빙빙 돌며 도움을 주었다. 수백 대의 기계가 작동 중이었지만 전체 과정을 관리하는 데는 한두 명의 인간 기술자만 필요했다.
Kolodieznyi는 단 일주일의 실습 시간만으로 형광 태그의 유기 합성부터 고급 현미경 기술에 이르기까지 그의 박사 연구 내용 몇 년치를 복제할 수 있었다. 그는 세포 배양, DNA 합성, 액체 크로마토그래피, 질량 분석법 및 핵자기공명과 같은 구조 분석 방법을 포함하는 회사의 기능 중 극히 일부만을 경험했다고 말한다. 하지만 그 경험은 그에게 깊은 인상을 남겼다. 2020년 박사 학위를 취득한 후 그는 과학 개발자로 회사에 입사했다.
Kolodieznyi의 긍정적인 피드백과 함께 2020년 COVID-19 대유행으로 인한 연구 중단은 카네기멜론대학교가 ECL과 파트너십을 맺고 4천만 달러를 투자하여 피츠버그에 클라우드 랩을 건설하는 계기가 되었다. 이는 대학 환경에서 건설되는 최초의 이러한 시설이다. 카네기멜론대학교 클라우드 랩의 건설은 2021년 11월에 시작되었으며 2023년 중반에 개관할 예정이다. 카네기멜론대학교의 Mellon College of Science 학장인 Rebecca Doerge에 따르면, 대학의 교직원과 학생들은 이 연구소를 우선적으로 사용할 수 있어서 모든 연구자가 이 기술을 사용할 기회를 갖게 된다.
학계, 소규모 스타트업 기업, 대형 제약회사는 아웃소싱 추세의 일환으로 점점 더 클라우드 랩을 이용하고 있다. 이 접근 방식은 "24시간 내내 운영되는 실험실을 갖는 것과 같다"고 ECL의 고객사인 호주 멜버른에 있는 생명공학 회사 CSL Behring의 연구개발 총괄이사 Germano Coppola는 말한다.
클라우드 랩은 "실험실에 들어가지 않고도 많은 데이터를 생성할 수 있는 엄청난 잠재력을 과학자들에게 제공한다"고 그는 말한다.