Chapter 12: 신규 연구 기획의 청사진 — 데이터·규제·재현성·기회의 지도

왜 이 챕터인가

이 책은 발효 → 마이크로바이옴 생태계 → AI 가속 → 합성생물학 생산 → 임상 검증이라는 한 줄짜리 호(arc)를 11개 챕터에 걸쳐 풀어 왔다. 이 마지막 챕터는 그 호를 R&D 기획자·창업자·규제 담당자·저널리스트가 내일 책상에 가져갈 수 있는 의사결정 프레임으로 압축한다. Brief B가 명시적으로 요청한 것이 이것이다 — "신규한 연구를 기획하는데 있어 신기술을 활용할 수 있는 아이디어." Brief A가 우회적으로 요청한 것도 이것이다 — "기초 연구는 구식이 됐는가?"라는 질문은 사실 "그럼 나는 내년에 어디에 예산을 태워야 하는가?"의 다른 표현이었다.

이 챕터는 두 부류의 텍스트와 다르다. 종합 리뷰가 아니다 — 마지막에 "더 많은 multi-omics가 필요하다"라고 적고 끝나는 종류 ^[17]. 컨설팅 보고서도 아니다 — 6개월짜리 trend deck 형식으로 살아남지 못할 권고를 전형적으로 내놓는 종류. 대신 이 챕터는 책의 입증된 갭과 검증된 산업 신호를 향후 12~60개월의 의사결정 매트릭스에 매핑한다. 이 책의 8장에 걸친 갭 진단(gaps.md 15개 항목)과 11장에 걸친 산업 사례 매핑이 그 작업의 기초 자산이다.

이 챕터의 정량적 핵심 3가지 1. AI 도구킷은 2024년부터 commodity, 임상 readout 공백은 2026년 5월에도 그대로: AlphaFold3·Boltz-1·Chai-1·ESM3·RoseTTAFold-All-Atom이 모두 2024년에 공개됐다 ^[1]. 그럼에도 AI로 설계된 화장품 활성 성분의 peer-reviewed 임상 결과는 0건이다 (Gap 1) ^[5]. 이 비대칭이 향후 5년의 가장 큰 단일 기회 벡터다. 2. 데이터 비대칭은 구조적: Unilever는 5억(50억) 데이터 포인트의 사내 코호트, L'Oréal·COSMAX는 동급의 사내 데이터를 보유한 반면 ^[40], 공개 피부 마이크로바이옴 reference catalog는 iHSMGC (10.9M 중국 코호트 유전자, HMP 대비 약 45%가 신규 동아시아 유전자)가 유일하게 의미 있는 자원이다 ^[27]. ESM3 (98B 파라미터, 7B open-weight 공개) ^[18]에 상응하는 피부 마이크로바이옴 기반 모델(skin-microbiome foundation model)은 존재하지 않는다 (Gap 2 + Gap 6). 3. 한국은 1급 지역, 다만 공개 가시성은 한 클러스터에 집중: COSMAX-Dankook-HuNBiome 축은 FACE-LINK 950명 코호트 ^[28], EPI-7 임상 ^[23], spermidine 회복 기전 ^[22]을 peer-reviewed로 발표했다. Amorepacific·LG생활건강은 매출 1·2위이지만 peer-reviewed 채널에는 부재한다 ^[2]. 이 비대칭 자체가 분석 콘텐츠다.

12.1 책의 중심 명제, 한 페이지 요약

이 책의 11장은 다섯 개의 핵심 주장으로 압축된다. 차후 의사결정의 토대가 되므로 다시 명명한다.

1. 기초 연구는 구식이 아니다 — AI가 의지하는 ground truth다 (Chapter 3, Chapter 9). Brief A의 "유산균 배양·분리 동정·항균 항염 테스트 같은 기초 연구는 이제 구식이 된 건지" 질문에 대한 책의 답은 아니오, 보완 관계다. Galderma 계열의 박테리오테라피 라인(^[29])은 배양·AMP assay·autologous Phase 1으로 AI 없이 성취됐다. Galactomyces ferment filtrate의 분자 기전 (^[39])은 SK-II Pitera가 상업화된 지 30년 만에 retroactive하게 채워졌다 — AI가 무엇을 압축하는지는 명확하지만, 그것이 압축하는 사이클은 여전히 wet-lab의 ground truth로 닫혀야 한다.

2. AI 변곡점에는 정확한 vintage와 정확한 topology가 있다 (Chapter 4, Chapter 5). 2021년이 "year zero"였다 — AlphaFold2 ^[21], RoseTTAFold ^[6], iHSMGC ^[27], Carrieri-Unilever XAI ^[8], COSMAX-spermidine ^[22], ShA9 Phase 1 ^[30], ZOE PREDICT 1 ^[4]이 한 해에 수렴했다. 2024–2026년이 그 toolkit을 commodity로 만들었다 — AF3 → Boltz-1 → Chai-1 → ESM3. 화장품 산업은 2년 째 AI 디자인 스택을 commodity로 사용 가능하지만 아직 하나의 임상 readout도 발표하지 않았다. 그 공백 자체가 기회 벡터다 (Gap 1).

3. AI-임상 갭은 cosmetic-internal한 사정이 아니라 인접 산업이 이미 닫은 갭이다 (Chapter 9, Chapter 11). Insilico Medicine의 rentosertib (TNIK 억제제, AI로 타겟·molecule이 발견됨)이 30개월 만에 IND를 받고 Phase 2a에서 12주에 FVC +98.4 mL vs placebo −20.3 mL를 보고한 사례 ^[35]는 operational template이 존재한다는 것을 증명한다. 화장품 산업은 임상 readout 막대를 약학 수준으로 올리지 않아도 되지만 — 정확히 그래서 첫 publication-grade AI 디자인 화장품 활성 성분이 피어 리뷰 임상으로 발표되는 순간 시장 신호는 약학 수준 이상이 될 것이다.

4. 합성생물학이 화장품 산업을 재정의하지만 규제는 따라오지 않는다 (Chapter 7, Chapter 11). Live engineered cosmetic microbes — S-Biomedic의 RoxP-발현 C. acnes ^[36], Eligo의 CRISPR-armed phage ^[12], Arcaea의 precision prebiotics ^[3], Parallel Health의 phage cocktail ^[32]이 모두 규제 home 없이 시장에 진입하고 있다. Geltor PrimaColl의 GRAS letter ^[15]는 ingestible synbio 성분의 선례지만 topical live의 선례는 존재하지 않는다. Seres VOWST ^[37]는 drug 선례지만 cosmetic 채널이 routing할 수 없다.

5. 한국 산업-학계 클러스터는 1급 자산, 다만 가시성 비대칭이 있다 (Chapter 10, Chapter 11). COSMAX-Dankook-HuNBiome-Yonsei-SNU 축은 비서구권에서 유일하게 국제급 cadence로 peer-reviewed 채널에 출판하는 end-to-end 산업-학계 파이프라인이다. 이는 OEM 채널 + Dankook 학계 + HuNBiome 균주 자원이 결합된 한국 특유의 구조적 우위이며, 어느 서구 경쟁사도 단기간에 복제할 수 없다.

이 다섯 주장이 모두 동의되는 책은 지금 없다. positioning.md의 D1–D5 분석이 이 단언의 근거다.

12.2 8개 독자 페르소나별 의사결정 프레임 — 향후 12개월

positioning.md는 책이 명시적으로 겨냥하는 8개 독자를 정의한다. 같은 책에서 같은 결론을 얻더라도 내일 무엇을 할 것인지는 페르소나에 따라 다르다. 이 섹션은 페르소나당 한 단락으로 "당신이 X라면 향후 12개월은 Y처럼 보여야 한다"를 명시한다. 이것이 Chapter 12의 가장 운영적인 부분이다.

비전문가 — "발효에서 데이터로" 패러다임 전환에 관심 있는 독자 (Brief A 화자). 향후 12개월 목표: 미생물 화장품 마케팅 클레임을 species-level vs strain-level, prebiotic vs probiotic vs postbiotic, ferment filtrate vs live engineered의 4축에서 직접 grade할 수 있게 되는 것. Chapter 2의 strain-level 교육 (C. acnes RT4/RT5 vs RT6 분기) ^[13]과 Chapter 7의 합성생물학 분류는 이를 위한 어휘적 자산이다. 구체적 권장: 매장에서 마이크로바이옴 화장품을 집어들 때 제품 라벨이 strain-level인지, species-level인지, 또는 단순 ferment filtrate인지 한 번에 식별. 마케팅 텍스트가 "AI-formulated"를 주장할 경우, peer-reviewed publication이 인용되어 있는지 확인 — 2026년 기준 0건이므로 거의 모든 클레임이 마케팅 그레이드다 (Gap 15).

한국 R&D 기획자 (Amorepacific, LG H&H, COSMAX, 중견 brand) — 가장 길게 다룰 페르소나. 향후 12개월 목표: 사내 R&D 포트폴리오가 COSMAX-Dankook 축의 publication cadence와 매칭되거나, 또는 명시적으로 publication 회피 IP-우선 전략임을 자기 선언. 두 길은 다른 KPI를 요구한다. Publication 전략은 (i) Dankook-Yonsei-SNU 중 하나와 sustained academic co-authorship, (ii) FACE-LINK 950-subject 규모(또는 그 이상)의 cohort에 1년 내 commitment, (iii) Chapter 9의 임상 simulation/ex vivo 파이프라인을 사내 검증의 ground truth로 채택. IP-우선 전략은 (i) KIPRIS 출원 patent landscape가 강건, (ii) Amorepacific/LG-H&H 식의 press-release-grade 산업 disclosure가 trade fair에서 인정받는 cadence, (iii) Chapter 8의 사내 virtual-cohort 식 형용사 ("AI virtual cohort", "60% faster")가 외부 audit 가능한 calibration 데이터로 뒷받침. 둘 중 어떤 길을 택하든 결정해 두는 것 자체가 향후 12개월 첫 작업이다. 책의 진단: 한국 기업의 OEM 채널 + 학계 축은 publication 전략을 채택할 경우 서구 경쟁사가 4–6년 안에 복제할 수 없는 자산이다 — 단, 그 결정이 이루어졌을 때만 그렇다 (Gap 4).

화장품 R&D 과학자 — 글로벌 메이저(L'Oréal, Unilever, Estée Lauder, Shiseido) 내부에서 의사결정 인풋을 만드는 위치. 향후 12개월 목표: 사내 AI 스택의 audit 가능한 표면 한 개를 외부 (학계 또는 규제) 협력자에게 노출. 정확한 후보: Unilever-Carrieri 2021 ^[8] 식의 SHAP-attributed gradient boosted regressor 한 개를 peer-reviewed 채널에 commit. 이유: 책의 Gap 15 (industry-grade AI claim generation pipeline의 independent evaluation 부재)가 2027년 FTC·EU CTR 감시 강화 전에 자발적으로 닫힐 수 있는 유일한 차단막이고, 첫 mover가 향후 5년 산업 표준의 위치를 차지한다. 둘째 권장: Chapter 4의 데이터를 사라(buy-the-data) 패턴에 대해 사내 strain × phenotype × formula × clinical-mapping 데이터 자산을 1차 자산 (모델보다 우선)으로 명시적 grade.

biotech / synbio 창업자 — 화장품 adjacency 진입 고려. 향후 12개월 목표: 화장품 진입의 규제 entry 비용을 명시적으로 책정. Chapter 7과 Chapter 11에서 본 패턴: live engineered microbe 길은 규제 home이 없으므로 단기 5년에 시장 진입이 어렵다. 즉시 가능한 두 가지 길은 (i) synbio-produced ingredient (Geltor PrimaColl 식 — GRAS letter 가능, B2B 채널 ^[15]), (ii) prebiotic (Arcaea 식 ^[3] — live microbe 없이 효과 주장 가능). 책의 관점: synbio 창업자가 cosmetic 채널과 pharma 채널을 동시에 추구해야 하는지는 cap table 결정이다. Insilico Medicine의 cosmetic-active spin-out 가능성 (책 발간 시점 기준 미확정)은 cosmetic이 pharma의 second product가 될 수 있는지의 시험대다.

pharma 과학자 — 마이크로바이옴 cosmetic adjacency 검토. 향후 12개월 목표: 사내 microbiome program이 cosmetic adjacency를 자기 portfolio의 part로 inferre하는지 reject하는지 명시적 결정. 책의 관찰 (Gap 11): 빅 파마 (Pfizer, Novo Nordisk, GSK)는 microbiome 헤드라인 program이 공개적으로는 없다 — Pfizer × XtalPi ^[33], Novo × Cradle ^[44] 등의 AI 파트너십은 있지만 microbiome 헤드라인은 아니다. Seres VOWST의 commercial 표류가 Big Pharma의 microbiome 회피 신호일 가능성이 높다. 화장품 adjacency가 fewer-regulatory-hurdles route to ROI on microbiome IP가 될 수 있는지가 향후 12개월 의제로 부상할 가능성.

저널리스트 / 분석가 — 마이크로바이옴 화장품 산업 보도. 향후 12개월 목표: 책의 5개 핵심 주장 중 하나를 자기 보도의 frame으로 internalize. 가장 underreported된 frame: 한국 클러스터 (Gap 4)와 live engineered regulation (Gap 5). 가장 overcovered된 frame: AI 디자인 자체 — 모델이 더 똑똑해진다는 것보다 임상 readout이 발표되는지가 진짜 신호.

규제 / 정책 전문가 — FDA, EU CTR, MFDS. 향후 12개월 목표: 두 규제 공백 문서화 — (i) live engineered cosmetic microbe (Chapter 7의 Gap 5), (ii) AI-derived efficacy claim (Chapter 8의 Gap 15). 두 갭 모두 2027년 전후 industry-side 사건(Eligo·S-Biomedic 제품 출시, FTC AI 클레임 가이드라인)으로 가시화될 가능성이 높으며, 가장 깨끗한 anchor는 Geltor GRAS letter ^[15] (ingestible 선례) + Seres VOWST ^[37] (drug 선례)이다.

AI 연구자 — 마이크로바이옴을 target domain으로 검토. 향후 12개월 목표: 피부 마이크로바이옴 foundation model의 minimum viable dataset coalition을 mapping (Gap 2). Unilever 30K, COSMAX 1K (FACE-LINK), L'Oréal proprietary 자료가 연합되었을 때만 ESM3-scale 모델이 가능. 책의 관점: federated learning 기반 data-cooperative이 현재 학술-산업 인터페이스에서 가장 underexplored된 instrument다.

12.3 데이터 병목 — open vs proprietary, 한국 공공 코호트 제안

데이터 비대칭이 이 분야의 가장 깊은 단일 제약이다. ESM3가 가능했던 것은 UniProt + AlphaFold DB가 공공 자산이었기 때문이다 — 화장품 마이크로바이옴은 그에 상응하는 자산이 없다.

12.3.1 비대칭의 해부

세 종류의 자원이 있다.

공공 인프라: MGnify (EBI metagenome) — 다양한 환경 메타지노믹스의 가장 큰 공공 archive, 하지만 피부는 gut 대비 1자릿수 작은 representation. MIBiG (Minimum Information about a Biosynthetic Gene cluster) — 효능 metabolite 후보를 BGC로 traceable하게 만드는 표준, peer-reviewed 강건. NPAtlas (Natural Product Atlas) — peer-reviewed 천연물 화학 인벤토리. iHSMGC ^[27] — 지금까지 발표된 가장 큰 피부 마이크로바이옴 reference gene catalog로 추정. 약 1090만 유전자 (10.9M), 중국 코호트, HMP 대비 약 45%가 신규 동아시아 유전자라고 보고됨 — 이 수치는 (a) reference catalog가 지역 cohort에 lock된다는 fundamental observation이고, (b) 글로벌 cosmetic-microbiome AI가 어느 지역의 데이터로 학습되었는지에 의해 generalization이 결정된다는 equity 우려의 출발점이다.

Semi-public consortia: Human Microbiome Project (HMP) — 미국 NIH 주도, 피부 cohort는 ~250명 규모. MOMS-PI (Multi-Omic Microbiome Study: Pregnancy Initiative) — 임신·neonatal 중심, 일부 피부 site 포함. 둘 다 cosmetic-efficacy benchmark가 아니다 — composition 데이터일 뿐.

Proprietary: Unilever 30,000-sample / ~5 billion data point 사내 코호트 ^[40]. L'Oréal Lactobio strain library + 사내 cohort. COSMAX FACE-LINK 950-subject cohort ^[28]. 이 세 자원이 합쳐졌을 때만 ESM3 스케일 학습이 가능한 규모로 추정되지만, 공개 인용 가능한 단일 자산은 없다. Carrieri 2021 ^[8] (Unilever × IBM 공저)이 사내 cohort 일부를 peer-reviewed 채널에 노출한 단 하나의 사례다 — n=62 + UK 검증 cohort.

12.3.2 한국 공공-민간 피부 마이크로바이옴 코호트 제안

위 비대칭의 해결책은 데이터-coalition이다. 한국에는 그것을 만들 수 있는 구조적 조건이 있다.

제안의 골격: 정부(MFDS or 국가과학기술연구회 NST 산하 KIST) + 산업 (COSMAX, Amorepacific, LG H&H) + 학계 (Dankook, Yonsei, SNU) + 임상 (서울대병원·세브란스·삼성서울 피부과)의 4자 coalition. 규모 타겟: 2~3년에 걸쳐 5,000~10,000명, FACE-LINK 950-subject cohort ^[28]의 실현 가능성 증거가 뒷받침. 공개 layer: composition (16S + shotgun 일부) + skin-property phenotype (hydration, TEWL, sebum, pH, age, Fitzpatrick) — 익명화 후 2년 embargo 후 공개. 사내 layer: 각 산업 파트너의 제형 효능 매핑은 사내 유지 — peer-reviewed publication에만 일부 노출. 거버넌스: IRB 통합 (3개 병원), 데이터 standardization (MIxS 표준 + MOMS-PI 호환), kit bias mitigation (모든 sampling을 동일 kit lot + 동일 protocol — 책의 Chapter 3 재현성 진단).

이 제안의 정당화 — 왜 한국이? 미국·EU·중국에 비해 한국은 (i) 단일 언어·단일 IRB 체계로 cohort 운영이 빠르다, (ii) OEM 산업 구조 (COSMAX)가 경쟁사가 같은 cohort를 공유해도 IP 충돌이 적은 거의 유일한 사례, (iii) 인구학적으로 동아시아 피부가 글로벌 reference (HMP, iHSMGC 외부)에서 underrepresented, (iv) 정부 정책 (K-바이오·K-뷰티)이 이런 산업 indicator를 국가 자산으로 분류할 수 있는 framing이 이미 존재.

비용 추정 — 5,000명, 종단 2년, 16S shotgun 일부 + standard phenotype + clinical 임상의 cross-link: 약 ₩50–80억 (정부 + 4사 cost-share). 이는 Unilever 30K cohort의 1/5 규모이지만 피어 리뷰 채널에서 가장 큰 동아시아 cohort가 될 수 있다.

12.4 규제 프런티어 — FDA, EU CTR, MFDS, 그리고 live engineered microbe

화장품 규제의 4개 큰 framework — FDA OTC cosmetic monograph + Cosmetic Modernization Reform Act (MoCRA, 2022), EU Cosmetic Regulation (EC 1223/2009) + Clinical Trials Regulation (CTR), MFDS 기능성화장품 (Functional Cosmetic) 고시, 중국 NMPA Special Cosmetics — 이 모두 안정된 화학 제형을 대상으로 작성됐다. 합성생물학 시대의 자체 복제 가능한 생물학적 entity와 AI 디자인 효능 클레임은 어디에도 home이 없다.

12.4.1 두 개의 규제 갭

Gap 5 — Live engineered cosmetic microbe: S-Biomedic의 RoxP-발현 C. acnes 균주 ^[36], Eligo의 in situ CRISPR base-editing phage ^[12], Arcaea의 precision prebiotics ^[3], Parallel Health의 phage cocktail ^[32]가 어느 규제 카테고리에도 명확히 속하지 않는다. Atallah et al. (2025) ^[5]가 명시적으로 지적: "GMO 규제 framework가 live cosmetic microbe를 위해 설계되지 않았다." 두 workaround가 진행 중: (i) postbiotic (균을 죽여서 출고 — live 장점 상실), (ii) prebiotic-only (live microbe 회피, Arcaea 모델). 둘 다 live-organism upside를 포기한다. FDA route: cosmetic이 drug claim을 만들면 자동으로 drug로 분류되므로 — Seres VOWST ^[37] route이 가능하지만 cost-of-trial이 cosmetic ROI를 깨뜨린다. EU route: CTR가 clinical trial에 적용되지만 cosmetic은 통상 CTR 밖이다 — live engineered는 consumer product safety regulation과 biosafety regulation의 교차로에 있다. MFDS route: 기능성화장품 카테고리에 live engineered microbe가 명시되지 않았다. 이는 한국 규제 당국에 2027년 전후 명시적 행동 요구를 만들 가능성이 높은 vacuum이다.

Gap 15 — AI-derived efficacy claim: Unilever의 "60% 빠른 소비자 인사이트, 75% 빠른 클레임 생성" ^[40]과 L'Oréal AI Skin Genius, COSMAX Microbiome AI 플랫폼 ^[10]이 AI virtual cohort 또는 AI 추천 엔진을 통해 efficacy claim을 생성하지만, 이 클레임을 external audit framework로 평가할 수단이 없다. Di Guardo et al. (2025) ^[11]가 명시적으로 지적: "AI-derived 효능 클레임에 대한 harmonized 규제 framework 부재." 가능성 높은 경로 — FTC (미국 광고 진실성) 또는 EU Digital Services Act + EU AI Act (2024 채택, 2026 시행 단계)가 AI-generated cosmetic claim을 가장 먼저 표적화. 한국 MFDS는 AI cosmetic claim audit framework를 세계에서 가장 먼저 제시할 수 있는 위치에 있다 — K-뷰티 수출 안전성 신호로 framing 가능.

12.4.2 향후 5년 규제 시나리오 — 세 가지 plausible 경로

경로 A — Geltor 선례 확장: GRAS letter ^[15] (Geltor PrimaColl, 2025-10) 모델이 non-live synbio cosmetic ingredient에 적용된다. FDA가 GRAS 평가 framework을 topical synbio ingredient로 확장 — 첫 사례 2027–2028년 가능성. 이 경로는 non-live이므로 Gap 5의 50%만 닫는다.

경로 B — Seres 선례의 cosmetic adaptation: VOWST ^[37]가 live microbiome therapeutic의 FDA approval 선례를 만들었다. cosmetic firm이 cosmetic indication을 drug claim으로 reframe하여 (예: 아토피·여드름) FDA Biologics route를 통과한다. 이 경로는 Gap 5의 100%를 닫지만 cost-of-trial이 cosmetic 규모 ROI를 깨므로 pharma-cosmetic hybrid 회사가 아닌 한 어렵다.

경로 C — FDA·EU·MFDS의 새 카테고리 신설: "Live cosmetic microorganism" 또는 "Bio-cosmetic active"라는 새 규제 카테고리가 신설된다. 가장 깨끗한 해결이지만 FDA rulemaking cycle은 3–5년이고, EU CTR/Cosmetic Regulation 개정은 더 길다. MFDS 기능성화장품 고시 개정이 가장 빠른 글로벌 first mover가 될 가능성.

12.5 재현성 위기 — batch effect, kit bias, 그리고 동아시아 representation

재현성은 학계 합의가 Papoutsoglou et al. (2023) ^[31] (pan-European COST Action consensus)으로 명시화되었지만, 화장품 산업의 AI claim 생성 파이프라인은 이 합의를 deploy하지 않았다 (Gap 8).

12.5.1 세 가지 systematic 재현성 위협

Batch effect: 같은 마이크로바이옴 샘플도 다른 sequencing run에서 다른 결과를 낼 수 있다. 화장품 cohort가 2년에 걸쳐 다른 sequencing lot으로 처리될 경우 — Unilever 30K cohort가 그렇다 — batch correction 알고리즘이 효능 신호의 일부를 합성할 수 있다. 학계에서는 ComBat, MMUPHin 등이 표준이지만 사내 cosmetic pipeline은 batch correction 방식을 disclosure하지 않는다.

Kit bias: DNA 추출 kit (Qiagen DNeasy vs ZymoBIOMICS vs MO BIO PowerSoil)이 체계적으로 다른 taxa를 enriche한다. 피부는 low biomass + host contamination 환경이므로 kit-bias가 어느 다른 환경보다 크다. 권장 책의 Chapter 3 진단: 사내 cohort를 두 kit으로 cross-validate한 데이터가 공개된 cosmetic 자료는 거의 없다.

Ethnic / 지역 representation: iHSMGC ^[27]가 HMP 대비 약 45% 신규 동아시아 유전자를 보고한 사건이 가장 깨끗한 evidence다. 어느 사내 cosmetic AI 모델이 미국·유럽 cohort로만 학습되어 있다면, 동아시아 피부 또는 다크 피부 타입에 대해 generalization이 보장되지 않는다. Haykal et al. (2025) ^[17]가 "geographic diversity 제한, darker phototype 과소대표"를 명시적으로 지적했다. 이 비대칭이 가장 큰 equity 우려이고 가장 큰 비즈니스 리스크 (대규모 글로벌 product launch가 underrepresented demographics에서 효능 실패할 가능성)다.

12.5.2 화장품-산업 적합 재현성 체크리스트 (제안)

책의 contribution으로 최소 viable 재현성 체크리스트를 제안한다 (Gap 8의 일부를 닫는 구체적 도구):

1. 표준 disclosure layer — 모든 cosmetic-microbiome AI 클레임에 cohort size, demographic split, kit, sequencing platform, batch effect correction method를 첨부.
2. External replication seed — 사내 cohort의 익명화된 10–20% subsample을 peer-reviewed channel에 deposit, 외부 group이 검증 가능.
3. Demographic stratification — Fitzpatrick I–II, III–IV, V–VI 세 binarization에서 모델 performance가 별도로 보고.
4. Multi-kit cross-validation — 사내 cohort 중 5–10%가 두 kit으로 cross-validate.
5. Adversarial probe set — AI claim generator가 의도적 nonsense input (random microbiome composition)에 abstain하는지 평가하는 red-team set.

이 체크리스트가 MIxS, MOMS-PI compliance와 결합되었을 때 — 그리고 2027년 전후 FTC·EU AI Act audit이 의무화되었을 때 — 사내 시작이 이미 audit-ready인 cosmetic firm이 first mover advantage를 갖는다.

12.6 Foundation Model 기회 — Gap 6의 정직한 해부

Brief A의 "AI가 왜 변곡점인가"에 대한 가장 정직한 답은 AlphaFold는 단백질 변곡점, 마이크로바이옴 변곡점은 아직 오지 않았다이다. ESM3 ^[18] (98B 파라미터, 7B open-weight) 또는 DNABERT급 자원이 피부 마이크로바이옴 community function domain에는 존재하지 않는다 (Gap 2 + Gap 6).

12.6.1 무엇이 필요한가?

Data scale: ESM3는 27억 단백질 sequence + 2.36억 구조로 학습됐다. 그 mass에 상응하는 마이크로바이옴 자원은 strain genome × condition × phenotype tuple로 약 10M tuples 규모가 필요한 것으로 추정 — 현재 공공 archive (MGnify, NCBI)의 합이 약 100K–1M 규모로 1–2자릿수 부족.

Compute scale: ESM3 학습은 수천만 달러 (≈10–30M USD) GPU compute. cosmetic-microbiome foundation model이 이에 상응하려면 cosmetic firm 또는 정부 grant + cloud compute partnership이 필수.

Governance scale: 가장 어려운 부분. 데이터 coalition이 ESM3 학습을 가능하게 하려면 Unilever, L'Oréal, COSMAX, NIH, BGI 중 최소 3개 entity가 common training corpus를 contribute하는 거버넌스 구조가 필요. 책의 진단: 이는 federated learning이 가장 잘 fit하는 use case다 — raw 데이터가 사내에 남고 학습된 gradient만 공유되는 구조. 산업 incentive: aggregate 모델이 사내 데이터만으로 학습한 모델보다 훨씬 강력하다면 — 그리고 그 강력함이 downstream cosmetic active discovery에 더 큰 ROI를 가져온다면 — coalition이 형성될 수 있다.

12.6.2 첫 발걸음 — 무엇이 12개월 내에 가능한가?

세 가지 minimum viable 단계를 명명한다:

단계 A — pre-training corpus harmonization: MGnify + iHSMGC + COSMAX FACE-LINK 일부 + Unilever Carrieri 코호트가 공통 schema (MIxS + MIMARKS)로 cross-reference 가능하게 harmonize. 1년 작업, 학계 컨소시엄 가능.

단계 B — task benchmark suite: skin-microbiome → efficacy endpoint prediction (hydration, TEWL, age, smoking 등 Carrieri 2021 ^[8]의 endpoint를 표준화)에 대해 held-out test set + baseline performance + evaluation protocol을 공개. 학계가 이를 common task로 채택하면 모델 비교가 가능해진다 — ESM 1b → ESM2 → ESM3가 가능했던 동일한 메커니즘.

단계 C — pre-trained encoder release: Carrieri 2021 식 SHAP-attributed gradient boosted regressor가 아니라, Transformer encoder (DNABERT 아키텍처 ^[20] 또는 GeneBERT 식)가 16S/shotgun composition을 latent representation으로 인코딩. 첫 buyer는 학계 cosmetic-microbiome lab이며, 가장 큰 user는 AI 인프라가 없는 mid-tier cosmetic firm.

세 단계가 순차적으로 또는 병렬적으로 진행되었을 때 — 그리고 2028–2030년 timeline에서 — 피부 마이크로바이옴 foundation model의 첫 prototype이 가능. 이 작업이 어느 국가·기업이 main contributor가 되는지가 향후 5년 가장 추적할 만한 industry indicator다.

12.7 다섯 개의 5-year research bet — fundable, 구체적, 평가 가능

이 섹션은 책 전체의 11장 갭과 11장 산업 사례를 향후 5년 연구 portfolio로 압축한다. 각 bet은 (i) 닫는 갭, (ii) 결과 측정 (success criteria), (iii) 가장 plausible한 host (학계, 산업, 또는 hybrid)로 명시.

Bet 1 — AI 디자인 cosmetic active의 peer-reviewed 임상시험 (Gap 1 닫기)

닫는 갭: Gap 1 — AI 디자인 cosmetic active의 peer-reviewed 임상 readout 부재.

Bet의 핵심: AlphaFold3 / Boltz-1 / Chai-1 / ESM3 중 하나로 완전히 in silico 디자인된 cosmetic active (펩타이드 또는 산화방지제)를 Phase 2-equivalent 무작위 통제 임상에 가져가 peer-reviewed 채널에 발표. Endpoint: TEWL 또는 wrinkle volume 또는 spectrocolorimetry-quantified pigmentation에서 통계적으로 유의한 difference vs placebo. Cohort size: ≥ 150명 per arm, ≥ 12주 추적, 이중맹검.

Operational template: Insilico의 rentosertib (target → IND 30개월) ^[35]가 동일한 cycle time을 cosmetic에 적용하면 2026 디자인 → 2029 임상 readout이 가능한 것으로 추정.

가장 plausible host: Korea (COSMAX-Dankook 축이 FACE-LINK 인프라를 보유 ^[28]) 또는 mid-tier EU firm (Beiersdorf 가능성). Big 4 Western (L'Oréal, Unilever, Estée Lauder, Shiseido)는 IP-우선 전략이므로 publication 가능성 낮음 — 다만 competitive pressure가 충분하면 2028–2030년 publication 가능.

Bet 2 — 한국 공공 피부 마이크로바이옴 코호트 + 벤치마크 (Gap 2 + Gap 12 닫기)

닫는 갭: Gap 2 (foundation model 데이터 부재) + Gap 12 (open benchmark 부재).

Bet의 핵심: 12.3.2 섹션의 한국 공공-민간 코호트 제안 + Carrieri 2021 식 ^[8] task suite (hydration, TEWL, age, Fitzpatrick prediction) on this cohort + 매년 공개 leaderboard + 모든 모델 inference가 audit 가능.

Operational 측정: 2년 코호트 collection → 1년 baseline benchmark → 3년 째 글로벌 학계 + 산업 leaderboard 진입 (예: NeurIPS / ICML workshop의 community challenge). 5년 째 최소 10개 외부 group이 cohort로 publication.

가장 plausible host: MFDS + NST + COSMAX + Amorepacific + LG H&H + Dankook/Yonsei/SNU 4자 coalition. Korea의 OEM 산업 구조가 cohort sharing 시 IP 충돌이 적은 거의 유일한 자산.

Bet 3 — Skin culturomics × foundation model (Gap 3 + Gap 6 닫기)

닫는 갭: Gap 3 (skin culturomics 부재 — gut culturomics는 Lagier 2018 ^[25]이지만 skin은 underdeveloped) + Gap 6 (skin foundation model 부재).

Bet의 핵심: Lagier 식 gut-scale culturomics를 skin에 transpose. 사내 cosmetic firm의 strain library (L'Oréal Lactobio ~10,000 strains, COSMAX 사내 library) + JAX Julia Oh group 후속 + Bay Area Microbiome Lab + S-Biomedic 사내 collection이 통합되어 1,000–5,000 culturable skin strain range로 whole-genome sequencing + functional assay (AMP secretion, biofilm, host cell signaling). 그 결과 dataset가 함수 예측 foundation model의 학습 corpus.

Operational 측정: 3년 culturomics + 2년 foundation model 학습 = 5년 timeline. 200–500편 publication arc가 가능 (학계 + 산업 공저).

가장 plausible host: 학계-산업 hybrid. JAX (Julia Oh) + Stanford (David Relman) + 산업 strain library 4–5개 firm.

Bet 4 — Skin-gut axis cosmetic active (Gap 14 닫기)

닫는 갭: Gap 14 — skin-gut-brain axis 클레임이 cosmetic endpoint에 대한 mechanistic evidence를 outrun.

Bet의 핵심: ZOE PREDICT ^[4] 식 gut microbiome × skin endpoint RCT — systemic 개입 (probiotic, prebiotic, postbiotic, 식이)이 skin phenotype (hydration, TEWL, wrinkle, pigmentation, age-spot)에 causal 영향을 미치는지 intervention design으로 검증. 5년 timeline: 1년 cohort selection + 2년 intervention + 2년 follow-up.

Operational 측정: 최소 하나의 mechanistic chain (예: gut Akkermansia → SCFA → systemic AHR → skin barrier function)가 causal evidence로 closed되면 success. 책의 진단: Hashimoto-Takei AHR axis ^[39]가 가장 cleanly groundtruthed 메커니즘이므로 AHR-target cosmetic active의 dietary modulation이 가장 plausible bet.

가장 plausible host: nutraceutical firm (ZOE, Viome) + cosmetic firm (L'Oréal, Unilever) 파트너십. Pharma route는 cost가 너무 큼.

Bet 5 — Time biology × 마이크로바이옴 (circadian skin cycle)

닫는 갭: 새로운 갭 — circadian skin microbiome cycle은 언급되지만 (Frontiers aging 2024 ^[14]) mechanistic instrumentation 부재.

Bet의 핵심: skin microbiome이 circadian rhythm (24h)을 따른다는 evidence를 수집하고, cosmetic active의 application timing이 efficacy를 modulate하는지 RCT. Endpoint: morning vs evening application에서 동일한 active가 다른 endpoint readout을 generate하는지. Operational 측정: 1년 baseline cycle characterization + 2년 timing-modulated intervention = 3년 timeline.

가장 plausible host: 학계 first (Northwestern, Surrey, Penn — chronobiology 강한 group) + 후속 cosmetic firm partnership. 책의 진단: 이 bet은 가장 underexplored이며 가장 적은 cost로 가장 distinctive한 publication을 만들 가능성.

12.8 닫는 말 — 마케팅과 과학 사이의 델타, 그리고 신뢰의 경쟁우위

이 책은 화장품 산업의 과학과 마케팅 사이의 델타를 일관되게 측정해 왔다. Unilever의 60% / 5–6→1–2 / 75% KPI는 engineering KPI로는 진실일 가능성이 높다 — 사내 process 측정. Virtual cohort이 효능·안전 임상을 대체할 수 있다는 암묵적 함의는 방법론적 공격성이고 외부 검증되지 않았다 (Gap 15). L'Oréal Skin Genius, COSMAX Microbiome AI 플랫폼 ^[10], Shiseido Voyager ^[38], POND'S 매장 진단 ^[34]이 모두 동일한 패턴 — operational engineering 인상적, audit 가능한 과학 얇음.

AI hype에는 내부 cycle이 있다 (대부분의 기술 cycle처럼). 화장품 AI는 2023–2025년 inflated expectation phase를 지나는 중이며, 2026–2028년 trough of disillusionment를 지금부터 준비할지 또는 부정할지가 firm-level 결정이다. 책의 진단: publication이 이 phase에서 가장 안정적 자산이다. Insilico의 rentosertib 임상 readout이 발표된 2025년 5월 ^[19]이 pharma AI hype cycle에서 회사가 disillusionment phase를 건너뛴 순간이다 — 그 publication 자체가 경쟁 신호다.

화장품 산업의 동일한 순간이 피어 리뷰된 AI-디자인 화장품 active의 첫 임상 readout이며, 그것이 발표되는 firm이 향후 5년 화장품 AI 시장의 reference firm이 된다. Trust as competitive advantage — 책의 마지막 명제다. Publication 전략이 IP-우선 전략보다 더 큰 ROI를 generate하는 시점이 언제, 어디서, 어떤 firm에 의해 도래하는지는 firm-level 결정이지만 이미 산업 신호로 나타나고 있다.

마케팅의 피부 마이크로바이옴 균형 언어는 2030년 전후에 strain-level + audited claim 언어로 maturation할 가능성. 그 maturation을 주도하는 firm과 추월당하는 firm 사이의 separation이 향후 5년 산업 narrative다.

12.9 다음 책을 위한 Open Questions

이 책이 답할 수 있는 것과 답할 수 없는 것을 명시한다. 다음의 5개 질문은 2026년 5월 시점에서 문헌이 아직 답할 수 없다. 다음 책 (또는 이 책의 후속판)이 닫아야 할 갭이다.

1. AI 디자인 cosmetic active의 첫 임상 readout은 어느 firm·어느 지역·어느 endpoint에서 발표되는가? Gap 1의 직접적 closure. 책의 베팅: Korea (COSMAX-Dankook) 또는 mid-tier EU firm. 가장 가능성 높은 endpoint: 항노화 (wrinkle volume) 또는 항염 (atopic dermatitis cosmetic adjuvant).

1. Live engineered cosmetic microbe의 첫 regulatory approval은 어느 framework에서 통과하는가? Geltor 식 GRAS extension, Seres 식 drug route, 또는 새 카테고리 신설. 책의 베팅: MFDS 또는 EU CTR가 세계 first. FDA는 rulemaking cycle이 너무 길다.

1. 피부 마이크로바이옴 foundation model의 첫 prototype은 어느 데이터 coalition에서 학습되는가? Unilever + L'Oréal + COSMAX, 또는 학계-정부 federated learning. 책의 베팅: 학계-정부 federated learning이 산업 coalition을 leapfrog하지만 2030년 이후 가능성.

1. Amorepacific과 LG H&H가 publication 전략을 채택하는가, 또는 IP-우선 전략을 명시화하는가? Gap 4의 closure. 책의 베팅: competitive pressure가 임계를 넘으면 (예: COSMAX 또는 EU firm이 AI 디자인 cosmetic active를 publication) publication 전략으로 pivot. 다만 2027년 이전에 가시화 가능성 낮음.

1. Skin-gut axis cosmetic active의 첫 causal mechanistic 증거는 어느 chain에서 발표되는가? Gap 14의 closure. 책의 베팅: AHR axis (Hashimoto-Takei 라인 ^[39])가 가장 cleanly groundtruthed이므로 AHR-target dietary modulation × skin barrier 임상이 가장 plausible.

이 다섯 질문이 닫혔을 때 — 2030년 전후로 추정 — 다음 책의 frame은 다를 것이다. 마이크로바이옴 × AI 화장품의 post-inflection 산업은 이미 maturation phase에 진입했고, 2026년 5월에서 본 이 책은 그 inflection의 두 번째 분기점을 기록한다 — 첫 번째 분기점은 2021년 ^[21], 두 번째 분기점은 AI 디자인 cosmetic active의 첫 임상 readout이 발표되는 그 해.

그날까지 기초 연구는 구식이 아니다. 그날 이후에도 그렇지 않을 것이다.

참고문헌

1. Abramson, J., Adler, J., Dunger, J. et al. (2024). Accurate structure prediction of biomolecular interactions with AlphaFold 3. Nature 630, 493–500.
2. Amorepacific (2024). Amorepacific R&D — postbiotic and microbiome research disclosures. Amorepacific press, 2024. [Amorepacific, 2024]
3. Arcaea (2024). Arcaea — precision prebiotics for the skin microbiome. Arcaea product disclosures, 2024. [Arcaea, 2024]
4. Asnicar, F., Berry, S. E., Valdes, A. M. et al. (2021). Microbiome connections with host metabolism and habitual diet from 1,098 deeply phenotyped individuals (ZOE PREDICT 1). Nature Medicine 27, 321–332.
5. Atallah, C., Charcosset, C. et al. (2025). Bioengineered Skin Microbiome: Advances in Cosmetic Applications, Strain-Level Resolution, and Regulatory Considerations. Cosmetics 12(5):205.
6. Baek, M., DiMaio, F., Anishchenko, I. et al. (2021). Accurate prediction of protein structures and interactions using a three-track neural network (RoseTTAFold). Science 373, 871–876.
7. Brödel, A. K., Charpentier, E. et al. (2024). In situ base editing of microbiome communities. Nature 632, 633–641.
8. Carrieri, A. P., Haiminen, N., Maudsley-Barton, S. et al. (2021). Explainable AI reveals changes in skin microbiome composition linked to phenotypic differences. Scientific Reports 11:4565.
9. Chai Discovery (2024). Chai-1: Decoding the molecular interactions of life. Chai Discovery technical report, 2024. [Chai Discovery, 2024]
10. COSMAX USA (2024). COSMAX unveils 2nd-Generation Skin Microbiome platform + Microbiome AI. Global Cosmetic Industry, 2024. [COSMAX, 2024]
11. Di Guardo, A., Trovato, F., Cantisani, C. et al. (2025). Artificial Intelligence in Cosmetic Formulation: Predictive Modeling for Safety, Tolerability, and Regulatory Perspectives. Cosmetics 12(4):157.
12. Eligo Bioscience (2023). European patent EP4240843A1 — In situ CRISPR base editing for skin microbiome modulation. Eligo patent disclosure, 2023. [Eligo, 2023]
13. Fitzgibbon, S., Tomida, S., Chiu, B.-H. et al. (2013). Propionibacterium acnes strain populations in the human skin microbiome associated with acne36325-9/fulltext). Journal of Investigative Dermatology 133, 2152–2160.
14. Frontiers Aging (2024). Frontiers in Aging — skin barrier and microbiome circadian dynamics review. Frontiers in Aging, 2024. [Frontiers Aging, 2024]
15. Geltor (2025). FDA issues GRAS "no questions" letter for Geltor's PrimaColl bioengineered collagen. Geltor press, Oct 2025. [Geltor, 2025]
16. Hashimoto, R., Kawano, K. et al. (2022). Galactomyces ferment filtrate activates NRF2-mediated antioxidant signaling in keratinocytes. Journal of Dermatological Science, 2022. [Hashimoto et al., 2022]
17. Haykal, D., Flament, F., Amar, D. et al. (2025). Cosmetogenomics unveiled: a systematic review of AI, genomics, and the future of personalized skincare. Frontiers in Artificial Intelligence 8:1660356.
18. Hayes, T., Rao, R., Akin, H. et al. (2025). Simulating 500 million years of evolution with a language model (ESM3). Science 387, 850–858.
19. Insilico Medicine (Ren, F., Zhavoronkov, A. et al.) (2025). A generative AI-discovered TNIK inhibitor for idiopathic pulmonary fibrosis: a randomized phase 2a trial. Nature Medicine, May 2025. [Insilico Medicine, 2025]
20. Ji, Y., Zhou, Z., Liu, H., Davuluri, R. V. (2021). DNABERT: pre-trained Bidirectional Encoder Representations from Transformers model for DNA-language in genome. Bioinformatics 37, 2112–2120.
21. Jumper, J., Evans, R., Pritzel, A. et al. (2021). Highly accurate protein structure prediction with AlphaFold. Nature 596, 583–589.
22. Kim, M.-S., Mun, S. et al. (2021). Spermidine-induced recovery of human dermal structure and barrier function. Communications Biology 4:71.
23. Kim, B.-S., Choi, S. et al. (2023). Clinical efficacy of EPI-7 postbiotic in dermal aging — a randomized controlled trial. International Journal of Molecular Sciences 24(5):4634.
24. Krishna, R., Wang, J., Ahern, W. et al. (2024). Generalized biomolecular modeling and design with RoseTTAFold All-Atom. Science 384, eadl2528.
25. Lagier, J.-C., Dubourg, G., Million, M. et al. (2018). Culturing the human microbiota and culturomics. Nature Reviews Microbiology 16, 540–550.
26. LG H&H (2025). LG Household & Health Care — oral microbiome research MOU disclosure. LG H&H press, 2025. [LG H&H, 2025]
27. Li, Z., Xia, J., Jiang, L. et al. (2021). Characterization of the human skin resistome and identification of two microbiota cutotypes (iHSMGC). Microbiome 9:47.
28. Mun, S., Kim, M.-S. et al. (2025). FACE-LINK: A 950-subject Korean facial skin microbiome cohort for personalized cosmetic development. Frontiers in Cellular and Infection Microbiology, 2025. [Mun et al., 2025]
29. Nakatsuji, T., Chen, T. H., Narala, S. et al. (2017). Antimicrobials from human skin commensal bacteria protect against Staphylococcus aureus. Science Translational Medicine 9, eaah4680.
30. Nakatsuji, T., Hata, T. R., Tong, Y. et al. (2021). Development of a human skin commensal microbe for bacteriotherapy of atopic dermatitis (ShA9 Phase 1). Nature Medicine 27, 700–709.
31. Papoutsoglou, G., Tarazona, S., Lopes, M. B. et al. (2023). Machine learning approaches in microbiome research: challenges and best practices. Frontiers in Microbiology 14:1261889.
32. Parallel Health (2024). Parallel Health — phage cocktail for skin microbiome modulation. Parallel Health product disclosures, 2024. [Parallel Health, 2024]
33. Pfizer (2025). Pfizer × XtalPi AI partnership expansion. Pfizer press, 2025. [Pfizer, 2025]
34. POND'S (Unilever) (2024). POND's Skin Institute microbiome analyzer — 60-minute in-store consumer device. Unilever press, May 2024. [POND'S, 2024]
35. Ren, F., Aliper, A., Chen, J. et al. (2024). A small-molecule TNIK inhibitor targets fibrosis in preclinical and clinical models (rentosertib). Nature Biotechnology 42, 1158–1167.
36. S-Biomedic (2024). S-Biomedic — engineered C. acnes expressing RoxP for sebum redox modulation. S-Biomedic disclosure, 2024. [S-Biomedic, 2024]
37. Seres Therapeutics (2024). VOWST (SER-109) — first FDA-approved oral microbiome therapeutic commercial update. Seres Therapeutics press, 2024. [Seres Therapeutics, 2024]
38. Shiseido + Accenture (2024). Shiseido develops AI systems for ingredient biodegradability and the Voyager formulation platform. Global Cosmetics News, Feb 2024. [Shiseido + Accenture, 2024]
39. Takei, K., Mitoma, C. et al. (2015). Galactomyces ferment filtrate as an aryl hydrocarbon receptor agonist restoring filaggrin expression. Experimental Dermatology 24, 686–691.
40. Unilever Beauty & Wellbeing R&D (2025). How Unilever's pioneering skin microbiome research is shaping product innovation. Unilever news, 2025. [Unilever, 2025]
41. Unilever Beauty & Wellbeing (2025). SXSW 2025 — AI/ML/data behind Unilever's latest launches. Unilever news, Mar 2025. [Unilever, 2025-SXSW]
42. Wohlwend, J., Corso, G., Passaro, S. et al. (2024). Boltz-1: Democratizing biomolecular interaction modeling. bioRxiv, 2024. [Wohlwend et al., 2024]
43. ZOE Health (2024). ZOE PREDICT — nutritional intervention based on microbiome and metabolic phenotyping. Nature Medicine, 2024. [ZOE, 2024]
44. Novo Nordisk (2024). Novo Nordisk × Cradle — generative protein design partnership announcement. Novo Nordisk press, Nov 2024. [Novo Nordisk, 2024]