### 4-1. Quick Start

Python 환경에서 공식 `openai` 패키지를 설치하고 API 키를 설정하여 빠르게 사용할 수 있습니다.

```bash
# OpenAI 공식 Python SDK 설치
pip install openai

# API 키 환경변수 설정
export OPENAI_API_KEY="sk-proj-YourOpenAIApiKeyHere..."
```

다음은 파이썬을 이용해 간단한 바이오인포매틱스 질문에 답하는 예제입니다.

```python
from openai import OpenAI

# API 클라이언트 초기화 (환경변수의 API Key를 자동으로 불러옵니다)
client = OpenAI()

response = client.chat.completions.create(
    model="gpt-4o",
    messages=[
        {"role": "system", "content": "당신은 분자생물학 전문 연구원입니다. 질문에 학술적이고 상세하게 답변해 주세요."},
        {"role": "user", "content": "CRISPR-Cas9의 오프타겟(Off-target) 효과를 줄이기 위한 최근의 대표적인 가이드 RNA(gRNA) 설계 기법 3가지만 요약해 줘."}
    ]
)

print(response.choices[0].message.content)
```

### 4-2. 상세 설치

2026년 기준 바이오 파이프라인에서 가장 널리 쓰이는 **Structured Outputs (구조화된 출력)** 구현을 위해, `pydantic` 라이브러리와 연계한 설치 및 예제입니다.

```bash
# 최신 SDK 및 데이터 검증용 Pydantic 라이브러리 설치
pip install --upgrade openai pydantic
```

```python
from pydantic import BaseModel, Field
from openai import OpenAI

# 1. 추출하고자 하는 바이오 데이터 구조 정의
class GeneAnnotation(BaseModel):
    gene_symbol: str = Field(description="공식 유전자 심볼 (예: BRCA1)")
    associated_disease: str = Field(description="연관된 질병 명칭")
    mutation_type: str = Field(description="변이 유형 (예: Missense, Nonsense)")
    confidence: float = Field(description="문헌 근거에 따른 신뢰도 점수 (0.0 ~ 1.0)")

client = OpenAI()

# 2. 문헌 텍스트로부터 구조화된 데이터 추출 진행
text_data = (
    "최근 연구에 따르면 EGFR 유전자의 L858R 지점 Missense 변이는 비소세포폐암(NSCLC)의 "
    "주요한 발병 원인 중 하나로 지목되고 있으며, 이에 대한 표적 치료제 반응성이 매우 높게 보고되었습니다."
)

completion = client.beta.chat.completions.parse(
    model="gpt-4o",
    messages=[
        {"role": "system", "content": "텍스트에서 정확하게 유전자 주석 정보를 추출해 주세요."},
        {"role": "user", "content": text_data}
    ],
    response_format=GeneAnnotation,
)

# 3. 객체 형태로 안전하게 parsing된 결과 확인
annotation = completion.choices[0].message.parsed
print(f"Gene: {annotation.gene_symbol}")
print(f"Disease: {annotation.associated_disease}")
print(f"Type: {annotation.mutation_type}")
print(f"Confidence: {annotation.confidence}")
```