PromptBio는 2023년 미국 캘리포니아 Pleasanton에서 설립되어 2026년 6월 전면 리뉴얼 런칭한 생명과학 특화 에이전틱 AI(agentic AI) 플랫폼이다. 연구자가 자연어로 과학적 질문을 입력하면 데이터 탐색부터 파이프라인 실행, 통계 분석, 시각화, 리포트 생성까지 단일 환경에서 자동 완결하는 구조로, GPT가 어떤 텍스트든 이해하고 생성하듯 PromptBio의 핵심 아키텍처인 Chief Scientific Orchestrator(CSO)는 벌크 RNA-seq부터 단일세포 전사체(single-cell RNA-seq), 멀티오믹스 통합 데이터까지 어떤 생물학적 데이터든 적절한 분석 파이프라인을 자동 구성하고 실행한다. CSO 아래에서 PromptGenie(인간-인-더-루프 다중 에이전트 시스템), DiscoverFlow(엔드-투-엔드 자동화 워크플로우), ToolsGenie(맞춤 분석용 코드 동적 생성) 세 모듈이 유기적으로 협업하며, 그래프 기반 워크플로우 엔진(graph-based workflow engine)이 데이터 의존성을 관리한다. 기존 생물정보학 분석은 R/Python 스크립팅, 커맨드라인 파이프라인 구성, 클러스터 잡 관리 등 높은 기술 진입 장벽이 연구자의 본질적 과학적 사고를 방해해왔다. DESeq2 하나 실행하려 해도 환경 설정에 반나절이 소요되는 현실에서, PromptBio는 "무엇을 알고 싶은가"만 자연어로 물으면 나머지 기술적 과정을 에이전트가 대행한다. PromptGenie 내부의 DataAgent가 공개 데이터베이스에서 데이터를 수집하고, OmicsAgent가 사전 검증된 파이프라인을 실행하며, AnalysisAgent가 통계 해석을, QAgent가 대화형 요약과 시각화를 담당하는 분업 구조는 단일 LLM 챗봇과 근본적으로 다른 도메인 전문성을 제공한다. 여기에 MLGenie가 머신러닝 기반 바이오마커 예측 모델을 자동 구축하고, Omics Tools와 Analysis Tools가 표준화된 오믹스 파이프라인과 하위 통계 해석을 각각 담당하여 분석의 깊이를 확보한다. UCSF, Northeastern University, 남아프리카 CSIR 등 초기 도입 기관의 연구자들은 기존 대비 약 30% 분석 시간 단축을 보고하고 있다. 예컨대 종양 환자의 RNA-seq 데이터를 "차등 발현 유전자 분석 후 경로 농축 분석까지"라고 요청하면, PromptGenie가 DESeq2 기반 분석에서 Gene Ontology/KEGG 경로 농축, 화산 그래프(volcano plot)와 히트맵 시각화까지 자동 생성하고 재현 가능한 리포트로 정리한다. DiscoverFlow를 활용하면 전사체·단백체·대사체를 통합하는 멀티오믹스 워크플로우도 코드 없이 실행할 수 있으며, ToolsGenie는 표준 파이프라인에 없는 맞춤 분석이 필요할 때 실행 가능한 Python/R 코드를 동적으로 생성한다. 클라우드 기반 SaaS로 GCP, AWS, Azure에서 접근 가능하며, GPU 클러스터 자동 스케일링을 지원하여 대규모 데이터셋도 처리한다. 244개 전문가 큐레이션 태스크로 구성된 자체 벤치마크(PromptBio-Bench)를 공개하여 LLM 기반 바이오인포매틱스 에이전트의 성능 평가 표준을 제시한 점도 주목할 만하다.