生物安全领域里程碑：谷歌 DeepMind 首创 AI 蛋白质水印技术

生物安全领域迎来重大突破：谷歌 DeepMind 首次推出针对AI生成蛋白质的水印技术。

谷歌于9月30日发布了SynthID Bio，将数字水印技术拓展至合成生物学范畴。该技术能够将难以察觉的签名嵌入生物编码中，不仅可在数字模型上验证，还可在合成的物理蛋白质上完成验证，同时在实验室测试中保持蛋白质的生物学功能。

生成式AI正助力科学家解决关键生物学挑战，如预测蛋白质结构、设计全新蛋白质及开发新型噬菌体。然而，这类工具也带来新问题：新型AI设计可能绕过传统DNA合成筛选，而标记错误的合成3D结构会污染公共数据库，误导后续研究。

SynthID Bio是一套专为合成生物学开发的水印方法系列，旨在加强生物安全和科学诚信。它根据数据类型调整方法，对序列的氨基酸选择进行微妙引导，对预测的3D结构调整原子坐标，从而创建可靠的检测信号。实验表明，这些调整不会损害蛋白质的生物学功能，这对有效治疗疾病和推进科学研究至关重要。

在针对VEGF-A、SARS-CoV-2刺突蛋白RBD和PD-L1三种靶蛋白的湿实验室测试中，带水印的设计在命中率、结合亲和力和自然序列多样性方面，与未带水印的版本表现一致，成功创造了首个带有水印且具备生物学功能的蛋白质结合剂。

对于蛋白质折叠，SynthID Bio对AlphaFold 3扩散网络的一小部分进行微调，将水印能力直接构建到模型权重中。这确保预测的3D坐标本身就带有可检测的特征，无论由谁运行模型，SynthID Bio都能保持AlphaFold 3的预测准确性，同时提供近乎完美的可检测性，维持关键结构特征分布，还能抵御数字噪声或微小坐标变化。

生物安全依赖分层防御，SynthID Bio的水印方法可作为嵌入生物设计本身的重要验证层。这一层对于DNA合成筛选尤其重要，当前AI可以创造与已知危害几乎不相似的全新序列，筛选人员无法再沿用旧假设，而SynthID Bio可以提供自动验证信号，证明订单来自带有内置安全措施的可信模型。

类似地，SynthID Bio还可以帮助维护蛋白质数据库、UniProt、GenBank等数据库的完整性，确保合成条目得到正确标记或标记，供进一步审查。

谷歌表示，虽然没有单一的生物安全干预措施是万能灵药，但SynthID Bio把经过验证的水印工具SynthID带入了合成生物学，是可靠识别和跟踪AI生成生物序列和结构的重要第一步。

未来的关键挑战包括让水印对故意篡改具备更强的鲁棒性。SynthID Bio还可以与来源元数据方法或AI生成生物数据的中央存储库配合使用，更好地识别和跟踪AI生成的蛋白质。

谷歌目前正研究如何将水印技术应用于更复杂的生物物体，在与斯坦福大学Hie实验室和Arc Institute的合作研究中，已经将SynthID Bio集成到先进基因组模型Evo 2中，为Evo 2设计的噬菌体基因组添加水印，早期实验室测试已经确认这些带水印的噬菌体具备功能。针对此类前沿技术，用户可通过今年会体育app获取更多科技资讯。

参考链接：Function-preserving watermarking of AI-generated proteins