生物安全领域里程碑：谷歌 DeepMind 首创 AI 蛋白质水印技术

9月30日，IT之家消息显示，谷歌当天正式发布 SynthID Bio，这项技术将数字水印应用到了合成生物学中。它能把肉眼无法识别的签名嵌入生物编码，不仅能在数字模型层面进行验证，还能在人工合成的实际蛋白质上完成检测，且在实验室条件下，蛋白质的生物学功能不受影响。

生成式AI正助力科学家攻克生物学核心难题，例如预测蛋白质结构、设计全新蛋白质以及开发新型噬菌体。然而，这些工具也引发新隐患：AI设计的新型物质可能绕过传统的DNA合成筛查流程，而标错信息的合成3D结构可能污染公共数据库，干扰后续研究方向的准确性。

SynthID Bio是一套专为合成生物学打造的水印技术体系，其目的在于强化生物安全与科研诚信。

根据数据类型的不同，它会调整水印嵌入方式：针对序列，会微妙地影响氨基酸的选择；针对预测的3D结构，则调整原子坐标，从而形成可靠的检测标志。实验结果显示，这些改动不会破坏蛋白质的生物学功能，这对于疾病治疗和科研推进至关重要。

在以VEGF-A、SARS-CoV-2刺突蛋白RBD和PD-L1三种靶蛋白为对象的湿实验室测试里，带有水印的设计与无印版本在命中率、结合亲和力及自然序列多样性方面表现一致，成功制造出首批兼具水印和生物学功能的蛋白质结合剂。

在蛋白质折叠方面，SynthID Bio 对AlphaFold 3扩散网络中的一小部分进行了微调，将水印能力直接嵌入模型权重。这样一来，预测出的3D坐标本身就携带可检测的特征。无论由谁运行模型，SynthID Bio 都能维持AlphaFold 3的预测精度，同时实现近乎完美的可检测性，保持关键结构特征的分布，并能抵御数字噪声或微小的坐标变化。

生物安全依赖于多层防护，SynthID Bio 的水印方法可作为嵌入生物设计本身的关键验证层。这一层对DNA合成筛查尤为重要：当前AI能创造出与已知危害几乎无相似度的全新序列，筛查人员无法再依赖旧有假设。而 SynthID Bio 能提供自动验证信号，表明订单来自内置安全措施的可信模型。

类似地，SynthID Bio 也能帮助维护蛋白质数据库、UniProt、GenBank等数据库的完整性，确保合成条目被正确标记，以便进一步审查。

谷歌表示，尽管没有单一的生物安全干预措施能解决所有问题，但 SynthID Bio 将经过验证的水印工具 SynthID 引入合成生物学，这是可靠识别和追踪AI生成的生物序列与结构的重要第一步。

未来的关键挑战包括提升水印对故意篡改的抵抗能力。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，从而更有效地识别和追踪AI生成的蛋白质。

谷歌目前正探索将水印技术应用于更复杂的生物体。在与斯坦福大学Hie实验室及Arc Institute的合作研究中，SynthID Bio 已被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。早期实验室测试已确认，这些带有水印的噬菌体具备功能。

IT之家附上参考

  • Function-preserving watermarking of AI-generated proteins