DeepMind推出SynthID Bio，为AI设计蛋白质添加可追溯水印

DNA 合成企业目前对客户提交的序列进行安全筛查，一种重要方式是将新订单与已知病原体、毒素等具有潜在风险的生物序列进行比较，发现高度相似内容时再核查客户身份和用途。这套流程的前提是：陌生序列要么能在数据库中找到对应，要么与已知危险序列存在可识别的相似性。

生成式 AI 正在动摇这个前提。AI 可以主动设计自然界中从未存在过的新蛋白质，而且两条蛋白质即使氨基酸序列差异很大，也可能形成相似结构、实现相近功能。这意味着一个经过 AI 重新设计的蛋白质，可能与已知危险蛋白在序列上几乎看不出明显联系，却仍然具有类似功能。面对这样的陌生序列，仅依赖数据库比对，越来越难判断它来自天然生物、正常科研设计，还是人工设计出的潜在风险序列。

SynthID Bio 想提供的，正是这条额外的来源信息。它并不能直接证明蛋白质安全或危险，而是告诉筛查人员这个设计来自哪里。

SynthID Bio 包含两种方法。SynthIDBio-sequence 用于给蛋白质的氨基酸序列加水印，它被整合进 ProteinMPNN——一个根据给定蛋白质骨架为不同位置选择合适氨基酸、最终生成完整序列的模型。水印不是在蛋白质设计完成后强行增加一段特殊序列，而是在 ProteinMPNN 原本选择氨基酸的过程中加入一套隐藏规则：当一个位置存在多个合适氨基酸时，系统根据秘密密钥轻微改变不同候选氨基酸被选中的倾向。单独看某一个位置，这种差异很难察觉，但类似选择不断出现在整条序列中后，就会形成一个可被检测的统计模式。掌握相应检测密钥的一方，可以据此判断这条序列是否由带有 SynthID Bio 的模型生成。

SynthIDBio-structure 则针对 AI 预测出的蛋白质三维结构。研究人员不是等 AlphaFold 3 完成结构预测后再修改几个原子的位置，而是直接对 AlphaFold 3 的部分网络进行微调，让模型在生成三维结构时就自动留下隐藏的水印信号。这些信号被嵌入原子之间的距离、角度等非常细微的几何关系中。对正常使用蛋白质结构的研究人员而言，这些差异几乎不可察觉，但专门训练的检测器可以识别出来。