介绍 SynthID Bio:在 AI 生成蛋白质中嵌入水印
2026-10-01 · Google DeepMind
介绍 SynthID Bio
今天,我们推出了 SynthID Bio,将水印技术引入合成生物学领域。SynthID Bio 将难以察觉的签名直接嵌入到生物代码中,确保水印不仅能在数字模型上进行验证,还能在合成的物理蛋白质本身上进行验证——同时,在实验室测试中保持其生物功能。
生成式 AI 在生物学中的机遇与挑战
生成式 AI 正在帮助科学家解决关键的生物学难题,从预测蛋白质结构(如 AlphaFold)到设计全新的蛋白质(如 AlphaProteo 和 ProteinMPNN),再到最近开发感染细菌的新型噬菌体。然而,这些工具也带来了新的挑战:AI 设计的新型蛋白质可能会绕过传统的 DNA 合成筛查,而标记错误的合成 3D 结构则有可能污染公共数据库并误导下游研究。
SynthID Bio 的工作原理
SynthID Bio 是专门为合成生物学开发的一系列水印方法,旨在加强生物安全和科学完整性。
该方法会根据数据类型调整策略:在序列中巧妙地引导氨基酸的选择,在预测的 3D 结构中调整原子坐标,从而创建可靠的检测信号。在实验中,这些调整并未损害蛋白质的生物功能,这对于有效治疗疾病和推进科学研究至关重要。
蛋白质结合物的验证
我们验证了为蛋白质结合物(即专门与其他蛋白质结合的分子)添加水印的方法。我们使用了 AlphaProteo 结合设计方法,以及启用了 SynthID Bio 的常用蛋白质序列生成方法 ProteinMPNN。
在针对三种目标蛋白质(VEGF-A、SARS-CoV-2 刺突蛋白 RBD 和 PD-L1)的湿实验室测试中,我们带有水印的设计在命中率、结合亲和力和天然序列多样性方面与无水印版本相匹配,成功创建了有史以来第一个带有水印且具有生物功能的蛋白质结合物。
蛋白质折叠的水印嵌入
对于蛋白质折叠,SynthID Bio 微调了 AlphaFold 3 扩散网络的一小部分,将水印功能直接构建到模型权重中。这确保了无论谁运行该模型,预测的 3D 坐标都会固有地带有可检测的签名。SynthID Bio 在保持 AlphaFold 3 预测准确性的同时,提供了近乎完美的可检测性,维持了关键结构特征分布,并能抵御数字噪声或微小的坐标变化。
加强生物安全与信息完整性
生物安全依赖于多层防御——可以将其想象为“瑞士奶酪”防御模型,其中多个独立的安全措施协同工作以弥补彼此的盲点。模型级别的缓解措施和客户审查等保障措施都代表了具有潜在差距的关键层。作为我们生物韧性更广泛愿景的一部分,SynthID Bio 的水印方法充当了一个嵌入生物设计本身的重要且切实的验证层。
科学政策咨询机构负责人、生物安全政策专家 Sarah Carter 表示:“SynthID Bio 是追踪生物设计来源的重要拼图。通过将设计与模型开发者联系起来,这些水印使开发者能够在安全方面发挥主导作用,并允许合成提供商为使用这些模型的客户简化筛查流程。”
DNA 合成筛查的前线作用
这一层对于处于生物安全前线的 DNA 合成筛查尤为重要。将数字蛋白质设计转化为物理分子需要向 DNA 合成提供商下订单,他们会根据已知威胁数据库对请求进行筛查。从历史上看,不熟悉的序列可能会被安全地假定为未发现的天然生物体。但由于 AI 可以创建与已知危害几乎没有相似之处的全新序列,筛查人员不能再做出这种假设。验证不熟悉的订单是否不是工程威胁需要详尽的人工审查,这可能会阻碍关键研究。在这里,SynthID Bio 可以提供自动验证信号,证明订单源自具有内置保障的可信模型。
Twist Bioscience 政策与生物安全副总裁 James Diggans 表示:“AI 正在扩展科学家的设计能力,而 DNA 合成公司在帮助这种创新负责任地扩展方面发挥着重要作用。对于 Twist 来说,水印为生物安全工具箱提供了一个有前途的新补充,可以加强筛查,将资源集中在需要仔细审查的序列上,并随着 AI 设计的生物学的不断发展使生物安全更加高效。”
维护公共数据库的完整性
同样,SynthID Bio 可以帮助维护蛋白质数据库(PDB)、UniProt 和 GenBank 等数据库的完整性。这些数据库中许多都开放公众提交,在科学进步中发挥着至关重要的作用——但标记错误的条目可能会对生物安全决策产生巨大的负面影响,随着 AI 生成的生物数据的增加,这一挑战可能只会加剧。作为提交流程的一部分,SynthID Bio 可以帮助确保合成条目被正确标记或标记。