IT之家 9 月 30 日消息，谷歌今日推出 SynthID Bio，將數字水印技術引入合成生物學領域。該技術可將不可感知的簽名直接嵌入生物編碼，不僅能在數字模型上驗證，還可在合成的物理蛋白質上完成驗證，同時在實驗室測試中保持蛋白質的生物學功能。

生成式 AI 正在幫助科學家解決關鍵生物學挑戰，從預測蛋白質結構到設計全新蛋白質，再到開發新型噬菌體。但這類工具也帶來了新挑戰：新型 AI 設計可能繞過傳統 DNA 合成篩選，而標記錯誤的合成 3D 結構會污染公共數據庫，誤導後續研究。

SynthID Bio 是專門為合成生物學開發的水印方法系列，旨在加強生物安全和科學誠信。

它會根據數據類型調整方法，對序列的氨基酸選擇進行 subtle 引導，對預測的 3D 結構調整原子座標，從而創建可靠的檢測信號。實驗表明，這些調整不會損害蛋白質的生物學功能，這對於有效治療疾病和推進科學研究至關重要。

在針對 VEGF-A、SARS-CoV-2 刺突蛋白 RBD 和 PD-L1 這三種靶蛋白的溼實驗室測試中，帶水印的設計在命中率、結合親和力和自然序列多樣性方面，與未帶水印的版本表現一致，成功創造了首個帶有水印且具備生物學功能的蛋白質結合劑。

對於蛋白質摺疊，SynthID Bio 對 AlphaFold 3 擴散網絡的一小部分進行微調，將水印能力直接構建到模型權重中。這確保預測的 3D 座標本身就帶有可檢測的特徵，無論由誰運行模型，SynthID Bio 都能保持 AlphaFold 3 的預測準確性，同時提供近乎完美的可檢測性，維持關鍵結構特徵分佈，還能抵禦數字噪聲或微小座標變化。

生物安全依賴分層防禦，SynthID Bio 的水印方法可作為嵌入生物設計本身的重要驗證層。這一層對於 DNA 合成篩選尤其重要，當前 AI 可以創造與已知危害幾乎不相似的全新序列，篩選人員無法再沿用舊假設，而 SynthID Bio 可以提供自動驗證信號，證明訂單來自帶有內置安全措施的可信模型。

類似地，SynthID Bio 還可以幫助維護蛋白質數據庫、UniProt、GenBank 等數據庫的完整性，確保合成條目得到正確標記或標記，供進一步審查。

谷歌表示，雖然沒有單一的生物安全乾預措施是萬能靈藥，但 SynthID Bio 把經過驗證的水印工具 SynthID 帶入了合成生物學，是可靠識別和跟蹤 AI 生成生物序列和結構的重要第一步。

未來的關鍵挑戰包括讓水印對故意篡改具備更強的魯棒性。SynthID Bio 還可以與來源元數據方法或 AI 生成生物數據的中央存儲庫配合使用，更好地識別和跟蹤 AI 生成的蛋白質。

谷歌目前正研究如何將水印技術應用於更復雜的生物物體，在與斯坦福大學 Hie 實驗室和 Arc Institute 的合作研究中，已經將 SynthID Bio 集成到先進基因組模型 Evo 2 中，為 Evo 2 設計的噬菌體基因組添加水印，早期實驗室測試已經確認這些帶水印的噬菌體具備功能。