谷歌DeepMind首创AI蛋白质水印技术

谷歌DeepMind 9月30日正式发布 SynthID Bio，把已广泛用于AI生成文本与图像的 SynthID 水印技术带入合成生物学：直接在AI设计的蛋白质「生物编码」中嵌入不可感知的签名，水印不仅在数字模型上可验证，在合成出来的物理蛋白质上同样可以检测——而且实验室测试显示，这一处理并不损害蛋白质的生物学功能。

SynthID Bio 会根据数据类型调整策略：对蛋白质序列，它在氨基酸选择上做细微引导；对预测的三维结构，则调整原子坐标，从而形成可靠的检测信号。在蛋白质结合剂——即能选择性「抓住」目标蛋白的分子——设计实验中，DeepMind 用自家的 AlphaProteo 加上启用 SynthID Bio 的 ProteinMPNN 序列生成方法，验证了完整的水印流程。

关键结果来自湿实验室：针对 VEGF-A、新冠病毒刺突蛋白RBD、PD-L1 三种靶蛋白，带水印的设计在命中率、结合亲和力（KD值）与自然序列多样性上都与不带水印的版本持平。这意味着业界第一次拥有了「带水印且具备真实生物学功能」的蛋白质结合剂。

在蛋白质结构预测侧，团队对 AlphaFold 3 扩散网络的一小部分做了微调，把水印能力直接构建进模型权重——无论谁来运行模型，预测出的三维坐标本身就携带可检测的签名。官方称该方案在保持 AlphaFold 3 预测精度的同时提供接近完美的可检出率，并能抵御数字噪声与微小坐标篡改。

DeepMind 把这项技术放进生物安全的「瑞士奶酪」防御模型里：模型层缓解、客户审查等各层防线都有盲区，而 SynthID Bio 提供了嵌入生物设计本身的验证层。对DNA合成服务商而言，它可以在筛查环节自动给出信号，证明订单来自带内置安全机制的可信模型，减少耗时的逐单人工复核。参与评审的生物安全政策专家萨拉·卡特评价它是「追踪生物设计来源拼图的重要一块」；Twist Bioscience 政策与生物安全副总裁詹姆斯·迪根斯则称，水印是生物安全工具箱里「有前景的新增项」。

谷歌同时强调，没有任何单一干预措施是万能药，SynthID Bio 是可靠识别和追踪AI生成生物序列与结构的重要第一步。随着生成式AI从设计蛋白质走向设计全新噬菌体，蛋白质结构库、UniProt、GenBank 等公共数据库的「合成条目污染」风险有了技术解法。方法、代码与数据已同步开源。

编译自 Google DeepMind 官方博客，原标题："Introducing SynthID Bio"