把水印写进蛋白质：谷歌 DeepMind 推出 SynthID Bio

9 月 30 日，谷歌推出 SynthID Bio，把数字水印技术带进了合成生物学领域。它能把几乎察觉不到的签名直接写进生物编码里，不仅能在数字模型上验证，在合成出来的真实蛋白质上同样可查，并且在实验室测试中依然保住蛋白质原有的生物学功能。

生成式 AI 眼下正帮科学家攻克不少关键生物学难题，无论是预测蛋白质结构、设计全新的蛋白质，还是开发新型噬菌体。但这类工具也引出新麻烦：AI 的新型设计有可能绕过传统的 DNA 合成筛查，而标注出错的合成三维结构还会污染公共数据库，进而带偏后来的研究。SynthID Bio 正是为此而生的水印方法系列，目标是在生物安全与科学诚信上加一道防线。

它会根据数据类型调整策略：对序列的氨基酸选择做细微引导，对预测的三维结构调整原子坐标，从而通过微调制造出可靠的检测信号。实验显示，这些调整并不会伤到蛋白质的生物学功能，而这一点对有效治疗疾病、推进科学研究至关重要。

在 VEGF A、新冠刺突蛋白 RBD、PD L1 这三类靶蛋白的湿实验室测试里，带水印的版本命中率不降、结合亲和力不减，序列多样性也保持住，和不带水印的对照表现一致，由此做出首个既带水印、又保留生物学功能的蛋白质结合剂。

在蛋白质折叠上，SynthID Bio 会微调 AlphaFold 3 扩散网络里的一小部分，把水印能力直接写进模型权重。如此得到的预测坐标天然带着可检测的特征，而且这个模型不论交给谁运行，SynthID Bio 都照样能在保住 AlphaFold 3 精度的情况下给出近乎完美的可检测性，连数字噪声和坐标的细微漂移也扛得住。

生物安全讲究分层设防，而 SynthID Bio 的水印就能充当嵌入生物设计本身的一道验证。这一层对 DNA 合成筛选尤其重要：如今 AI 能造出跟已知危害几乎毫不相似的全新序列，筛选人员再没法沿用旧假设，而水印能给出自动验证信号，存证这笔订单出自带内置安全措施的可信模型。同样地，它还有助于维护 GenBank 与 UniProt 这类蛋白质数据库的完整性，让合成条目能被正确标注，方便进一步审查。

谷歌坦言，虽然没有哪种手段能包打天下，但 SynthID Bio 把已验证的水印工具 SynthID 送进了合成生物学，是识别与追踪 AI 生成生物序列和结构迈出的重要第一步。接下来最大的挑战，是让水印对故意篡改更抗打，它也能和来源元数据方案、或者专门存放 AI 生成生物数据的中央库配合使用。谷歌正在研究把水印用于更复杂的生物对象，在与斯坦福的 Hie 实验室以及 Arc Institute 联手的研究里，团队把 SynthID Bio 集成进了先进基因组模型 Evo 2，给后者设计的噬菌体基因组加上水印，早期的实验室测试也确认这些带水印的噬菌体能用。

文章与图片内容转载网络，如有侵权请联系平台删除