DeepMind发布SynthID Bio：给AI设计蛋白质打上不可见水印

生成式 AI 正在深刻改变生物学研究。从预测蛋白质三维结构的 AlphaFold，到全新蛋白质设计工具 AlphaProteo 和 ProteinMPNN，乃至人工设计噬菌体，AI 的能力边界不断拓展。然而，新设计的蛋白质可能绕过传统的 DNA 合成安全筛查，未标注的合成 3D 结构也存在污染公共数据库的风险。

针对这些挑战，Google DeepMind 正式推出 SynthID Bio，将数字水印技术引入合成生物学领域。SynthID Bio 能够将肉眼不可见的签名直接嵌入生物代码中，不仅能在数字模型中被识别，还能在合成后的物理蛋白质分子上被检测出来，同时完全保留其生物学功能。

SynthID Bio 的运作机制

SynthID Bio 是一套专为合成生物学设计的水印技术方案，旨在强化生物安全与科学数据的真实性。它会根据数据类型动态调整水印嵌入策略：对于蛋白质序列，它会细微调整氨基酸的选择；对于预测的 3D 结构，则微调原子坐标，从而形成稳定的可检测信号。

实验表明，这些微调不会破坏蛋白质的实际功能。

研究团队利用 AlphaProteo 与集成了 SynthID Bio 的 ProteinMPNN，针对 VEGF-A、新冠病毒刺突蛋白 RBD 以及 PD-L1 三个靶点设计了蛋白质结合体（Binder）。湿实验检测显示，带有水印的设计在命中率、结合亲和力（KD）以及序列多样性方面，与无水印版本表现一致，成功验证了兼具生物活性与水印追踪能力的人工蛋白质。

在蛋白质折叠方面，SynthID Bio 通过微调 AlphaFold 3 扩散网络的一小部分，将水印能力直接写入模型权重。无论由谁运行该模型，预测出的 3D 坐标都会天然携带可检测签名。该方法在保留 AlphaFold 3 高精度预测的同时，具备极高的检测可靠性，并能抵御数字噪声与细微坐标变动。

构筑生物安全防线

生物安全依赖多层防御机制。将数字蛋白质转化为物理分子，必须经过 DNA 合成服务商的筛查。传统上，未知序列往往被当作尚未发现的天然生物，但生成式 AI 能够创造出与已知危险物完全不相似的新序列，导致传统数据库比对失效，人工审核成本激增。

SynthID Bio 提供了自动化验证信号，可证明订单来自具有安全防护措施的可信模型。DNA 合成企业 Twist Bioscience 指出，水印技术能够强化筛查效率，让安全团队将资源集中在更需要人工复核的序列上。

此外，SynthID Bio 还能保护 Protein Data Bank、UniProt 和 GenBank 等公开科学数据库的纯洁性，防止未经标记的 AI 生成数据污染科研基准。

拓展至基因组设计

除了蛋白质，DeepMind 还在探索更复杂的生物对象。在与斯坦福大学及 Arc Institute 的 Hie 实验室合作中，研究人员已将 SynthID Bio 整合至基因组模型 Evo 2，成功为人工设计的噬菌体基因组打上水印。初步的细菌培养实验证实，这些带水印的噬菌体具备完整活性。

目前，DeepMind 已在《自然》（Nature）发表相关方法论文，并开源了代码、体外实验数据与模型权重，推动科学界共同构建负责任的 AI 生物学生态。