Google DeepMind har introducerat SynthID Bio, en ny familj av vattenmärkningsmetoder som bäddar in en detekterbar, omärklig signatur direkt i AI-designade proteiner. Systemet tillkännagavs den 30 september och utökar företagets SynthID-vattenmärkningsteknologi – som redan används för att märka AI-genererad text, bilder, ljud och video – till syntetisk biologi, där insatserna inkluderar biosäkerhet och integriteten hos offentliga vetenskapliga databaser.

Till skillnad från digital vattenmärkning måste en biologisk vattenstämpel överleva ett mycket hårdare test: det måste förbli detekterbart inte bara i en mjukvarumodells utdata, utan i det syntetiserade, fysiska proteinet i sig. Enligt DeepMind rensar SynthID Bio den baren. I laboratorieexperiment behöll vattenmärkta proteindesigner sin biologiska funktion samtidigt som de förblev verifierbara, vilket producerade vad företaget beskriver som de första vattenmärkta och biologiskt funktionella proteinbindarna någonsin. Arbetet beskrivs i detalj i en Nature-tidning med titeln "Funktionsbevarande vattenmärkning av AI-genererade proteiner." For more context on this story, see our ongoing more AI stories.

Varför vattenstämpelbiologi?

Generativ AI har blivit ett genuint verktyg för biologisk forskning. DeepMind pekar på sin egen portfölj: AlphaFold för att förutsäga proteinstrukturer, AlphaProteo och ProteinMPNN för att designa helt nya proteiner, och på senare tid, AI-system som används för att utveckla nya bakteriofager - virus som infekterar bakterier. Samma verktyg skapar dock nya risker.

Enligt tillkännagivandet kan nya AI-designade sekvenser kringgå traditionell DNA-syntesscreening, eftersom screenare inte längre kan anta att en obekant sekvens tillhör någon oupptäckt naturlig organism. Separat riskerar felmärkta syntetiska 3D-strukturer att förorena offentliga databaser och vilseledande nedströmsforskning. Båda problemen delar en grundorsak: ingen kan för närvarande bevisa var en given biologisk design kom ifrån.

Två vattenmärkningsmetoder, ett mål

SynthID Bio anpassar sin teknik till typen av data. För proteinsekvenser vägleder den subtilt valet av aminosyror när sekvensen genereras, och bäddar in en statistisk signal som detektionsverktyg kan ta upp. För förutspådda 3D-strukturer gör den små justeringar av atomkoordinater som har en detekterbar signatur.

Det starkaste beviset kommer från validering av våtlabb. Genom att arbeta med en SynthID Bio-aktiverad version av ProteinMPNN tillsammans med DeepMinds AlphaProteo bindemedelsdesignmetod, har forskare vattenmärkt design som riktar sig mot tre proteiner: VEGF-A, SARS-CoV-2 spikproteinreceptorbindande domän och PD-L1. De vattenmärkta designerna matchade sina ovattenmärkta motsvarigheter på träffhastighet, bindningsaffinitet mätt som KD och naturlig sekvensdiversitet. Vattenstämpeln försämrade med andra ord inte molekylernas förmåga att göra sitt jobb.

För proteinveckning tog DeepMind en annan väg: teamet finjusterade en del av AlphaFold 3:s diffusionsnätverk så att vattenmärkningsförmågan är inbyggd direkt i modellens vikter. Det betyder att varje förutspådd struktur har en detekterbar signatur oavsett vem som kör modellen, medan företaget rapporterar att tillvägagångssättet bevarar AlphaFold 3:s prediktionsnoggrannhet, erbjuder nästan perfekt detekterbarhet och håller emot digitalt brus eller mindre koordinatförändringar.

Ett nytt lager i biosäkerhetens "schweizerost" försvar

DeepMind ramar in SynthID Bio som ett lager i en skiktad biosäkerhetsmodell — metoden "Schweizisk ost", där flera oberoende skyddsåtgärder var och en täcker de andras blinda fläckar. Screening av DNA-syntes ligger i frontlinjen: att förvandla en digital proteindesign till en fysisk molekyl kräver att DNA beställs från syntesleverantörer, som kontrollerar förfrågningar mot databaser med kända hot. Att verifiera en obekant beställning idag kan kräva en uttömmande manuell granskning som stoppar legitim forskning. En inbäddad vattenstämpel ger leverantörer en automatiserad signal om att en beställning härrörde från en pålitlig modell med inbyggda skydd.

Oberoende experter citerade av DeepMind upprepade den inramningen. "SynthID Bio är en viktig pusselbit för att spåra ursprunget för biologisk design", säger Sarah Carter, expert på biosäkerhetspolicy och rektor vid Science Policy Consulting, och tillägger att vattenstämplarna låter utvecklare leda vad gäller säkerhet och låter syntesleverantörer effektivisera screening. James Diggans, Vice President of Policy and Biosecurity på Twist Bioscience, som gav tidig feedback på uppsatsen, kallade vattenmärkning "ett lovande nytt tillägg till biosäkerhetsverktygslådan" som skulle kunna fokusera granskning på sekvenser som motiverar en närmare granskning.

Samma härkomstsignal skulle kunna skydda öppna vetenskapliga arkiv som Protein Data Bank, UniProt och GenBank, som accepterar offentliga bidrag. När AI-genererad biologi ackumuleras kan SynthID Bio flagga eller verifiera syntetiska poster innan de förorenar den post som andra forskare - och biosäkerhetsbeslut - litar på.

Gränser och vad som kommer härnäst

DeepMind är uppriktig om att systemet inte är manipuleringssäkert. Att göra vattenstämpeln robust mot avsiktlig motståndskraftig borttagning listas som en viktig öppen utmaning, och företaget föreslår att SynthID Bio paras ihop med härkomstmetadatastandarder som liknar C2PA, innehållsreferensschemat som används för digitala medier, eller med centrala förråd av AI-genererad biologisk data.

Omfattningen expanderar också bortom proteiner. I pågående arbete med Hie-labbet vid Stanford University och Arc Institute, integrerade DeepMind SynthID Bio i Evo 2, en avancerad genomisk modell, och använde den för att vattenmärka genomet av en Evo 2-designad bakteriofag. Tidiga laboratorietester i bakteriekulturer bekräftade att de vattenmärkta fagerna förblir funktionella, och företaget säger att ett tekniskt manuskript kommer.

För ett fält där AI börjar skriva biologisk kod som aldrig har funnits i naturen, att kunna svara "vem har gjort detta, och med vilken modell?" håller tyst på att bli infrastruktur. SynthID Bio är ett tidigt, medvetet försiktigt steg i den riktningen - ett som dess skapare insisterar på är ett komplement till, inte en ersättning för, resten av biosäkerhetsstacken. För mer om hur AI-forskningen utvecklas, följ den senaste AI-utvecklingen när labb fortsätter att driva generativa modeller djupare in i naturvetenskapen.

Stay ahead of AI

Följ hela historien och mer på vår hemsida: Läs fler AI-nyheter →