谷歌DeepMind发布SynthID Bio，为AI设计的蛋白质嵌入可验证水印

谷歌DeepMind近期发布了一项名为SynthID Bio的新技术，首次将成熟的水印理念引入合成生物学。与给图片、视频打水印不同，蛋白质由氨基酸逐一定义，任何改动都可能改变其折叠与结合能力。DeepMind的解决方案是在不破坏功能的前提下，把一段可验证的“签名”藏进蛋白质的氨基酸序列，或预测出的三维结构坐标之中。

在序列层面，SynthID Bio运行于蛋白质设计工具ProteinMPNN的解码过程中，借助一把类似密码学密钥的“钥匙”微妙地引导模型对氨基酸的选择；ProteinMPNN会拒绝任何无法折叠成有效蛋白质的提议，而检测器则能用同一把钥匙扫描整条序列、统计被引导氨基酸出现的频率，从而判断签名是否存在。在结构层面，团队微调了AlphaFold 3扩散网络的一小部分，使水印直接驻留于模型权重，预测坐标在保持精度的同时携带近完美可检测的签名。

真正让这项研究站住脚的，是它走出了仿真、走进了实验室。DeepMind将方法与AlphaProteo结合，针对VEGF-A、新冠病毒刺突蛋白RBD、PD-L1三个靶点设计了结合蛋白，并由Adaptyv Bio完成湿实验。结果显示，带水印的设计与未标记版本在命中率、结合亲和力和序列多样性上基本一致。更重要的是，签名不仅存在于数字设计文件，在合成出的实体蛋白质上同样可被读取。

这项技术的现实落点在于生物安全。当实验室向DNA合成公司下单定制蛋白时，这些企业会对照已知威胁数据库筛查订单；而AI如今能设计出与任何已知危险序列都毫不相似的新分子，不熟悉的下单往往触发缓慢的人工复核。一个来自可信模型的水印，能让筛查员快速确认订单出身，把精力集中在真正需要审查的序列上。Twist Bioscience等公司对此表示认可。

DeepMind还将思路延伸到更宏大的尺度：与斯坦福Hie实验室及Arc Institute合作，把SynthID Bio用于基因组模型Evo 2，对后者设计的噬菌体基因组打上水印，早期细菌培养实验显示带标噬菌体仍能正常工作。团队已开源代码与实验室数据，并向研究者开放模型权重。当然，签名的安全性取决于密钥的保管，极短蛋白可能携带信号不足，将标记蛋白与未标记蛋白融合也会稀释信号——这些仍是待解的边界。

在AI生成生物学飞速发展的当下，SynthID Bio提供的是一层可溯源的来源证明。正如DeepMind首席AI科学家Demis Hassabis所言，生物安全是AI时代最紧迫的挑战之一。给生命的基本构件打上水印，或许只是构建可信生成生物学体系的第一步。