Google DeepMind 发布 SynthID Bio，为 AI 设计的蛋白质嵌入水印
来源Google DeepMind查看原文
速览
- SynthID Bio 将水印嵌入 AI 生成的蛋白质序列和 3D 结构，物理合成后仍可检测。
- 湿实验证明水印不影响蛋白质结合体的功能、命中率和序列多样性。
- 该技术为 DNA 合成筛查提供自动化验证信号，应对 AI 设计序列绕过传统筛查的风险。
- 可帮助维护 Protein Data Bank、UniProt、GenBank 等公共数据库的完整性。
- DeepMind 开源代码、数据和权重，推动社区协作。
- 与斯坦福 Hie 实验室合作，将水印扩展到 Evo 2 设计的噬菌体基因组。
- 未来挑战包括提高水印抗篡改能力，并扩展到更复杂的生物对象。
Google DeepMind 于 2026 年 9 月 30 日发布 SynthID Bio，将 SynthID 水印技术扩展到合成生物学领域。该方法能在 AI 生成的蛋白质序列和 3D 结构中嵌入不可感知的签名，且水印在合成后的物理蛋白质上仍可验证，同时不损害蛋白质的生物学功能。在针对 VEGF-A、SARS-CoV-2 spike protein RBD 和 PD-L1 三个靶点的湿实验中，带水印的蛋白质结合体在命中率、结合亲和力和自然序列多样性上与无水印版本持平，成为首批带水印且具备生物功能的蛋白质结合体。对于蛋白质折叠，SynthID Bio 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，使预测的 3D 坐标天然携带可检测签名。DeepMind 表示，该技术旨在加强生物安全与科学诚信，为 DNA 合成筛查和公共数据库（如 Protein Data Bank、UniProt、GenBank）提供自动化验证信号，并已开源代码、体外数据和模型权重。
关键事实
- Google DeepMind 于 2026 年 9 月 30 日发布 SynthID Bio，将水印技术引入合成生物学。
- SynthID Bio 将不可感知的签名嵌入生物代码，水印可在数字模型和合成后的物理蛋白质上验证。
- 在针对 VEGF-A、SARS-CoV-2 spike protein RBD 和 PD-L1 三个靶点的湿实验中，带水印的蛋白质结合体在命中率、结合亲和力和自然序列多样性上与无水印版本持平。
- SynthID Bio 通过微调 AlphaFold 3 扩散网络的一小部分，将水印能力写入模型权重，保持预测精度的同时实现近乎完美的可检测性。
- DeepMind 已开源 SynthID Bio 的方法论文、代码、体外数据和模型权重。
- SynthID Bio 可与类似 C2PA 的来源元数据方法或 AI 生成生物数据的中央存储库配合使用。
本站视角
SynthID Bio 是 AI 生物安全领域首个将水印从数字内容延伸到物理分子的实质性尝试，其影响直接指向三类群体：一是 DNA 合成公司（如 Twist Bioscience），它们每天处理大量订单，传统人工审查 AI 生成的新序列既慢又贵，水印可提供自动化信任信号，大幅降低筛查成本；二是使用 AlphaFold 3、AlphaProteo 等工具进行蛋白质设计的学术和工业实验室，水印不影响功能意味着他们无需在安全与效率之间取舍；三是公共数据库（Protein Data Bank、UniProt、GenBank）的维护者和使用者，AI 生成数据的涌入可能污染数据质量，水印可作为标注和过滤机制。我们认为，这项工作的价值不在于水印技术本身（SynthID 在图像和文本领域已存在），而在于它证明了水印可以嵌入物理实体且不损害功能——这是生物安全领域的关键突破。但需要观察的是：水印对故意篡改的鲁棒性仍不足，DeepMind 自己也承认这是未来挑战；此外，水印的有效性依赖模型开发者主动集成，如果开源模型被恶意微调去除水印，防御层可能失效。DeepMind 开源代码和权重是明智之举，有助于建立社区标准，但也意味着恶意行为者可以研究水印机制。总体而言，这是生物安全防御从“模型层”向“分子层”延伸的重要一步，但距离成为行业标准还有很长的路。
背景与影响
生成式 AI 正在加速蛋白质设计，从 AlphaFold 预测结构到 AlphaProteo、ProteinMPNN 设计全新蛋白质，甚至开发新型噬菌体。这些工具带来突破的同时也引入新风险：AI 设计的全新序列可能绕过传统 DNA 合成筛查，而错误标注的合成 3D 结构可能污染公共数据库并误导下游研究。生物安全依赖多层防御，类似“瑞士奶酪”模型，各层独立措施相互覆盖盲点。SynthID Bio 作为嵌入生物设计本身的验证层，旨在为 DNA 合成筛查和数据库提交提供自动化来源验证。DNA 合成公司 Twist Bioscience 已提供早期反馈，认为水印有望增强筛查效率。DeepMind 此前已将 SynthID 用于 AI 生成的文本、图像和视频，此次扩展至合成生物学是其生物韧性愿景的一部分。
本文由 AI 辅助整理自公开信源，事实部分以原文为准；「本站视角」一节为编辑部判断，欢迎指正。版权归原作者所有，如有异议请联系我们。
