Google DeepMind 发布 SynthID Bio：为合成生物学引入可验证的水印技术

事件概述

Google DeepMind 发布了 SynthID Bio，这是一套专门针对合成生物学领域开发的数字水印方法。随着生成式 AI 在蛋白质结构预测（如 AlphaFold）和新蛋白质设计（如 AlphaProteo、ProteinMPNN）以及噬菌体开发中的应用日益广泛，AI 生成的全新生物序列可能绕过传统的 DNA 合成筛选机制，且错误的 3D 结构数据可能污染公共数据库。SynthID Bio 旨在通过在生物代码中嵌入不可见的签名，确保这些设计不仅在数字模型中可验证，在合成的物理蛋白质本身也能被识别，从而增强生物安全和科学诚信。

核心技术与实验验证

SynthID Bio 根据数据类型采取不同的嵌入策略：

• 蛋白质序列： 微妙地引导氨基酸的选择，创建可靠的检测信号。
• 3D 结构预测： 微调 AlphaFold 3 扩散网络的一小部分，将水印直接嵌入模型权重中，使预测的 3D 坐标天然携带可检测签名。

关键实验结果：

1. 功能性保留： 在针对 VEGF-A、SARS-CoV-2 刺突蛋白 RBD 和 PD-L1 三种靶点的湿实验中，经过 SynthID Bio 水印处理的蛋白质结合剂（使用 AlphaProteo 和 ProteinMPNN 设计）在非水印版本的命中率、结合亲和力（KD 值）和自然序列多样性方面表现一致。这是首次成功创建具有生物学功能的水印蛋白质结合剂。
2. 结构准确性与检测率： 对于蛋白质折叠，SynthID Bio 保持了 AlphaFold 3 的预测精度，维持了关键结构特征分布，并具备近乎完美的检测能力，即使面对数字噪声或微小的坐标变化也能有效工作。

生物安全与应用前景

SynthID Bio 被视为生物韧性（bioresilience）愿景中的重要一层防御措施，其核心价值在于提供自动化的验证信号：

• 强化 DNA 合成筛查： 传统上，DNA 合成提供商依靠数据库比对来筛查潜在威胁。然而，AI 能生成与已知危害截然不同的新序列，使得基于相似性的筛查失效。SynthID Bio 提供的可信来源证明，可以帮助合成公司快速区分来自受控模型的订单与需要人工审查的未知序列，提高筛查效率。
• 维护数据库完整性： 该技术可应用于 Protein Data Bank、UniProt 和 GenBank 等公共数据库，帮助标记或审查由 AI 生成的条目，防止因错误标注导致的安全决策失误。

未来展望与合作

尽管 SynthID Bio 是追踪 AI 生成生物序列的重要一步，但仍面临对抗故意篡改等挑战。未来计划包括：

• 扩展应用范围： 正在研究将水印技术应用于更复杂的生物对象。例如，在与斯坦福大学 Hie 实验室及 Arc Institute 的合作中，已将 SynthID Bio 集成到基因组模型 Evo 2 中，用于对 Evo 2 设计的噬菌体基因组进行水印处理。早期细菌培养测试证实了这些水印噬菌体的功能性。
• 开源与协作： Google DeepMind 已公开相关方法论文、代码、体外实验数据及模型权重，呼吁与生物安全、基因合成和政策领域的合作伙伴共同推进这一领域的发展，以确保安全责任跟上 AI 驱动的发现步伐。