谷歌于9月30日推出了名为 SynthID Bio 的新技术，将数字水印扩展到合成生物学范畴。这项技术能把难以察觉的签名直接嵌入生物编码，既能在数字模型上验证，也能在人工合成的实际蛋白质上完成验证，并且在实验室测试中不影响蛋白质的生物学功能。

生成式人工智能正在协助科学家攻克关键生物学难题，涉及蛋白质结构预测、全新蛋白质设计以及新型噬菌体开发等方面。然而，这类工具也带来了新的风险：新型AI设计方案可能绕过传统的DNA合成筛查，而错误标记的合成三维结构会污染公共数据库，干扰后续研究工作。

SynthID Bio 是一套专为合成生物学设计的水印技术体系，目的是增强生物安全与科研诚信。

该技术会根据数据类型调整具体方法，对序列中的氨基酸选择进行细微调整，或对预测的三维结构修改原子坐标，从而形成可靠的检测信号。实验证明，这些调整不会损害蛋白质的生物学功能，而功能完整性对于疾病治疗和科研推进至关重要。

在对 VEGF-A、SARS-CoV-2 刺突蛋白 RBD 和 PD-L1 这三种靶蛋白进行的湿实验室测试中，带有水印的设计在命中率、结合亲和力以及天然序列多样性方面，与未加水印的版本表现相同，成功制备出了首批带有水印且具备生物学活性的蛋白质结合剂。

在蛋白质折叠方面，SynthID Bio 对 AlphaFold 3 扩散网络的一小部分进行了微调，将水印能力直接嵌入模型权重。这样一来，预测出的三维坐标本身就包含可识别的特征，无论由谁运行模型，SynthID Bio 都能维持 AlphaFold 3 的预测精度，同时实现近乎完美的可检测性，保持关键结构特征的分布，并能抵抗数字噪声或微小的坐标变化。

生物安全依赖于多层防御体系，SynthID Bio 的水印方法可以作为嵌入生物设计本身的重要验证层。这一层对 DNA 合成筛查尤为重要，因为当前的人工智能可以生成与已知有害序列几乎无相似性的全新序列，筛查人员无法再沿用旧有假设，而 SynthID Bio 能够提供自动验证信号，证明订单来自内置安全措施的可信模型。

类似地，SynthID Bio 还可以帮助维护蛋白质数据库、UniProt、GenBank 等数据库的完整性，确保合成条目被正确标记或标注，以便进行进一步审查。

谷歌表示，尽管没有任何单一的生物安全措施是万能的，但 SynthID Bio 将经过验证的水印工具 SynthID 引入了合成生物学领域，这是可靠识别和追踪人工智能生成生物序列与结构的重要第一步。

未来的关键挑战在于让水印对故意篡改更具鲁棒性。SynthID Bio 还可以与来源元数据方法或人工智能生成生物数据的中央存储库配合使用，从而更好地识别和追踪人工智能生成的蛋白质。

谷歌目前正在研究如何将水印技术应用于更复杂的生物体。在与斯坦福大学 Hie 实验室和 Arc Institute 的合作研究中，已经将 SynthID Bio 集成到先进的基因组模型 Evo 2 中，为 Evo 2 设计的噬菌体基因组添加水印，初步的实验室测试已经确认这些带水印的噬菌体具备功能。

参考链接：

• Function-preserving watermarking of AI-generated proteins