DeepMind 给蛋白设计加水印

Google DeepMind 在 9 月 30 日发布 SynthID Bio，把已有的 SynthID 水印带到合成生物学。公司称，水印写进生物设计之后，不只能在数字模型上检查，也能在合成出来的实物蛋白质上检查；实验室测试里，生物功能仍然保留。文章把这一定位成概念验证。

湿实验用 AlphaProteo，以及带 SynthID Bio 的 ProteinMPNN，设计蛋白结合剂。靶点是 VEGF-A、SARS-CoV-2 刺突蛋白的受体结合域（RBD），以及 PD-L1。公司称，带水印的设计在命中率、结合亲和力（以 KD 衡量，越低表示结合越强）和天然序列多样性上，与不带水印的版本相当。这是他们自己的湿实验对照，不是独立第三方的复现。

结构预测方面，公司称对 AlphaFold 3 扩散网络的一小部分做了微调，把水印做进模型权重，使预测出的三维坐标自带可检测记号，而且不管谁来运行模型都在。文章写，预测精度得以保留，可检测性接近完全，关键结构特征的分布也维持住，并能承受数字噪声或较小的坐标改动。

公司把水印说成生物安全里追加的一层核验，而不是单独够用的措施。数字上的蛋白设计要变成实物，需要向 DNA 合成服务商下单，对方会对照已知威胁的数据库做筛查。DeepMind 写道，AI 可以做出和已知危害很少相似的全新序列，筛查方不能再默认一条陌生序列只是尚未编目的天然生物。SynthID Bio 可以提供一个自动核验信号，用来表明订单来自带有内置防护的受信任模型。文章还说，在 Protein Data Bank、UniProt 和 GenBank 这类接受公众提交的数据库里，它也可以帮助把合成条目标出来，或送去进一步复查。

Twist Bioscience 负责政策与生物安全的副总裁 James Diggans 提供了早期反馈。他说，对 Twist 而言，水印有可能成为筛查工具箱里的一项补充，把资源集中到更需要细看的序列上。这是他的判断，不是已经部署的筛查规则。

公司写明，没有哪一种生物安全措施能单独覆盖全部风险。往后的关键问题包括：让水印更耐得住故意篡改。水印还可以和类似数字媒体 C2PA 的来源元数据，或集中存放 AI 生成生物数据的库一起用。与斯坦福大学 Hie 实验室和 Arc Institute 的进行中合作，把 SynthID Bio 接进基因组模型 Evo 2，用来标记 Evo 2 设计的噬菌体。细菌培养中的早期实验确认，这些带水印的噬菌体仍有功能。细节留到稍后的技术稿。

公司表示正在发表方法论文，并开放代码、体外实验数据和权重。合作联系信箱是 synthidbio@google.com。文章要求来信只写高层提案，不要附带保密或专有信息。