谷歌DeepMind推出SynthID Bio，为AI设计的蛋白质添加水印

谷歌DeepMind发布了一种名为SynthID Bio的新方法，旨在将不可见且可验证的水印嵌入由人工智能创建的蛋白质中。随着AI工具设计复杂生物结构的能力越来越强，这一进展旨在解决日益增长的生物安全担忧。这项发表在《自然》（Nature）期刊上的研究，为确保合成生物设计可以追溯到受信任的模型提供了概念验证。 蛋白质是生命的基本组成部分，由长链氨基酸组成。当AI系统设计这些蛋白质时，它们会逐一选择氨基酸以实现特定功能。SynthID Bio的工作原理是使用数字密钥对这些选择进行细微调整，创造出一种人类无法察觉但可由专门软件检测到的模式。研究人员确认，这些带有标记的蛋白质在实验室环境下与未标记的蛋白质功能一样有效。 为了测试该系统的有效性，研究团队将用于设计蛋白质结合剂的工具AlphaProteo，与一种名为ProteinMPNN的常用序列生成方法的带水印版本结合使用。他们对三种目标蛋白质进行了湿实验室实验，包括SARS-CoV-2刺突蛋白RBD和VEGF-A。结果显示，带水印的设计与未经该技术创建的设计在结合强度上没有统计学上的显著差异。 领导谷歌DeepMind科学与战略计划的普什米特·科利（Pushmeet Kohli）强调了维护科学数据完整性的重要性。他指出，随着AI生成的预测变得越来越普遍，存在用误导性条目污染公共数据库的风险。水印可以帮助研究人员和机构正确标记和审查合成提交的内容，以确保它们对未来的研究保持可靠。 生物安全专家长期以来担心，AI可能允许个人通过创建不类似于已知危害的全新序列来绕过传统的DNA合成筛选。此前，筛选者可以假设未知的序列可能是自然生物，但AI生成的设计消除了这种确定性。SynthID Bio提供了一种自动信号，证明该订单起源于具有内置安全保障的受信任模型。 审阅了该工作的生物安全政策专家萨拉·卡特（Sarah Carter）表示，水印使开发人员能够在安全方面发挥引领作用。她补充说，该技术可以帮助合成供应商简化对使用这些高级工具的客户的筛选过程。通过为合成设计提供清晰的来源，该系统旨在平衡创新与负责任的监督。 谷歌DeepMind还在探索如何将这种水印技术应用于更复杂的生物对象，如基因组模型。该公司正与斯坦福大学的Hie实验室和Arc研究所合作，将这些方法集成到更广泛的生物研究框架中。这一合作努力旨在确保安全措施跟上AI驱动发现的快速步伐。 除了直接的安全利益，研究人员建议该标记可以协助蛋白质数据库（Protein Data Bank）和UniProt等主要数据库。通过自动标记AI生成的内容，这些存储库可以更好地组织和验证现代计算生物学产生的大量数据。这可能有助于为世界各地的研究人员保存科学公共资源。 为了鼓励进一步发展，谷歌DeepMind决定将代码开源，并将体外数据发布给研究社区。该公司还发表了其方法论文，允许其他科学家在此基础上开展工作。这种开放的方法旨在为合成生物学领域的安全建立全球标准。 随着该技术的推进，团队计划继续优化检测过程以确保高准确性。在初步测试中，检测器成功识别了超过99.8%的水印结构。未来的迭代可能会侧重于扩展这些保护措施，以适应日益增长的AI设计生物材料的数量。