Google DeepMind 推出 SynthID Bio：為 AI 設計的蛋白質與 3D 結構嵌入浮水印

Google DeepMind 推出 SynthID Bio：為 AI 設計的蛋白質與 3D 結構嵌入浮水印

Google DeepMind 於 9 月 30 日正式發表 SynthID Bio，將先前用於影像與文字的 SynthID 浮水印技術延伸至合成生物學。此系統能在 AI 產生的蛋白質胺基酸序列與 3D 結構中植入肉眼難以察覺的標記，讓研究人員快速辨識資料是否由 AI 生成，同時不影響蛋白質的生物功能。

背景與技術原理

隨著生成式 AI（如 AlphaFold 3）已能預測甚至設計全新蛋白質，資料來源的透明化成為生物安全的關鍵。若 AI 產出未標示的序列進入 Protein Data Bank、UniProt 或 GenBank 等公共資料庫，可能導致後續研究誤用，甚至增加 DNA 合成業者辨識危險序列的難度。

SynthID Bio 依據不同應用採取兩種浮水印方式：

1. 序列層面：在 AI 選擇胺基酸時，加入可辨識的訊號碼碼（類似隱寫術）。

2. 結構層面：微調 AlphaFold 3 預測的原子座標，使 3D 結構中留下細微、可檢測的變化。

實驗顯示，這些微調不會降低 AlphaFold 3 的預測準確度，且浮水印偵測率接近 100 %，即便結構資料遭受噪音或輕度修改仍能辨識。

實驗驗證與應用範例

DeepMind 以 AI 設計了三種可分別與 VEGF‑A、SARS‑CoV‑2 棘蛋白 RBD 以及 PD‑L1 結合的蛋白質結合劑，並在體外合成測試。結果證實，加入浮水印的蛋白質在結合活性上與未加標記的版本無顯著差異，功能保持完整。

在基因體層面，與史丹佛大學 Hie 實驗室及 Arc Institute 合作，將浮水印整合至 Evo 2 噬菌體基因組設計，初步測試亦顯示噬菌體仍具正常感染能力。

未來展望與產業影響

SynthID Bio 已於 Nature 發表研究論文，程式碼與體外實驗資料同步開源於 GitHub，並提供 SynthID Bio‑structure 模型權重下載，鼓勵學術與產業界共同驗證。未來可望成為公共資料庫的「驗證層」，自動標示 AI 生成的序列與結構，降低生物資訊污染風險，同時為 AI 研發者提供可追溯的責任機制。

對於生技公司與合成生物學研究者而言，採用此類浮水印不僅有助於合規管理，也能在專利布局與競爭情報收集時提供可靠的來源證明。隨著合成生物學應用範圍擴大，SynthID Bio 可能成為產業標準，為 AI 與生物安全之間搭建透明、可追蹤的橋樑。