谷歌给 AI 蛋白质打上”水印”：从数字到实体，全程可追踪

如果 AI 能设计出全新蛋白质，那么问题来了：一旦有人拿它做坏事，我们怎么知道这来自 AI？

谷歌给出的答案是——打水印。近日，谷歌推出 SynthID Bio，把数字水印技术引入了合成生物学领域。

一分钟速览

• SynthID Bio 是什么：专门为合成生物学开发的水印方法，可将不可感知的签名直接嵌入生物编码。
• 能验到实体：不仅能在数字模型上验证，还可在合成的物理蛋白质上完成验证。
• 不损害功能：实验室测试中，带水印的蛋白质保持正常生物学功能。
• 已做湿实验：针对 VEGF-A、SARS-CoV-2 刺突蛋白 RBD 和 PD-L1 三种靶蛋白测试，表现与未加水印版本一致。
• 解决什么：新型 AI 设计可能绕过传统 DNA 合成筛选，标记错误的合成结构会污染公共数据库。

为什么要给蛋白质打水印

生成式 AI 正在帮助科学家解决关键生物学难题，从预测蛋白质结构，到设计全新蛋白质，再到开发新型噬菌体。但这类工具也带来了新挑战：新型 AI 设计可能绕过传统 DNA 合成筛选，而标记错误的合成 3D 结构会污染公共数据库，误导后续研究。

SynthID Bio 正是为应对这些挑战而生——它是一系列专门为合成生物学开发的水印方法，目标是加强生物安全和科学诚信。

技术原理上，它会根据数据类型调整方法：对序列的氨基酸选择进行微妙引导，对预测的 3D 结构调整原子坐标，从而创建可靠的检测信号。关键在于，实验表明这些调整不会损害蛋白质的生物学功能——这对于有效治疗疾病和推进科学研究至关重要。

实测：带水印也不影响功能

研究团队针对 VEGF-A、SARS-CoV-2 刺突蛋白 RBD 和 PD-L1 这三种靶蛋白做了湿实验室测试。结果显示，带水印的设计在命中率、结合亲和力和自然序列多样性方面，与未带水印的版本表现一致，成功创造了首个带有水印且具备生物学功能的蛋白质结合剂。

在蛋白质折叠方面，SynthID Bio 对 AlphaFold 3 扩散网络的一小部分进行微调，将水印能力直接构建到模型权重中。这确保预测的 3D 坐标本身就带有可检测的特征——无论由谁运行模型，SynthID Bio 都能保持 AlphaFold 3 的预测准确性，同时提供近乎完美的可检测性，维持关键结构特征分布，还能抵御数字噪声或微小坐标变化。

为什么这对生物安全重要

生物安全依赖分层防御，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。

这一层对于 DNA 合成筛选尤其重要：当前 AI 可以创造出与已知危害几乎不相似的全新序列，筛选人员无法再沿用旧假设，而 SynthID Bio 可以提供自动验证信号，证明订单来自带有内置安全措施的可信模型。

类似地，它还可以帮助维护蛋白质数据库、UniProt、GenBank 等数据库的完整性，确保合成条目得到正确标记或标记，供进一步审查。

未来挑战

谷歌表示，虽然没有单一的生物安全干预措施是万能灵药，但 SynthID Bio 把经过验证的水印工具 SynthID 带入了合成生物学，是可靠识别和跟踪 AI 生成生物序列与结构的重要第一步。

未来的关键挑战，包括让水印对故意篡改具备更强的鲁棒性。SynthID Bio 还可以与来源元数据方法或 AI 生成生物数据的中央存储库配合使用，更好地识别和跟踪 AI 生成的蛋白质。

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

趋势洞察

AI 与生物技术的结合，一直被视为”能力最强、风险也最高”的前沿方向。过去，生物安全的思路是”守住入口”——在 DNA 合成环节做筛查；但当 AI 能设计出与已知危害毫无相似性的序列时，传统的黑名单式筛选就失效了。

水印的思路是”在源头做标记”：让 AI 生成的设计自带可验证的签名，从而在后续任何环节都能被追溯。这是一种从”防堵”到”溯源”的范式转变。当然，水印不是万能的——如果对手能去除或伪造水印，防线就会失效。这也正是谷歌把”抗篡改”列为未来关键挑战的原因。在这场攻防中，技术会不断迭代，而生物安全的重要性只会越来越高。