Google DeepMind 發表 SynthID Bio：將浮水印寫入 AI 生成蛋白質，實測證實不影響生物功能
已查原文 · 4 項主張
來源為發布方或研究資料；不代表所有主張已獲獨立核實。
Google DeepMind 發表了專門為合成生物學開發的浮水印技術 SynthID Bio，可應用於 AI 生成的蛋白質序列與 3D 結構中。經官方原文核實，該技術結合了 ProteinMPNN 與 AlphaFold 3，並在針對多種標靶（包含 VEGF-A 及新冠 RBD 等）的濕實驗中，證實帶有浮水印的設計成功維持了原有的生物功能與命中率。此外，該技術也能為 DNA 供應商提供自動化驗證訊號，協助防止生成的資料污染各大公眾生物資料庫。所有待查主張均獲已讀原文支持。
Google DeepMind 發表 SynthID Bio，可將浮水印寫入 AI 生成蛋白質，實測證實不影響生物功能。
原文證實推出針對 AI 生成蛋白質的浮水印技術，且在實驗中維持了其生物功能。
watermarking AI-generated proteins
查看原始出處
preserving biological function
查看原始出處
針對蛋白質序列生成與 3D 結構，分別與 ProteinMPNN 結合，及微調 AlphaFold 3 擴散網路。
原文明確指出序列生成使用了 SynthID Bio 版本的 ProteinMPNN，而蛋白質摺疊則微調了 AlphaFold 3 的擴散網路。
SynthID Bio-enabled version of ProteinMPNN
查看原始出處
AlphaFold 3’s diffusion network
查看原始出處
針對 VEGF-A、新冠病毒棘蛋白 RBD 等標靶進行實驗，浮水印設計在命中率等指標與未加浮水印版本一致。
原文提及在多個標靶的濕實驗中，帶有浮水印的設計其命中率與未加浮水印的版本相符。
matched the hit rate
查看原始出處
技術旨在協助篩查生物安全威脅，並防止未標記資料污染 Protein Data Bank、UniProt 等公共資料庫。
原文說明此技術能提供驗證訊號，並幫助防止 AI 生成的資料污染 Protein Data Bank 與 UniProt 等公共資料庫。
Protein Data Bank, UniProt
查看原始出處
背景
隨著 AlphaFold 與 AlphaProteo 等生成式 AI 在預測與設計蛋白質上取得重大進展，科學家能更快速地應對生物學挑戰。然而，這些 AI 生成的全新設計也帶來繞過傳統 DNA 合成篩查，或以錯誤標籤污染公共資料庫的風險。這使得在不影響蛋白質生物功能的前提下，建立可靠的浮水印與驗證機制成為確保生物安全的重要課題。