SynthID Bio 如何替 AI 設計的蛋白質加上可偵測標記

SynthID Bio 是 Google DeepMind 將浮水印技術延伸至合成生物學的概念驗證。它的目標，是讓 AI 設計的蛋白質本身帶有可偵測的來源訊號，而不只是另外附上一個可能與設計分離的標籤。DeepMind 表示，實驗室測試中，標記並未妨礙蛋白質發揮生物功能；不過，如何抵抗刻意移除或破壞標記，仍是尚待解決的挑戰。6

標記如何嵌入、又如何偵測？

做法會依標記對象而異。若標記的是蛋白質序列，系統會在設計時把訊號融入胺基酸的選擇中，再由偵測器檢查序列是否帶有該訊號。若標記的是預測的 3D 結構，DeepMind 則會微調生成結構的模型，讓模型預測出的原子座標呈現可辨識的特徵。6

序列上的標記有機會隨著蛋白質的合成保留下來，因為實際製造出的蛋白質是依照該序列組成。至於只加在預測 3D 結構上的訊號，則不能直接假設會出現在實際合成的蛋白質中。6

實驗測試發現了什麼？

DeepMind 表示，研究團隊合成了帶有標記、分別針對 VEGF-A、SARS-CoV-2 刺突蛋白受體結合域（RBD）及 PD-L1 的蛋白質結合體。測試結果顯示，這些蛋白質仍具功能，整體表現與未加標記的設計相近。該公司也表示，替 AlphaFold 3 的預測結果加上標記後，模型效能仍獲保留。6

另外，研究團隊也在細菌培養實驗中測試以 Evo 2 設計、帶有標記的噬菌體，並觀察到它們仍具功能。DeepMind 指出，這部分的完整技術細節尚待公布，因此目前應視為初步結果，而非完整評估。6

對合成篩檢與資料庫可能有何幫助？

DNA 合成服務提供者可將可偵測的設計來源訊號，作為判斷訂單是否需要進一步審查的額外依據，與既有篩檢並行。這種標記是可能增加的一項線索，不是現行篩檢措施的替代品。6

公開生物資料庫也可能利用偵測器檢查投稿內容，例如蛋白質資料庫（Protein Data Bank）、UniProt 和 GenBank。這有機會協助標示 AI 生成的項目，或將它們送交審查，讓資料來源資訊更清楚。不過，標記本身並不能完整證明一項設計的所有來源與歷程。6

DeepMind 開放了哪些研究資源？

DeepMind 表示，將公開方法論論文、開放原始碼程式碼與體外（in vitro）實驗資料，並向研究人員釋出模型權重。6

目前最重要的限制是：可偵測不等於無法移除。SynthID Bio 展示了在保留生物功能的同時加入標記的可能性，但這仍是概念驗證，對刻意篡改的抵抗能力仍有待進一步確認。6