Какво стана
DeepMind обяви SynthID Bio, семейство от методи за воден знак, които маркират протеинови последователности, генерирани от изкуствен интелект, и прогнозирани 3D структури. Техниката подтиква избора на аминокиселини по време на генерирането и коригира атомните координати в структурните прогнози, оставяйки сигнал, който оцелява при синтеза и може да бъде открит по-късно. В мокри лабораторни тестове срещу VEGF-A, пика на SARS-CoV-2 RBD и PD-L1, свързващи вещества с воден знак, проектирани с AlphaProteo и активиран SynthID ProteinMPNN, съответстват на контролите без воден знак по отношение на скоростта на попадение, афинитета на свързване и разнообразието на последователностите. За предсказване на структурата DeepMind фино настрои малка част от дифузионната мрежа на AlphaFold 3, така че водният знак да е вграден в теглата на модела, запазвайки точността на предсказанието, като същевременно постига почти перфектна откриваемост. Компанията публикува документ за методите, код с отворен код и in-vitro данни и направи обществено достъпни теглата на моделите. Партньорствата се преследват с групи за биосигурност, доставчици на генен синтез и политически органи, а ранните тестове на бактериофаг, проектиран с воден знак Evo 2, предполагат функционална жизнеспособност.
DeepMind разшири съществуващия си пакет за водни знаци SynthID – използван преди това за изображения, видео, аудио и текст – към синтетичната биология, създавайки SynthID Bio за протеинови последователности и структури.
Методът фино влияе върху селекцията на аминокиселини по време на генерирането и коригира прогнозираните атомни координати, вграждайки откриваем подпис, който оцелява след химичен синтез.
Laboratory validation involved three protein targets (VEGF‑A, SARS‑CoV‑2 spike RBD, PD‑L1). Watermarked binders designed with AlphaProteo and a SynthID‑enabled ProteinMPNN performed on par with unwatermarked counterparts in hit rate, binding affinity, and natural sequence diversity.
For structure prediction, a small segment of AlphaFold 3’s diffusion network was fine‑tuned to carry the watermark in its weights, preserving prediction accuracy while enabling near‑perfect detection even after minor coordinate perturbations.
DeepMind released a methods paper, open‑sourced the code and experimental data, and made the model weights publicly available, inviting collaborations from biosecurity, synthesis, and policy stakeholders.
Детайли за източника: officechai.com ↗
Защо има значение
Синтетичната биология все повече разчита на дизайни, генерирани от AI, което поражда опасения за биосигурността, тъй като новите последователности могат да избегнат съществуващите бази данни за скрининг. SynthID Bio предоставя автоматизиран сигнал за произход, който може да помогне на доставчиците на синтез бързо да идентифицират поръчки, произхождащи от надеждни модели с активиран воден знак, намалявайки пречките при ръчния преглед и подобрявайки защитната стратегия „швейцарско сирене“. Освен сигурността, водният знак може да запази целостта на публичните хранилища като Protein Data Bank, като маркира генерираните от AI записи, защитавайки научната общност от неправилно етикетирани или нискокачествени данни. Експерти като Сара Картър и Джеймс Дигънс подчертаха потенциала на такива водни знаци да рационализират скрининга и да фокусират ресурсите върху последователности, които заслужават по-внимателно изследване. Подходът обаче не е сребърен куршум; устойчивостта срещу умишлено подправяне остава открито предизвикателство и ефективността на водния знак зависи от приемането в индустрията и допълнителните метаданни за произхода.
AI‑generated protein designs can bypass traditional sequence‑based threat screening because they may not resemble known hazardous motifs. SynthID Bio offers a built‑in provenance tag that can be automatically checked by synthesis providers, reducing reliance on slow manual reviews.
The watermark supports scientific integrity by allowing databases like the Protein Data Bank to flag AI‑generated submissions, helping maintain clean, trustworthy public data essential for downstream research.
Policy experts see the technology as a proactive safety layer, complementing model‑level mitigations and customer vetting in a multi‑tiered biosecurity framework.
Limitations include the current vulnerability of the watermark to intentional removal or alteration, and the need for widespread industry adoption to realize its full protective potential.
Интерактивен механизъм: как всъщност работи
Разгледайте интерактивно основната технология зад тази разработка.
Which component of an AI application is the machine-learning model itself?
Какво да гледате след това
Бъдещата работа ще се съсредоточи върху укрепване на устойчивостта на воден знак срещу противопоставяне на промени и интегриране на SynthID Bio със стандартизирани рамки за произход като C2PA. Възприемането от компаниите за генен синтез и включването в регулаторни канали за скрининг ще определят въздействието в реалния свят. Мониторингът на внедряването на проекти с водни знаци в по-мащабни проекти за протеиново инженерство и всякакви политически отговори от агенциите за биосигурност ще бъдат от решаващо значение. Освен това, предстоящият технически ръкопис за поставяне на водни знаци на бактериофаги ще осигури по-задълбочен поглед върху геномните приложения на технологията.
Efforts to harden the watermark against deliberate tampering, possibly through cryptographic techniques or tighter integration with provenance metadata standards.
Adoption by commercial gene‑synthesis firms and incorporation into regulatory screening guidelines, which will determine practical effectiveness.
Results from the upcoming manuscript on watermarked bacteriophage genomes, which could extend the approach to larger genomic constructs.
Responses from biosecurity regulators and international bodies, which may shape standards for AI‑generated biological data.