Przejdź do treści
Czas na świecieEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portal o AI i technologiiwydarzenia · analizy · wywiady · tło techniczne

Szukaj
NA ŻYWO
›

Google DeepMind znakuje białka projektowane przez AI za pomocą SynthIDBio

Zespół Google DeepMind opublikował w środę 30 września badanie opisujące SynthIDBio, wariant swojej technologii znakowania SynthID. Metoda steruje wyborem aminokwasów w narzędziu ProteinMPNN, które projektuje białka, i nie psuje przy tym funkcji gotowego białka.

NaukaNewsRenata PawlakOpublikowano: 30 września 20265 min czytaniaŹródła 4
Google DeepMind znakuje białka projektowane przez AI za pomocą SynthIDBio

Ars Technica opisała tę pracę 30 września. Dotyczy luki, na którą zwrócono uwagę prawie rok wcześniej. Oprogramowanie przesiewające sekwencje DNA pod kątem niebezpiecznych białek nie rozpoznaje białek zaprojektowanych przez AI. Nikt nie scharakteryzował ich na tyle dobrze, by wskazać, które stanowią zagrożenie.

Propozycja DeepMind polega na znakowaniu samych projektów. SynthIDBio używa klucza, podobnego do klucza kryptograficznego, oraz tożsamości wcześniej wybranych aminokwasów, żeby zasugerować następny. ProteinMPNN sprawdza potem, czy ta sugestia nadal daje funkcjonalne białko. Jeśli tak, zostaje przyjęta; jeśli nie, jest odrzucana. Według Ars Techniki system włącza aminokwasy znaku wodnego tylko wtedy, gdy pasują do działającego białka. Odchylenie rozkłada się na całą sekwencję, więc znaku nie da się usunąć bez wiedzy, jak go zakodowano.

Chemia nie daje tu marginesu. Białka buduje się z zaledwie 20 aminokwasów. Część z nich jest chemicznie podobna, inne mają przeciwne ładunki. Wiele białek ma regiony, w których toleruje się ograniczone podstawienia, oraz regiony, w których nawet drobne odchylenie zabija aktywność.

Białka są też małe. Białko o 500 aminokwasach uchodzi za dość duże, podczas gdy typowy obraz ma miliony pikseli. Surowca, w którym można ukryć sygnał, jest znacznie mniej. Ars Technica zauważa, że wcale nie było oczywiste, iż podejście SynthID da się tu przenieść. Zespół mógł odkryć, że miejsca na znak wodny jest za mało. Mógł też stwierdzić, że upchnięcie wystarczającej ilości informacji daje nieaktywne białka.

Dlaczego moment ma znaczenie

Narzędzia biologiczne działają w obie strony. Te same metody projektowania białek, które dały enzymy trawiące plastik albo blokujące białka jadu, można w zasadzie obrócić przeciw toksynom lub białkom wirusów. Praktycznym problemem jest luka w przesiewaniu. Znak wodny na zaufanych projektach daje przesiewającym punkt zaczepienia i popycha wszystko nieoznaczone ku większej kontroli.

Sam SynthID powstał przed tą pracą. Dodaje subtelne znaczniki do cyfrowych materiałów generowanych przez AI, wpływając na prawdopodobieństwo pewnych wyborów modelu. Odchylenie rozkłada się systematycznie w całym wyniku. Google stosował go wcześniej do tekstu i obrazów, gdzie przetrwa podstawowy eksport i zmianę rozmiaru. Przeniesienie tego samego pomysłu na cząsteczkę to zupełnie inny poziom trudności.

Narzędzie ProteinMPNN, wokół którego zbudowano eksperyment, opracował Baker Lab. David Baker podzielił się Nagrodą Nobla z szefem DeepMind. Ars Technica podaje ten szczegół, opisując rodowód badania.

ProteinMPNN działa w dwóch etapach. Osobne narzędzie opisuje najpierw konfigurację szkieletu odpowiednią dla projektu. ProteinMPNN przechodzi potem wzdłuż tego szkieletu i dokłada łańcuchy boczne, aminokwas po aminokwasie. Każdy wybiera pod kątem tego, czy pasuje do kształtu, czy współgra z sąsiadami i czy spełnia inne warunki, takie jak tworzenie kieszeni katalitycznych albo wiązanie innego białka. SynthIDBio włącza się w trakcie tego przejścia.

Tekst Ars Techniki jest najdokładniejszym opisem mechanizmu, jaki dotąd opublikowano. Krótsza pozycja z 30 września pod nagłówkiem "SynthID Bio Watermarks Secure AI Proteins" pojawiła się w najnowszych nagłówkach krążących obok artykułu Ars. Pełny tekst nie był dostępny do wglądu. Analytics Insight opublikował z kolei 29 września sylwetkę Demisa Hassabisa, szefa DeepMind, szerzej ujmując prace firmy nad odkryciami naukowymi. Ten materiał to kontekst, nie dowód w sprawie metody znakowania.

Co pokazują otaczające doniesienia

Inne doniesienia nie mają nic wspólnego z białkami i warto je oddzielić. Fox News podał 30 września, że Tadhg O'Keeffe, profesor archeologii średniowiecza na University College Dublin, odkrył, iż 70 do 80 procent średniowiecznego zamku Roebuck Castle przetrwało pod wiktoriańskim tynkiem wewnątrz budynku kampusu. UCD ogłosił odkrycie 18 września. O'Keeffe powiedział Fox News Digital, że zaczął badać sprawę po analizie XVIII-wiecznych akwarel artysty Gabriela Berangera. To uderzająca historia i nie jest to historia o biobezpieczeństwie.

Dwa pozostałe źródła są techniczne i nie dotyczą projektowania białek. Strona katalogowa w vibecodingdiscover.com z 30 września wymienia otwarte narzędzia AI dla agentów, serwery MCP, umiejętności i potoki RAG. Znajduje się tam lokalna alternatywa dla ElevenLabs obsługująca 646 języków oraz środowisko sandbox dla autonomicznych agentów. Materialize opublikował 29 września wpis na blogu o swojej trzeciej próbie zrzucania danych na dysk. Zastąpił linuksowy swap pulą buforów, którą zarządza sam. Argumentacja głosi, że opóźnienie DRAM wynosi około 100 nanosekund, a lokalne odczyty NVMe to dziesiątki mikrosekund. To kilkaset razy wolniej, choć różnica w przepustowości jest bliższa 10 razy.

Te dwie pozycje trafiły tutaj, bo należą do najświeższych dostępnych materiałów, a nie dlatego, że dotyczą pracy nad białkami. Istotne pytanie w przypadku artykułu DeepMind jest węższe: czy znak wodny przetrwa ograniczenia chemii białek na tyle dobrze, by był użyteczny dla ludzi prowadzących przesiew.

Relacja Ars Techniki nie mówi, że jakakolwiek instytucja przesiewająca przyjęła system ani że jest on wdrożony poza badaniami. Artykuł opisuje potencjalne rozwiązanie, opublikowane w środę, problemu podniesionego prawie rok wcześniej i wciąż nierozwiązanego. Co będzie dalej, zależy od tego, czy laboratoria i bazy danych sprawdzające sekwencje pod kątem zagrożeń przyjmą ten schemat znakowania. Zależy też od tego, czy nieoznaczone białka projektowane przez AI staną się domyślnie sygnałem wartym zbadania.

Na razie twierdzenie ma charakter techniczny, nie operacyjny: znak wodny da się osadzić w zaprojektowanym białku bez szkody dla tego, co to białko robi. Wszystko inne pozostaje otwarte.

Komentarze 0

Źródła

4
  1. 01Google figures out how to watermark AI-designed proteinsEN
  2. 02Professor discovered lost medieval castle hiding inside a Victorian-era buildingEN
  3. 03Vibe Coding Discover - A Catalog of AI OSS for Agents, MCP, Skills, RAGEN
  4. 04Materialize, Out-of-Core: Replacing Swap with a Buffer PoolEN

Wszystkie liczby i cytaty w tym tekście pochodzą z poniższych źródeł. Nie dopisujemy danych, których w źródłach nie ma.

Materiały zostały przygotowane przez zespół redakcyjny wspierane przez AI.

Renata Pawlak

Renata Pawlak

Nauka i zdrowie

Renata Pawlak zajmuje się w FLASH24 nauką i zdrowiem, opierając teksty na publikacjach recenzowanych, komunikatach instytucji i danych źródłowych, a nie na doniesieniach bez pokrycia. Przy każdej liczbie sprawdza metodologię badania, wielkość próby i jednostki, a wyniki porównuje z wcześniejszymi pracami na ten sam temat. Czeka na comiesięczne raporty GUS i NFZ, rozmawia z lekarzami oraz fizykami, a przed publikacją pyta autorów o ograniczenia ich wniosków. Prywatnie interesuje się fizyką materiałów i obserwuje niebo przez własny teleskop, co pomaga jej czytać prace z dziedzin ścisłych. Nie publikuje niczego, czego nie może potwierdzić w co najmniej dwóch niezależnych źródłach.

Redakcja →

Komentarze

0
  1. Brak komentarzy — bądź pierwszy.

Dodaj komentarz

Komentarze są widoczne publicznie. Nie publikujemy wulgaryzmów, spamu i treści reklamowych.