Google DeepMind 用 SynthIDBio 为 AI 设计的蛋白质加水印
谷歌 DeepMind 团队 9 月 30 日周三发布研究,介绍 SynthIDBio。这是其 SynthID 水印技术的一个变体,它让 AI 蛋白质设计工具 ProteinMPNN 在选氨基酸时产生偏好,同时不破坏生成蛋白质的功能。

Ars Technica 于 9 月 30 日报道了这项工作。它补上了近一年前就被指出的一个缺口:用于筛查 DNA 序列中潜在危险蛋白质的软件识别不了 AI 设计的蛋白质,因为没人把这些蛋白质研究得足够透彻,能说清哪些具有威胁。
DeepMind 的办法是给设计出来的蛋白质本身做标记。SynthIDBio 使用一个密钥(类似密码学中的密钥),结合此前已选氨基酸的身份,给出下一个氨基酸的建议。ProteinMPNN 随后检查这个建议是否仍能得到有功能的蛋白质。能用就保留,不能用就丢弃。据 Ars Technica 报道,系统只在标记用的氨基酸与可正常工作的蛋白质相容时才将其纳入;由于这种偏好分散在整个序列中,不知道编码方式就无法去掉标记。
化学上的限制很严苛。蛋白质只由 20 种氨基酸构成。有些氨基酸化学性质相近,有些则带相反的电荷。许多蛋白质既有可以容忍有限替换的区域,也有哪怕轻微偏离就会让活性丧失的区域。
蛋白质还很小。500 个氨基酸的蛋白质已经算相当大,而一张普通图像有数百万像素,能用来藏信号的材料少得多。Ars Technica 指出,SynthID 这套方法能否迁移过来,事先并不明显:团队可能发现可用的空间太小,放不下水印,也可能发现塞进足够信息后得到的蛋白质失去了活性。
时间点为何重要
生物工具是双刃剑。那些已经造出能降解塑料或阻断毒液蛋白的酶的蛋白质设计方法,原则上也可以被用来制造毒素或病毒蛋白。真正的现实问题是筛查缺口。给可信的设计加上水印,筛查方就有了可查找的特征,而没有标记的东西则会被推向更严格的审查。
SynthID 本身早于这项工作。它通过影响模型在某些选择上的概率,为 AI 生成的数字内容加上不易察觉的标记,于是这种偏好系统地分布在整个输出中。谷歌此前已把它用于文本和图像,经过基本的导出和缩放后标记仍在。把同样的思路用到分子上,难度完全不同。
实验的核心工具 ProteinMPNN 由 Baker 实验室开发。David Baker 与 DeepMind 负责人共同获得诺贝尔奖,Ars Technica 在讲述这项研究的来龙去脉时提到了这一点。
ProteinMPNN 分两步工作。先由另一个工具给出适合设计的骨架构型。ProteinMPNN 随后沿着这条骨架逐个放置侧链,每放一个氨基酸,都根据它能否贴合形状、与邻近残基相互作用,以及能否满足形成催化口袋或结合另一个蛋白质等其他约束来选择。SynthIDBio 就在这一步介入。
Ars Technica 的报道是目前对这套机制最详细的公开描述。9 月 30 日还有一条更短的条目,标题为 “SynthID Bio Watermarks Secure AI Proteins”,出现在与 Ars 文章一同流传的近期头条中,但本次查阅的材料里没有全文。与此同时,Analytics Insight 于 9 月 29 日刊发了 DeepMind 首席执行官 Demis Hassabis 的人物报道,把公司的科学发现工作放在更大的背景下讲述。那篇是背景材料,不是关于水印方法的证据。
周边报道说明了什么
材料里还有一些与蛋白质无关的内容,值得单独拎出来。福克斯新闻 9 月 30 日报道,都柏林大学学院中世纪考古学教授 Tadhg O'Keeffe 发现,中世纪 Roebuck 城堡的 70% 到 80% 仍保存在校园一栋建筑内的维多利亚时期灰泥之下。都柏林大学学院于 9 月 18 日公布了这一发现。O'Keeffe 对 Fox News Digital 说,他是在研究了画家 Gabriel Beranger 的 18 世纪水彩画之后开始调查的。这是个引人注目的故事,但不是生物安全故事。
材料中另外两个来源是技术性的,与蛋白质设计无关。vibecodingdiscover.com 上一个日期为 9 月 30 日的目录页,列出了面向智能体、MCP 服务器、技能和 RAG 管线的开源 AI 工具,其中包括一个覆盖 646 种语言的本地 ElevenLabs 替代方案,以及一个用于自主智能体的沙箱运行时。Materialize 于 9 月 29 日发布博客,讲述其第三次尝试把数据溢写到磁盘,用自行管理的缓冲池取代 Linux swap,理由是 DRAM 延迟约为 100 纳秒,而本地 NVMe 读取需要几十微秒,慢几百倍,尽管两者带宽差距更接近 10 倍。
把这两条放在这里,是因为它们是材料中最新的条目之一,并非因为它们与蛋白质工作有关。对 DeepMind 这篇论文而言,相关的问题要窄得多:水印能否在蛋白质化学的种种约束下存活下来,并且好用到让做筛查的人真正用得上。
Ars Technica 的报道没有说这套系统已被任何筛查机构采用,也没有说它在研究之外部署过。论文于周三发表,针对的是近一年前提出、至今未解决的风险,给出的是一个可能的解决方案。接下来会怎样,取决于检查序列威胁的实验室和数据库是否采纳这套标记方案,也取决于没有标记的 AI 设计蛋白质是否会默认成为一种值得追查的信号。
目前这仍是技术层面的主张,而非实际运行中的做法:水印可以嵌入设计出的蛋白质,同时不损害蛋白质本身的功能。其余问题都还没有答案。
资料来源
4- 01Google figures out how to watermark AI-designed proteinsEN
- 02Professor discovered lost medieval castle hiding inside a Victorian-era buildingEN
- 03Vibe Coding Discover - A Catalog of AI OSS for Agents, MCP, Skills, RAGEN
- 04Materialize, Out-of-Core: Replacing Swap with a Buffer PoolEN
本文所有数字与引语均来自下列来源,未添加来源之外的内容。
本内容由编辑部在人工智能辅助下制作完成。
评论
0- 还没有评论——来说两句吧。