跳到正文
世界时间EU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

关于人工智能与技术的门户事件 · 分析 · 访谈 · 技术背景

搜索
直播
›

Google为AI设计蛋白加水印,标记合成序列

据Ars Technica同日报道,Google的DeepMind团队于9月30日周三发布了一种蛋白质水印方法,能在不改变蛋白质折叠方式的前提下标记AI生成的蛋白质序列。

科学解释郑雪莉发布: 2026年9月30日3 分钟阅读资料来源 4
Google为AI设计蛋白加水印,标记合成序列

据Ars Technica报道,9月30日周三,Google的DeepMind团队发表了一篇研究论文,介绍了一套把隐藏签名直接嵌入AI设计蛋白质序列的系统。

这种水印源自Google的SynthID技术,该技术此前已用于标记AI生成的图像和文本。它的用途是让实验室分辨哪些蛋白质来自可信的设计流程,哪些不是。论文作者必须先验证SynthID这套思路是否行得通,因为蛋白质只由20种氨基酸构成,其中许多都承担关键作用。

在蛋白质里加水印为何困难

Ars Technica指出,有些氨基酸在化学性质上很接近,比如亮氨酸和异亮氨酸;另一些则带相反电荷,一旦替换就会破坏折叠。在这个领域,一条500个氨基酸的蛋白质已经算相当大,因此可供藏入信号的原料远比拥有数百万像素的图像少。团队从Baker实验室的常用设计工具ProteinMPNN入手,让SynthIDBio与它并行运行。设计器沿着蛋白质骨架逐个放置氨基酸时,SynthIDBio会依据一个密钥和此前已做的选择,给出下一个残基的建议。ProteinMPNN再根据蛋白质是否仍能正常工作,决定接受还是拒绝这个建议。

Ars Technica的报道没有点名任何研究者,但对过程做了直白的描述:只有当水印残基与一个能正常工作的蛋白质相容时,它们才会被写入。

该方法针对的生物安全缺口

Ars Technica把这件工作放在一个已知的筛查难题下解读。检查DNA序列中危险蛋白质的软件识别不了AI设计的蛋白质,因为没有人对这些蛋白质做过足够充分的表征,也就不知道要查找什么。同一批蛋白质设计工具既能造出可降解塑料的酶,也能造出阻断毒液蛋白的分子,落到别人手里同样可以指向毒素或病毒蛋白。早在论文发表近一年前,这一风险就已被提出,而在此之前并没有明确的解决办法。

时间点也与该领域的整体推进相吻合。Analytics Insight在9月29日报道称,Google DeepMind首席执行官Demis Hassabis正把AI定位为科学发现的工具;另一条标注日期为10月1日的消息则描述了DeepMind为蛋白质加水印以便实验室验证。Hansa Biopharma于10月1日宣布与Cradle合作,推进AI驱动的蛋白质设计与工程;另有一篇9月29日的报道介绍了AI结构预测如何加快分子胶的寻找。这些消息都没有对这套水印方法给出独立验证。

尚未确定的部分

按Ars Technica的概述,论文没有说明SynthIDBio是否已被其他蛋白质设计团队采用,也没有说明它是否被集成进筛查流程。论文同样没有确定:序列在生成之后被改动时,水印还能否存续。这些问题之所以重要,是因为公开宣称的目标是让其余一切接受更严格的审视,而这假定被标记与未被标记的设计之间确实可以区分。Google自家的SynthID经受住了缩放、导出这类基本的图像编辑,但蛋白质没有与缩放对应的操作。

目前的结果只是在一个广泛使用的设计工具上的概念验证。它能否扩展到其他生成器,能否覆盖到最可能滥用它们的实验室,是下一项要检验的事。

评论 0

资料来源

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

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。

郑雪莉

郑雪莉

科学与健康

郑雪莉负责FLASH24科学与健康版块,日常从论文预印本、期刊官网和机构通报中抓取信息,只盯数据来源和实验设计是否站得住。她习惯把每项统计数字与原始数据集交叉比对,遇到百分比先算清分母再决定是否采用。她常联系一线研究人员核实细节,也会在日历上标记大型队列研究的发布节点,提前比对不同团队的结果。私下她学材料物理,还自己架望远镜观测,这让她对测量误差和观测条件格外敏感。她有一条硬规矩:样本量、利益冲突或方法说明缺一项,稿子就不发。

编辑部 →

评论

0
  1. 还没有评论——来说两句吧。

写评论

评论公开展示。我们不发布辱骂、垃圾信息和广告内容。