Google DeepMindは、AI設計のタンパク質向けウォーターマーク「SynthID Bio」を開発しました。タンパク質バインダーを使ったウェットラボ試験では、ウォーターマークを入れても機能に影響がないことが示されています。この手法は、設計したタンパク質のアミノ酸配列と、予測した3D構造の原子座標に署名を埋め込みます。DeepMindによると、この署名は合成後の物理的なタンパク質でも確認できます。
DeepMindがこのウォーターマークで狙うのは、DNA合成のスクリーニングです。デジタルのタンパク質設計を物理的な分子に変えるプロバイダーは、注文のたびに既知の脅威のデータベースと照合しています。しかし現在のAIは、既知の危険物とほとんど似ていない配列を生成できます。そのため、スクリーニング担当者は、見慣れない配列が未発見の天然生物に由来するものだと単純に想定できなくなりました。見慣れない注文を手作業で確認すれば、研究が滞る恐れもあります。ウォーターマークがあれば、安全対策を組み込んだ信頼できるモデルから注文が来たことを、自動的に判別できるようになります。
ラボ試験
DeepMindは、特定の標的タンパク質に結合するよう設計された分子であるタンパク質バインダーで試験を行いました。同社の設計手法AlphaProteoと、広く使われている配列生成ツールProteinMPNNのSynthID Bio版を組み合わせ、VEGF-A、SARS-CoV-2スパイクタンパク質の受容体結合ドメイン、PD-L1の3つの標的でウェットラボ試験を実施しました。3つとも、ウォーターマーク入りの設計は、なしの設計とヒット率、結合親和性、天然の配列多様性で同等でした。ヒット率とは標的に結合した設計の割合のことで、同等であれば、この3つの標的ではウォーターマークによって研究者が使えるバインダーを失わずに済んだことになります。
構造予測では、DeepMindがAlphaFold 3の拡散ネットワークの一部を微調整しました。これにより、ウォーターマークがモデルの重みに組み込まれます。このモデルを実行すれば、誰でも署名入りの予測座標を得られます。AlphaFold 3は予測精度を保ち、信号はデジタルノイズや座標の軽微な変化にも耐えます。DeepMindは検出性を「ほぼ完璧」としていますが、ブログ記事では検出率を示していません。
データベースでの二次的な用途
DeepMindは、Protein Data Bank、UniProt、GenBankといった公開データベースにもこのウォーターマークを適用する考えです。多くのデータベースは一般からの登録を受け付けており、誤ったラベルのエントリーはバイオセキュリティの判断に大きな悪影響を及ぼしかねません。登録時にウォーターマークを確認すれば、合成エントリーにラベルを付けたり、審査に回したりする助けになります。
現時点でできないこと
DeepMindは、意図的な改ざんへの耐性を今後の課題に挙げています。対策として、来歴メタデータやAI生成の生物学データを集めた中央リポジトリとの併用を提案しています。SynthID Bioはモデルレベルの緩和策や顧客審査と並ぶ防御層の一つで、どの層にも抜け穴の可能性があるとしています。
Twist BioscienceのポリシーおよびバイオセキュリティVPであるJames Diggans氏は、論文に対して早い段階でフィードバックを寄せました。同氏はウォーターマークを「スクリーニングを強化しうる、バイオセキュリティの手段への有望な新顔」と評しています。
ファージでの初期結果
DeepMindはスタンフォード大学およびArc InstituteのHieラボとの継続的な取り組みとして、ゲノムモデルEvo 2にSynthID Bioを統合しました。Evo 2が設計したバクテリオファージ（細菌に感染するウイルス）のゲノムにウォーターマークを埋め込むためです。細菌培養での初期のラボ試験では、ウォーターマーク入りのファージが機能することを確認しました。DeepMindは、技術的な論文を今後公開するとしています。
DeepMindは手法に関する論文を公開し、コードとin vitroのデータをオープンソース化するとともに、重みを研究コミュニティに公開します。
翻訳元: https://www.helpnetsecurity.com/2026/10/01/synthid-bio-watermark/
