Google推出AI设计蛋白质水印技术。

关键信息

SynthIDBio利用密钥和此前选定的氨基酸提出符合水印规则的候选，而ProteinMPNN会拒绝与目标蛋白质结构不兼容的选择。水印检测基于统计而非绝对判定，其局限包括短蛋白质信号不足、附加序列导致水印稀释、密钥管理风险、误判，以及无法兼容部分蛋白质设计系统。

资讯摘要

AI蛋白质设计工具能够创造有用分子，例如分解塑料的酶和阻断毒液作用的蛋白质，但类似系统也可能被用于设计毒素或改变病毒蛋白质。现有DNA订单筛查主要寻找序列与已知危险物质之间的相似性，因此难以评估真正新颖的AI设计蛋白质。Google DeepMind现已将SynthID水印方法改造成SynthIDBio，在ProteinMPNN为指定蛋白质骨架选择氨基酸时嵌入分布式统计特征。当某个位置存在多种化学性质相容的氨基酸时，系统会优先选择符合秘密水印密钥的候选，但前提是ProteinMPNN判断其在结构上仍然可接受。

研究人员设计的水印蛋白质成功结合了预定的天然靶点，初步表明水印不一定会破坏蛋白质功能。掌握可信大学或生物技术公司密钥的DNA合成服务商，可以检测陌生序列，并将更多审查资源用于没有可信水印的设计。该方法并不能保证安全，因为实际效果仍取决于密钥的安全分发、蛋白质长度、检测阈值设置、抵抗信号稀释的能力，以及对ProteinMPNN类工具之外更多设计系统的支持。

资讯正文

Google 找到了为 AI 设计的蛋白质添加水印的方法

基于 AI 的工具似乎几乎每天都会引发安全威胁，部分原因在于我们迟迟未能识别潜在风险。不过，在生物安全领域，我们似乎已经抢占了先机。

和大多数生物学事物一样，实用性往往与威胁相伴而生。我们已经开发出越来越先进的蛋白质设计工具，并取得了一些重大成功，例如利用 AI 设计出能够消化塑料或阻断毒液蛋白的酶。但这些工具同样可以被用于制造毒素，或改变病毒蛋白的行为。

而我们用来识别编码潜在危险蛋白质的 DNA 序列的软件无法识别 AI 设计的蛋白质，因为没有人对这些蛋白质进行充分表征，无法判断它们是否构成威胁。在这一风险被提出近一年后，人们仍不清楚究竟能采取什么措施应对。

来源与参考

1. 原始链接
2. Google figures out how to watermark AI-designed proteins