2026 年 9 月 30 日 科學 Pushmeet Kohli, David Stutz, Ali Cowen-Rivers 和 Jeremy Ratcliff。為 AI 生成蛋白質嵌入浮水印的概念驗證，同時保留其生物功能。今天，我們推出 SynthID Bio，將浮水印技術帶入合成生物學領域。

SynthID Bio 能將不可察覺的簽名直接嵌入生物編碼中，確保浮水印不僅能在數位模型上驗證，也能在合成的實體蛋白質本身上檢測，同時在實驗室測試中保留其生物功能。

生成式 AI 正在協助科學家解決關鍵的生物學挑戰，從預測蛋白質結構（AlphaFold）到設計全新的蛋白質（AlphaProteo 和 ProteinMPNN），以及最近開發新的噬菌體（感染細菌的病毒）。然而，這些工具也帶來了新的挑戰：新穎的 AI 設計可能繞過傳統的 DNA 合成篩選，而錯誤標記的合成 3D 結構則可能污染公共資料庫並誤導後續研究。

SynthID Bio 的運作方式。SynthID Bio 是一系列專為合成生物學開發的浮水印方法，旨在強化生物安全和科學誠信。它會根據資料類型調整其方法，巧妙地引導序列的胺基酸選擇，並調整預測 3D 結構的原子座標，從而產生可靠的檢測訊號。在實驗中，這些調整並未損害蛋白質的生物功能，這對於有效治療疾病和推進科學研究至關重要。

我們透過使用我們的結合劑設計方法 AlphaProteo，以及啟用 SynthID Bio 的 ProteinMPNN（一種常用的蛋白質序列生成方法），驗證了我們為蛋白質結合劑（即旨在選擇性結合其他蛋白質的分子）添加浮水印的方法。在針對三種目標蛋白質（VEGF-A、SARS-CoV-2 棘蛋白 RBD 和 PD-L1）的濕實驗室測試中，我們帶有浮水印的設計與未帶浮水印版本的命中率、結合親和力及自然序列多樣性相符。

這成功創造了首批帶有浮水印且具有生物功能的蛋白質結合劑。結合親和力以 KD 值測量，比較了三種目標的未帶浮水印和帶有浮水印的蛋白質設計，數值越低表示結合力越強。

對於蛋白質摺疊，SynthID Bio 微調了 AlphaFold 3 擴散網路的一小部分，將浮水印功能直接內建到模型的權重中。這確保了預測的 3D 座標本身就帶有可檢測的簽名，無論是誰運行該模型。SynthID Bio 在保持 AlphaFold 3 預測準確性的同時，提供了近乎完美的檢測能力，維持了關鍵結構特徵分佈，並能抵抗數位雜訊或微小的座標變化。

強化生物安全與資訊誠信。生物安全依賴於多層防禦，就像「瑞士起司」防禦模型，多個獨立的安全措施協同運作，以彌補彼此的盲點。模型層級的緩解措施和客戶審查等保障措施，各自代表著可能存在漏洞的關鍵層。作為我們更廣泛的生物韌性願景的一部分，SynthID Bio 的浮水印方法是嵌入生物設計本身的重要且具體的驗證層。

生物安全政策專家兼 Science Policy Consulting 負責人 Sarah Carter 審閱了這項工作，她表示：「SynthID Bio 是追蹤生物設計來源的重要一環。透過將設計與模型開發者連結，這些浮水印賦予開發者在安全方面的主導權，並讓合成服務供應商能簡化對使用這些模型的客戶的篩選流程。」

這一層對於 DNA 合成篩選尤其重要，它處於生物安全的前線。將數位蛋白質設計轉化為實體分子需要向 DNA 合成服務供應商下訂單，這些供應商會根據已知威脅資料庫篩選請求。例如，過去一個不熟悉的序列可能被安全地假定為未被發現的天然生物。但由於 AI 可以創建與已知危害幾乎不相似的全新序列，篩選人員已無法再做出這種假設。

驗證一個不熟悉的訂單是否為工程化威脅需要詳盡的人工審查，這可能會阻礙重要的研究。在此，SynthID Bio 可以提供自動化的驗證訊號，證明訂單源自於內建安全措施的受信任模型。

Twist Bioscience 政策與生物安全副總裁 James Diggans 提供了這篇論文的早期回饋，他表示：「AI 正在擴展科學家可以設計的範圍，而 DNA 合成公司在幫助這項創新負責任地擴展方面扮演著重要角色。對於 Twist 而言，浮水印為生物安全工具箱提供了一個有前景的新增功能，可以強化篩選、將資源集中於需要更仔細審查的序列，並隨著 AI 設計生物學的持續進步，使生物安全更有效率。」

同樣地，SynthID Bio 也能幫助維護蛋白質資料庫（Protein Data Bank）、UniProt 和 GenBank 等資料庫的完整性。這些資料庫中許多都開放公眾提交，在科學進步中扮演著至關重要的角色，但錯誤標記的條目可能對生物安全決策產生過大的負面影響，隨著 AI 生成生物資料的增加，這一挑戰可能只會加劇。

作為提交過程的一部分，SynthID Bio 可以幫助確保合成條目被正確標記或標示以供進一步審查。

展望未來。雖然沒有單一的生物安全干預措施是萬靈丹，但 SynthID Bio 將我們經過驗證的浮水印工具 SynthID 帶入了合成生物學領域。這是可靠識別和追蹤 AI 生成生物序列與結構的重要第一步。展望未來，主要挑戰包括使浮水印更能抵抗蓄意竄改。

SynthID Bio 還可以與來源元資料方法（類似於數位媒體的 C2PA）或 AI 生成生物資料的中央儲存庫結合使用，以更好地識別和追蹤 AI 生成的蛋白質。

為配合前沿 AI 技術日益增長的能力，我們也在研究如何將浮水印應用於更複雜的生物物件。在與史丹佛大學 Hie 實驗室和 Arc Institute 正在進行的合作中，我們將 SynthID Bio 整合到先進的基因組模型 Evo 2 中，為 Evo 2 設計的噬菌體基因組添加浮水印。

細菌培養的早期實驗室測試已證實這些帶有浮水印的噬菌體具有功能。我們相信這項工作有潛力解決與基因組設計相關的一些生物安全風險，並將很快在技術手稿中分享更多細節。

要實現這項工作的全部生物安全效益，將需要社群協作和進一步研究。作為我們對負責任創新承諾的一部分，我們正在發布方法論文並開源程式碼和體外數據，同時向研究社群發布權重，以便大家能夠在此基礎上繼續發展。透過與生物安全、基因合成和政策領域的合作夥伴公開合作，我們可以確保安全和責任與 AI 驅動的發現同步發展。