DeepMind, AI 설계 단백질에 검증 가능한 워터마크를 삽입

Google DeepMind는 2026년 9월 30일 발표한 SynthID Bio를 공개했으며, 이는 AI가 생성한 단백질 서열 및 예측된 3D 구조에 눈에 띄지 않으면서도 검증 가능한 서명을 삽입하는 워터마크 방법군이다. 회사는 개념 증명이 세 가지 목표 단백질에 대한 습식 실험에서 생물학적 기능을 유지했다고 밝혔다.

이번 발표는 이 도구가 이미 DeepMind의 AlphaFold가 단백질 구조를 예측하고, AlphaProteo와 널리 사용되는 ProteinMPNN 서열 생성 방법이 완전히 새로운 단백질을 설계하는 분야에 위치한다는 점을 강조한다. 최근 연구자들은 AI를 이용해 박테리오파지를 개발했으며, 이는 박테리아를 감염시키는 바이러스이다. DeepMind는 이러한 역량이 새로운 문제도 야기한다고 지적한다: 새로운 AI 설계가 기존 DNA 합성 스크리닝을 우회할 수 있고, 라벨이 잘못된 합성 3D 구조가 공개 데이터베이스를 오염시켜 후속 연구를 오도할 수 있다.

세 단백질 표적에 대한 습식 실험 검증

SynthID Bio는 데이터 유형에 따라 접근 방식을 조정한다. 서열의 경우 아미노산 선택을 미세하게 유도하고, 예측된 3D 구조의 경우 원자 좌표를 조정한다. 두 경우 모두 목표는 감지 가능한 신호이며, DeepMind는 실험에서 이러한 조정이 단백질의 생물학적 기능을 손상시키지 않았다고 보고한다. 서명이 생물학적 코드 자체에 존재하기 때문에 워터마크는 디지털 모델이 아니라 합성된 물리적 단백질에서도 검증할 수 있다.

팀은 단백질 바인더, 즉 다른 단백질에 선택적으로 결합하도록 설계된 분자에 대해 DeepMind의 AlphaProteo 바인더 설계 방법과 SynthID Bio가 적용된 ProteinMPNN 버전을 함께 사용해 접근 방식을 검증했다. 회사는 VEGF‑A, SARS‑CoV‑2 스파이크 단백질 RBD, 그리고 PD‑L1이라는 세 표적 단백질에 대한 습식 실험에서 워터마크가 적용된 설계가 워터마크가 없는 버전과 히트율, 결합 친화도, 자연 서열 다양성 측면에서 일치했다고 밝혔다. DeepMind는 이 결과를 최초의 워터마크가 적용된 생물학적 기능을 가진 단백질 바인더라고 설명한다. 결합 친화도는 KD로 측정했으며, 값이 낮을수록 결합력이 강함을 의미하고, 프로젝트는 in vitro 검증에 도움을 준 Adaptyv Bio에 공을 돌렸다.

AlphaFold 3에 내장된 워터마크

단백질 접힘을 위해 이 방법은 모델 내부에서 작동한다. 팀은 AlphaFold 3의 확산 네트워크 일부를 미세 조정하여 워터마크 기능을 모델 가중치에 삽입했으며, 따라서 모델을 실행하는 주체와 관계없이 예측된 3D 좌표마다 감지 가능한 서명이 포함된다. DeepMind에 따르면, 미세 조정된 모델은 AlphaFold 3의 예측 정확도를 유지하면서 거의 완벽에 가까운 감지율을 제공하고 주요 구조적 특징 분포를 보존하며, 워터마크는 디지털 노이즈나 작은 좌표 변화에도 견딘다. 게시물의 시각화에서는 단백질 7PPA에 대해 AlphaFold 3이 예측한 구조, 실제 구조, 그리고 워터마크가 적용된 구조를 비교한다.

생물안보 스크리닝 및 데이터베이스 무결성

DeepMind는 생물안보를 다층 방어 체계의 문제로 설명하며, 각각의 독립적인 방어가 다른 방어의 사각지대를 메우는 스위스 치즈 모델을 인용한다. 그리고 SynthID Bio를 생물학적 설계 자체에 내장된 검증 레이어로서 바이오레질리언스에 대한 광범위한 비전의 일부로 위치시킨다.

이 레이어는 DNA 합성 스크리닝에 가장 직접적으로 적용된다. 디지털 단백질 설계는 DNA 합성 업체에 주문을 넣은 뒤에야 물리적 분자로 변환되며, 해당 업체들은 들어오는 요청을 알려진 위협 데이터베이스와 대조해 스크리닝한다. 과거에는 스크리너가 익숙하지 않은 서열을 아직 발견되지 않은 자연 유기체로 간주할 수 있었다. DeepMind는 AI가 알려진 위험과 거의 유사성이 없는 완전히 새로운 서열을 생성할 수 있기 때문에 이러한 가정이 사라진다고 설명한다. 이러한 주문이 설계된 위협인지 확인하려면 방대한 수작업 검토가 필요해 중요한 연구가 지연될 수 있다. SynthID Bio는 신뢰할 수 있는 모델에서 비롯된 주문임을 보여주는 자동 검증 신호를 제공하도록 설계되었다.

Twist Bioscience의 정책 및 생물안보 부사장인 James Diggans는 논문에 대한 초기 피드백을 제공하면서, 워터마크가 “생물안보 도구함에 대한 유망한 새로운 추가”라며 스크리닝을 강화하고, 정밀 검토가 필요한 서열에 자원을 집중시키며, AI 설계 생물학이 발전함에 따라 생물안보를 보다 효율적으로 만들 수 있다고 말했다.

DeepMind는 또한 이 방법이 Protein Data Bank, UniProt, GenBank 등 공개 제출이 가능한 많은 공공 데이터베이스의 무결성을 유지하는 데 도움이 될 수 있다고 밝혔다. 제출 과정의 일환으로 워터마크는 합성 항목이 적절히 라벨링되거나 추가 검토를 위해 표시되도록 보장할 수 있다.

Science Policy Consulting의 바이오안보 정책 전문가이자 수석인 Sarah Carter는 이 작업을 검토하며 SynthID Bio를 “생물학적 설계 출처를 추적하기 위한 퍼즐의 중요한 조각”이라고 부르고, 설계를 모델 개발자와 연결함으로써 합성 제공업체가 해당 모델을 사용한 고객에 대한 스크리닝을 간소화할 수 있다고 덧붙였다.

박테리오파지 확장 및 공개 배포

남아 있는 과제 중 DeepMind는 워터마크를 의도적인 변조에 더 강하게 만드는 것을 꼽는다. 회사는 SynthID Bio가 디지털 미디어용 C2PA와 유사한 출처 메타데이터 접근 방식이나 AI 생성 생물학 데이터의 중앙 저장소와도 결합될 수 있어 AI 생성 단백질을 보다 잘 식별하고 추적할 수 있다고 말한다.

팀은 또한 Stanford University의 Hie 연구실 및 Arc Institute와 지속적인 협업을 통해 유전체 모델인 Evo 2에 SynthID Bio를 통합했으며, Evo 2가 설계한 박테리오파지의 유전체에 워터마크를 삽입했다. 초기 박테리아 배양 실험에서 워터마크가 적용된 박테리오파지가 기능적으로 정상임이 확인됐으며, 회사는 곧 기술 논문에서 자세한 내용을 공유할 것이라고 덧붙였다.

SynthID Bio는 Google DeepMind의 기존 도구인 SynthID를 확장한 것으로, 회사의 생성 AI 소비자 제품 전반에 걸쳐 AI 생성 이미지, 오디오, 텍스트 및 비디오에 디지털 워터마크를 삽입한다. 이러한 마크는 사람에게는 감지되지 않지만 SynthID 기술로는 탐지할 수 있으며, 회사는 또한 사용자가 이미지, 비디오 또는 오디오 파일을 업로드해 해당 콘텐츠에 워터마크가 적용되었는지 확인할 수 있는 검증 포털인 SynthID Detector를 운영한다.

이번 발표와 함께 DeepMind는 방법론 논문을 발표하고 코드를 오픈소스화하며 인비트로 데이터를 공개하고, 가중치를 연구 커뮤니티에 제공한다. 프로젝트는 Pushmeet Kohli가 시작했으며, Alexander I. Cowen-Rivers와 David Stutz가 연구 및 기술 개발을 주도했고, Kohli가 자문을 제공했다.