DeepMind inbäddar verifierbara vattenmärken i AI‑designade proteiner

Google DeepMind avslöjade SynthID Bio den 30 september 2026, en familj av vattenmärkningsmetoder som inbäddar en omärklig, verifierbar signatur i AI‑genererade proteinsequenser och förutsagda 3D‑strukturer. Företaget säger att beviset på konceptet bevarade den biologiska funktionen i våtlabbstestning på tre målproteiner.

Tillkännagivandet placerar verktyget i ett område där AI‑system redan förutsäger proteinkonstruktioner, som DeepMinds AlphaFold gör, och designar helt nya proteiner, som AlphaProteo och den allmänt använda sekvensgenereringsmetoden ProteinMPNN gör. På senare tid har forskare använt AI för att utveckla bakteriofager, virus som infekterar bakterier. DeepMind säger att dessa möjligheter också skapar nya problem: nya AI‑designer kan kringgå traditionell DNA‑syntesscreening, och felmärkta syntetiska 3D‑strukturer kan förorena offentliga databaser och vilseleda efterföljande forskning.

Våtlabbvalidering på tre målproteiner

SynthID Bio anpassar sitt tillvägagångssätt efter datatypen. För sekvenser styr den subtilt valet av aminosyror; för förutsagda 3D‑strukturer justerar den atomkoordinater. I båda fallen är målet en detekterbar signal, och DeepMind rapporterar att dessa justeringar i sina experiment inte påverkade proteinerna biologiska funktion. Eftersom signaturen finns i den biologiska koden själv kan vattenmärket verifieras på det syntetiserade, fysiska proteinet snarare än endast på en digital modell.

Teamet verifierade sitt tillvägagångssätt på proteinbindare, molekyler som konstruerats för att selektivt fästa på andra proteiner, med hjälp av DeepMind’s AlphaProteo bindardesign-metoden tillsammans med en SynthID Bio‑aktiverad version av ProteinMPNN. Företaget sade att i våtlabbstestning på tre målproteiner, VEGF‑A, SARS‑CoV‑2:s spikprotein‑RBD och PD‑L1, matchade de vattenmärkta designerna de o‑vattenmärkta versionerna när det gäller träfffrekvens, bindningsaffinitet och naturlig sekvensdiversitet. DeepMind beskriver resultatet som de första någonsin vattenmärkta och biologiskt funktionella proteinbindarna. Bindningsaffinitet mättes som KD, där lägre värden indikerar starkare bindare, och projektet tackar Adaptyv Bio för hjälpen med in‑vitro‑validering.

Vattenmärkning inbyggd i AlphaFold 3

För proteinveckning fungerar metoden inom själva modellen. Teamet finjusterade en liten del av diffusionsnätverket i AlphaFold 3, och inbäddade vattenmärkningskapaciteten i modellens vikter, så att alla förutsagda 3D‑koordinater bär en detekterbar signatur oavsett vem som kör modellen. Enligt DeepMind behåller den finjusterade modellen AlphaFold 3:s prediktionsnoggrannhet, levererar nästan perfekt detekterbarhet och upprätthåller nyckelfördelningar av strukturella egenskaper, och vattenmärket står emot digitalt brus eller mindre koordinatförändringar. En visualisering i inlägget jämför, för proteinet 7PPA, den förutsagda strukturen från AlphaFold 3, den faktiska strukturen och den vattenmärkta strukturen.

Bio‑säkerhetsscreening och databasintegritet

DeepMind beskriver bio‑säkerhet som en fråga om lager av försvar, med hänvisning till den schweiziska ostmodellen där varje oberoende skydd täcker de andra skyddens blinda fläckar, och placerar SynthID Bio inom sin bredare vision för bioresiliens som ett verifieringslager inbäddat i den biologiska designen själv.

Det lagret gäller mest direkt för DNA‑syntesscreening. En digital proteindesign blir en fysisk molekyl först när en beställning görs hos en DNA‑syntesleverantör, och dessa leverantörer screenar inkommande förfrågningar mot databaser med kända hot. Tidigare kunde screenare rimligtvis behandla en okänd sekvens som en oupptäckt naturlig organism. DeepMind säger att AI raderar den antagandet eftersom den kan generera helt nya sekvenser som har liten likhet med kända faror, och att kontrollera om en sådan beställning är ett konstruerat hot kräver omfattande manuell granskning som kan fördröja viktig forskning. SynthID Bio är avsett att tillhandahålla en automatiserad verifieringssignal som visar att en beställning härstammar från en pålitlig modell med inbyggda skydd.

James Diggans, vice president för policy och bio‑säkerhet på Twist Bioscience, som gav tidig återkoppling på artikeln, sade att vattenmärkning erbjuder “ett lovande nytt tillskott till bio‑säkerhetsverktygslådan” som kan stärka screeningen, fokusera resurser på sekvenser som kräver närmare granskning, och göra bio‑säkerheten mer effektiv i takt med att AI‑designad biologi utvecklas.

DeepMind säger också att metoden kan hjälpa till att bevara integriteten i offentliga databaser såsom Protein Data Bank, UniProt och GenBank, som alla är öppna för offentliga inskickningar. Som en del av inskickningsprocessen kan vattenmärket säkerställa att syntetiska poster är korrekt märkta eller flaggade för vidare granskning.

Sarah Carter, en expert på bio‑säkerhetspolicy och principal på Science Policy Consulting som granskade arbetet, kallade SynthID Bio “en viktig pusselbit för att spåra ursprunget till biologiska designer”, och tillade att koppling av designer till modellutvecklaren gör det möjligt för syntesleverantörer att effektivisera screeningen för kunder som har använt dessa modeller.

Bakteriofagutvidgning och öppen release

Bland de återstående utmaningarna listar DeepMind att göra vattenstämpeln mer robust mot avsiktlig manipulering. Företaget säger att SynthID Bio också kan kombineras med metadataproveniensmetoder, liknande C2PA för digitala medier, eller med centrala lagringsplatser för AI-genererade biologiska data, för att bättre identifiera och spåra AI-genererade proteiner.

Teamet har också integrerat SynthID Bio i Evo 2, en genomisk modell, i pågående samarbete med Hie-labbet vid Stanford University och Arc Institute, och vattenstämplar genomet hos ett av Evo 2 designat bakteriofag. Tidiga laboratorietester i bakteriekulturer bekräftade att de vattenstämplade bakteriofagerna är funktionella, säger företaget, och tillägger att de snart kommer att dela mer detaljer i ett tekniskt manuskript.

SynthID Bio bygger vidare på SynthID, Google DeepMinds befintliga verktyg som inbäddar digitala vattenstämplar i AI-genererade bilder, ljud, text och video i företagets generativa AI‑konsumentprodukter. Dessa markeringar är omärkliga för människor men kan upptäckas av SynthIDs teknik, och företaget driver även SynthID Detector, en verifieringsportal där användare laddar upp en bild, video eller ljudfil för att kontrollera om innehållet är vattenstämplat.

I samband med tillkännagivandet publicerar DeepMind en metodartikel, öppnar källkoden och in‑vitro‑data, samt släpper vikterna till forskarsamhället. Pushmeet Kohli initierade projektet, och Alexander I. Cowen‑Rivers och David Stutz ledde forskningen och den tekniska utvecklingen, med rådgivning från Kohli.