Google DeepMind、SynthID Bioを発表：AIが設計したタンパク質に「電子透かし」を埋め込む技術

SynthID Bioとは

Googleの2026年9月30日の発表によると、SynthID BioはGoogleの既存の電子透かし技術SynthIDを合成生物学（生物の部品を人工的に設計・作製する分野）へと拡張したものだ。Google DeepMindはこれを合成生物学向けに開発した一連の電子透かし手法と説明し、概念実証（アイデアが実際に機能することを示す初期段階の研究）であるとしている。AIが生成したタンパク質配列や予測3D構造といった生物学的設計に、気づきにくく検証可能な透かしを直接埋め込む。

Google DeepMindは特に、透かしはデジタルモデル上だけでなく、実際に合成された物理的なタンパク質上でも検証でき、実験室でのテストでタンパク質の生物学的機能が保たれたと強調している。

詳しい説明を読む

情報源を収集し、独立検証を行ってから Jev が判断します。

仕組み：配列と構造の2つのアプローチ

Google DeepMindの説明によると、SynthID Bioはデータの種類に応じて手法を変える。タンパク質配列（タンパク質を構成するアミノ酸の並び）ではアミノ酸の選択を微妙に誘導し、予測3D構造では原子座標（各原子の立体的な位置）を調整することで、検出可能なシグナルを形成する。

タンパク質バインダー（他のタンパク質に選択的に結合するよう設計された分子）について、Google DeepMindは自社の設計手法AlphaProteoと、SynthID Bioを有効にしたProteinMPNN（広く使われるタンパク質配列生成手法）を組み合わせて検証したとしている。タンパク質フォールディング（タンパク質の立体構造の予測）については、SynthID BioがAlphaFold 3の拡散ネットワークのごく一部をファインチューニング（追加学習で微調整）し、透かし機能をモデルの重み（AIが学習で獲得したパラメーター）に組み込む。これにより、誰がモデルを実行しても予測座標に検出可能なシグナルが含まれるという。

Google DeepMindによると、ウェット実験（コンピューター上ではなく実際の実験室で行う実験）の標的はVEGF-A、SARS-CoV-2スパイクタンパク質のRBD、PD-L1の3つ。透かし入りの設計は、ヒット率（設計のうち実際に機能したものの割合）、結合親和性（標的への結合の強さ）、配列の自然な多様性で透かしなしの版と同等だったという。同社はこれを、透かしを付与し生物学的機能も持つ初のタンパク質バインダーだとしている。また、Adaptyv Bioがin vitro（試験管内）での検証に協力したとしている。

なぜ重要か：バイオセキュリティとデータベースの信頼性

Google DeepMindは、新たなAI設計が従来のDNA合成スクリーニング（DNAの注文を既知の危険な配列と照合する審査）をすり抜ける可能性があり、誤ってラベル付けされた合成3D構造が公共データベースを汚染し、後続の研究を誤らせるおそれもあると指摘する。同社はバイオセキュリティ（生物学的技術の悪用や事故を防ぐ取り組み）の多層防御を「スイスチーズ」モデル、つまり穴のある複数の対策を重ねて互いの抜けを補う考え方にたとえ、SynthID Bioを生物学的設計そのものに埋め込まれた検証の一層と位置づけている。

DNA合成事業者に対しては、SynthID Bioが自動化された検証シグナルを提供し、注文が安全対策を内蔵した信頼できるモデルからのものであることを示せるため、見慣れない配列の人手による審査の負担を減らせるとGoogle DeepMindは述べている。Protein Data Bank、UniProt、GenBankなどのデータベースについては、投稿プロセスで合成エントリーの表示や要審査のフラグ付けに役立つとしている。

Google DeepMindの記事は外部の意見も引用している。バイオセキュリティ政策の専門家Sarah Carter氏は、SynthID Bioを生物学的設計の出所を追跡するうえで重要な要素だと評価し、Twist BioscienceのJames Diggans氏は、電子透かしをバイオセキュリティのツールボックスにおける有望な新ツールだと述べている。これらの引用はいずれもGoogle DeepMind自身の記事によるものだ。

課題と今後の展開

• 堅牢性：Google DeepMindは、透かしを意図的な改ざんに対してより強くすることが重要な課題の一つだとしている。
• 他の仕組みとの併用：同社は、デジタルメディア向けのC2PAに類似した出所メタデータ（データの由来を記録する付加情報）の手法や、AI生成の生物学的データの集中リポジトリと併用できるとしている。
• より複雑な対象：Google DeepMindは、Stanford UniversityおよびArc InstituteのHie labと協力し、SynthID Bioをゲノムモデル Evo 2に統合して、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）のゲノムに透かしを付与したとしている。初期実験ではこれらのファージが機能することが示され、技術論文は別途公開される予定だという。
• オープンな研究：同社は、手法の論文を公開し、コードとin vitro実験データをオープンソース化し、研究コミュニティにモデルの重みを提供するとしている。

一般の読者にとっての意味

一般の人がSynthID Bioを直接使うことはないが、これはある潮流を映している。AIは文章や画像を生成するだけでなく生物学的設計にも関わり始めており、出所表示はデジタルコンテンツから生物学的データへと広がりつつある。こうした仕組みが今後、合成事業者やデータベースに採用されれば、研究者がAI生成のデータを見分けやすくなる可能性がある。ただし現時点では、Google DeepMindが言う概念実証の段階にとどまっている。

このトピックの最新ニュースを見る

• テックニュース