Google DeepMind, SynthID Bio 공개: AI가 설계한 단백질에 워터마크 삽입

SynthID Bio란 무엇인가

워터마크는 원본에 사람이 알아채기 어려운 표식을 심어 두었다가 나중에 출처를 확인할 수 있게 하는 기술이다. Google이 2026년 9월 30일 발표한 내용에 따르면 SynthID Bio는 Google의 기존 SynthID 워터마크 기술을 생물의 구성 요소를 설계·제작하는 분야인 합성생물학으로 확장한 것이다. Google DeepMind는 이를 합성생물학을 위해 개발한 일련의 워터마크 방법이라고 설명하며, 아이디어가 실제로 가능함을 보여 주는 초기 단계인 개념 증명(proof of concept)이라고 밝혔다. 이 기술은 AI가 생성한 단백질 서열이나 예측된 3D 구조 같은 생물학적 설계에 눈에 띄지 않고 검증 가능한 워터마크를 직접 삽입한다.

Google DeepMind는 워터마크를 디지털 모델뿐 아니라 실제로 합성된 물리적 단백질에서도 검증할 수 있으며, 실험실 테스트에서 단백질의 생물학적 기능이 유지되었다고 특히 강조했다.

자세한 설명 보기

출처를 수집하고 독립적으로 검증한 뒤 Jev가 판단합니다.

작동 방식: 서열과 구조, 두 가지 경로

Google DeepMind의 설명에 따르면 SynthID Bio는 데이터 유형에 따라 방식을 달리한다. 단백질 서열의 경우 아미노산 선택을 미묘하게 유도하고, 예측된 3D 구조의 경우 원자 좌표를 조정해 탐지 가능한 신호를 만든다.

단백질 결합체(binder)는 다른 단백질에 선택적으로 달라붙도록 만든 분자다. Google DeepMind는 결합체 설계에서 AlphaProteo와 SynthID Bio가 활성화된 ProteinMPNN 버전을 함께 사용해 검증했다고 밝혔다. 단백질 폴딩(3D 구조 예측)의 경우 SynthID Bio는 AlphaFold 3 확산(diffusion) 네트워크의 작은 부분을 미세 조정해 워터마크 기능을 모델 가중치(모델이 학습한 내부 매개변수)에 담으며, 이로써 누가 모델을 실행하든 예측 좌표에 탐지 가능한 신호가 포함된다.

적중률은 설계한 후보 가운데 실제로 제대로 작동한 비율이고, 결합 친화도는 표적 단백질에 얼마나 강하게 붙는지를 뜻한다(Google DeepMind는 이를 KD 값으로 측정했으며 값이 낮을수록 강하게 결합한다). Google DeepMind는 세 가지 시험 표적이 VEGF-A, SARS-CoV-2 스파이크 단백질 RBD, PD-L1이었으며, 이것이 워터마크를 넣은 최초의 생물학적 기능성 단백질 결합체라고 밝혔다. 또한 Adaptyv Bio가 생체 밖 환경에서 이뤄지는 체외(in vitro) 검증을 지원했다고 전했다.

왜 중요한가: 생물보안과 데이터베이스 무결성

생물보안은 생명과학 기술이 해롭게 쓰이는 것을 막는 일이다. 디지털로 설계한 단백질을 실물로 만들려면 DNA 합성 업체에 주문해야 하는데, 업체는 주문 서열을 알려진 위험 목록과 대조해 점검한다(DNA 합성 스크리닝). Google DeepMind는 새로운 AI 설계가 이런 기존 스크리닝을 우회할 수 있고, 잘못 표기된 합성 3D 구조가 공공 데이터베이스를 오염시켜 후속 연구를 오도할 수 있다고 지적했다. 회사는 생물보안을 여러 독립적 안전장치가 서로의 빈틈을 메우는 '스위스 치즈' 모델에 비유하며, SynthID Bio를 생물학적 설계 자체에 내장된 검증 계층으로 규정했다.

Google DeepMind는 DNA 합성 업체에 대해 SynthID Bio가 주문이 안전장치를 내장한 신뢰할 수 있는 모델에서 나왔음을 입증하는 자동화된 검증 신호를 제공해, 낯선 서열에 대한 수작업 검토 부담을 줄일 수 있다고 밝혔다. Protein Data Bank, UniProt, GenBank 같은 데이터베이스에 대해서는 제출 과정에서 합성 항목을 표시하거나 검토 대상으로 플래그를 지정하는 데 도움이 될 수 있다고 했다.

Google DeepMind의 글은 외부 의견도 인용했다. 생물보안 정책 전문가 Sarah Carter는 SynthID Bio가 생물학적 설계의 출처를 추적하는 중요한 요소라고 평가했고, Twist Bioscience의 James Diggans는 워터마크가 생물보안 도구상자에 추가된 유망한 새 도구라고 말했다. 이 인용은 모두 Google DeepMind 자체 글에 실린 것이다.

한계와 다음 단계

• 견고성: Google DeepMind는 워터마크가 의도적 변조에 더 잘 견디도록 하는 것이 핵심 과제 중 하나라고 밝혔다.
• 다른 메커니즘과의 병행: 회사는 디지털 미디어에서 쓰이는 C2PA와 유사한 출처 메타데이터 방식이나 AI 생성 생물 데이터의 중앙 저장소와 함께 사용할 수 있다고 밝혔다.
• 더 복잡한 대상: Google DeepMind는 Stanford University 및 Arc Institute의 Hie lab과 협력해 SynthID Bio를 Evo 2에 통합하고, Evo 2가 설계한 박테리오파지(세균을 감염시키는 바이러스) 유전체에 워터마크를 넣었다고 밝혔다. 초기 실험에서 이 파지들은 기능을 보였으며, 기술 논문은 별도로 발표될 예정이다.
• 개방형 연구: 회사는 방법론 논문을 발표하고, 코드와 체외 실험 데이터를 오픈소스로 공개하며, 연구 커뮤니티에 모델 가중치를 공개하겠다고 밝혔다.

일반 독자에게 갖는 의미

일반인이 SynthID Bio를 직접 사용할 일은 없지만, 이 기술은 하나의 흐름을 보여준다. AI가 텍스트와 이미지를 생성하는 데 그치지 않고 생물학적 설계에도 참여하기 시작했으며, 출처 표시가 디지털 콘텐츠에서 생물 데이터로 확장되고 있다는 것이다. 이런 메커니즘이 향후 합성 업체와 데이터베이스에 채택된다면 연구자들이 어떤 데이터가 AI로 생성되었는지 구분하기가 더 쉬워질 수 있다. 다만 현재로서는 Google DeepMind가 말하는 개념 증명 단계에 머물러 있다.

이 주제의 최신 뉴스 보기

• 테크 뉴스