生活分享

Google DeepMind 推出 SynthID Bio：为 AI 设计的蛋白质添加水印

Google DeepMind 于 2026 年 9 月 30 日宣布推出 SynthID Bio，将水印技术带入合成生物学，希望帮助 DNA 合成企业和科学数据库分辨 AI 设计的蛋白质。本文依据官方资料，梳理其运作方式、实验结果、对生物安全与科学数据库的意义，以及仍待解决的局限。

阅读时间约 7 分钟

Google DeepMind 推出 SynthID Bio：为 AI 设计的蛋白质添加水印
图片：Mokaair (Original editorial artwork)

SynthID Bio 是什么

根据 Google 于 2026 年 9 月 30 日的公告，SynthID Bio 将 Google 现有的 SynthID 水印技术延伸到合成生物学。Google DeepMind 将其描述为一系列专为合成生物学开发的水印方法，并称这是一项概念验证，也就是用来证明思路可行的初步成果。它会把难以察觉、可验证的水印直接嵌入生物设计，例如 AI 生成的蛋白质序列与预测的 3D 结构。

Google DeepMind 特别强调，水印不仅能在数字模型上验证，也可以在实际合成出来的实体蛋白质上验证，且在实验室测试中保留了蛋白质的生物功能。

Google DeepMind 推出 SynthID Bio：为 AI 设计的蛋白质添加水印
Mokaair 编辑核查流程 · 图片：Mokaair (Original editorial artwork)
阅读完整文字说明

消息会先收集来源、独立核查，再交由 Jev 判断。

它如何运作：序列与结构两种路线

据 Google DeepMind 说明，SynthID Bio 会根据数据类型调整做法：对蛋白质序列，是微妙地引导氨基酸（组成蛋白质的基本单元）的选择；对预测的 3D 结构，则是调整原子坐标，借此形成可检测的信号。

在蛋白质结合物方面，Google DeepMind 表示其以自家的结合物设计方法 AlphaProteo，搭配启用 SynthID Bio 的 ProteinMPNN（一种常用的蛋白质序列生成方法）进行验证。蛋白质结合物是专门设计来选择性地附着在其他蛋白质上的分子。在蛋白质折叠方面，也就是预测蛋白质的三维形状，SynthID Bio 会微调结构预测模型 AlphaFold 3 扩散网络的一小部分，把水印能力写入模型权重（模型训练后得到的参数），使预测坐标无论由谁运行模型都带有可检测信号。

两种水印路线比较（资料来源：Google DeepMind 官方文章，未经独立验证）
项目序列水印（蛋白质结合物）结构水印（蛋白质折叠）
作用对象AI 生成的蛋白质序列预测的 3D 结构
调整方式引导氨基酸的选择调整原子坐标；微调 AlphaFold 3 扩散网络的一小部分
配套工具AlphaProteo 与启用 SynthID Bio 的 ProteinMPNNAlphaFold 3
官方公布的结果三种目标蛋白质的湿实验中，命中率、结合亲和力与序列多样性与未加水印版本相当保留预测准确度，接近完美的可检测性，可承受数字噪声或轻微坐标变动

Google DeepMind 指出，三种测试目标为 VEGF-A、SARS-CoV-2（新冠病毒）刺突蛋白 RBD 与 PD-L1，并称这是首批添加水印且具有生物功能的蛋白质结合物。结合亲和力以 KD 衡量，数值越低代表结合越强。该公司还表示，Adaptyv Bio 协助了体外验证，即在活体之外的实验环境中进行的验证。

为什么重要：生物安全与数据库完整性

Google DeepMind 指出，新的 AI 设计可能绕过传统的 DNA 合成筛查，而标注错误的合成 3D 结构也可能污染公共数据库、误导后续研究。该公司以“瑞士奶酪”模型形容生物安全的多层防御：多道各有漏洞的独立防线叠加在一起，彼此弥补盲点。它把 SynthID Bio 定位为嵌入生物设计本身的一层验证。

要把数字形式的蛋白质设计变成实体分子，需要向 DNA 合成企业下单；这些企业会把订单与已知威胁的数据库进行比对，这就是 DNA 合成筛查。Google DeepMind 表示，由于 AI 能设计出与已知危害几乎不相似的全新序列，筛查人员不能再把陌生序列默认为尚未发现的天然生物，需要耗时的人工审查。SynthID Bio 可提供自动化验证信号，证明订单来自具有内置安全措施的可信模型，减轻这类审查负担。对于 Protein Data Bank、UniProt 与 GenBank 等许多开放公众提交的数据库，该公司则表示可在提交流程中协助标注合成条目或标记待审。

Google DeepMind 的文章还引述了外部意见：生物安全政策专家 Sarah Carter 认为 SynthID Bio 是追踪生物设计来源的重要一环；Twist Bioscience 的 James Diggans 则认为水印是生物安全工具箱中颇具前景的新工具。这些引述均出自 Google DeepMind 自家文章。

局限与下一步

  • 稳健性：Google DeepMind 表示，关键挑战之一是让水印更能抵御蓄意篡改。
  • 配合其他机制：该公司表示，可与来源元数据（记录数据出处的附加信息）方法一起使用，类似数字媒体领域的 C2PA；也可与 AI 生成生物数据的集中存储库一起使用。
  • 更复杂的对象：Google DeepMind 表示已与 Stanford University 及 Arc Institute 的 Hie lab 合作，把 SynthID Bio 集成进基因组模型 Evo 2，为 Evo 2 设计的噬菌体（感染细菌的病毒）基因组添加水印；在细菌培养中的早期实验显示这些噬菌体具有功能，技术论文将另行发表。
  • 开放研究：该公司表示将发表方法论文、开源代码与体外实验数据，并向研究社区发布模型权重。

对普通读者的意义

普通人不会直接使用 SynthID Bio，但它反映了一个趋势：AI 不只生成文字与图片，也开始参与生物设计，而来源标注正从数字内容延伸到生物数据。若这类机制日后被合成企业与数据库采用，可能让研究人员更容易分辨哪些数据是 AI 生成的。不过就目前而言，它仍处于 Google DeepMind 所称的概念验证阶段。

常见问题

SynthID Bio 何时发布？由谁发布？

Google 与 Google DeepMind 于 2026 年 9 月 30 日宣布推出 SynthID Bio。

添加水印会不会让蛋白质失去功能？

据 Google DeepMind 表示，在 VEGF-A、SARS-CoV-2 刺突蛋白 RBD 与 PD-L1 三种目标的湿实验中，添加水印的设计在命中率、结合亲和力与序列多样性上与未加水印版本相当。此结果来自 Google 单方公布。

水印只存在于计算机文件中吗？

Google DeepMind 称，水印不仅可在数字模型上验证，也可在合成出来的实体蛋白质上验证。

SynthID Bio 能完全阻止生物设计被滥用吗？

不能。Google DeepMind 自己表示没有任何单一生物安全措施是万灵药，并把它定位为多层防御中的一层，同时承认抵御蓄意篡改仍是待解挑战。

研究人员可以获取相关资源吗？

Google DeepMind 表示将发表方法论文、开源代码与体外实验数据，并向研究社区发布模型权重。

查看同分类最新消息

同主题延伸阅读

最新旅游情报攻略

资料来源

生活分享