Google DeepMind 推出 SynthID Bio：為 AI 設計的蛋白質加上浮水印

SynthID Bio 是什麼

根據 Google 於 2026 年 9 月 30 日的公告，SynthID Bio 把 Google 既有的 SynthID 浮水印技術延伸到合成生物學。這裡的「浮水印」是指一種難以察覺、但可以驗證的標記，用來辨識一項設計的來源。Google DeepMind 將 SynthID Bio 描述為一系列專為合成生物學開發的浮水印方法，並稱這是一項概念驗證。它會把浮水印直接嵌入生物設計，例如 AI 生成的蛋白質序列與預測的 3D 結構。

Google DeepMind 特別強調，浮水印不只能在數位模型上驗證，也可以在實際合成出來的實體蛋白質上驗證，且在實驗室測試中保留了蛋白質的生物功能。

閱讀完整文字說明

消息會先蒐集來源、獨立查核，再交由 Jev 判斷。

它如何運作：序列與結構兩種路線

據 Google DeepMind 說明，SynthID Bio 會依資料類型調整做法：對蛋白質序列，是微妙地引導胺基酸的選擇；對預測的 3D 結構，則是調整原子座標，藉此形成可偵測的訊號。

在蛋白質結合物（專門設計來選擇性附著在其他蛋白質上的分子）方面，Google DeepMind 表示其以自家的結合物設計方法 AlphaProteo，搭配啟用 SynthID Bio 的 ProteinMPNN（常用的蛋白質序列生成方法）進行驗證。在蛋白質摺疊方面，SynthID Bio 會微調蛋白質結構預測模型 AlphaFold 3 擴散網路的一小部分，把浮水印能力寫入模型權重，使預測座標無論由誰執行模型都帶有可偵測訊號。

Google DeepMind 指出，濕實驗（即實際在實驗室進行的測試）的三種目標為 VEGF-A、SARS-CoV-2 棘蛋白 RBD 與 PD-L1。結合親和力以 KD 值衡量，數值越低代表結合越強。該公司稱這是首批加上浮水印且具生物功能的蛋白質結合物，並表示 Adaptyv Bio 協助了體外驗證。

為什麼重要：生物安全與資料庫完整性

Google DeepMind 指出，新的 AI 設計可能繞過傳統的 DNA 合成篩查，而標示錯誤的合成 3D 結構也可能污染公共資料庫、誤導後續研究。所謂 DNA 合成篩查，是指要把數位蛋白質設計變成實體分子，必須向 DNA 合成業者下單，業者會將訂單與已知威脅的資料庫比對。該公司以「瑞士乳酪」模型形容生物安全的多層防禦：多項獨立的安全措施互相補足彼此的漏洞；SynthID Bio 則被定位為嵌入生物設計本身的一層驗證。

對 DNA 合成業者而言，Google DeepMind 表示，由於 AI 能創造與已知危害幾乎不相似的全新序列，業者不能再假設陌生序列只是尚未發現的天然生物，而逐一人工審查可能拖慢研究。SynthID Bio 可提供自動化驗證訊號，證明訂單來自具有內建安全措施的可信模型。對 Protein Data Bank、UniProt 與 GenBank 等資料庫，該公司則表示可在提交流程中協助標示合成條目或標記待審。

Google DeepMind 文章也引述了外部意見：生物安全政策專家 Sarah Carter 認為 SynthID Bio 是追蹤生物設計來源的重要一環；Twist Bioscience 的 James Diggans 則認為浮水印是生物安全工具箱中有前景的新工具。這些引述均出自 Google DeepMind 自家文章。

限制與下一步

• 強韌性：Google DeepMind 表示，關鍵挑戰之一是讓浮水印更能抵抗蓄意竄改。
• 搭配其他機制：該公司表示可與類似 C2PA 的來源中繼資料方法，或 AI 生成生物資料的集中儲存庫一起使用。
• 更複雜的對象：Google DeepMind 表示已與 Stanford University 及 Arc Institute 的 Hie lab 合作，把 SynthID Bio 整合進基因體模型 Evo 2，為 Evo 2 設計的噬菌體（會感染細菌的病毒）基因體加上浮水印；早期實驗顯示這些噬菌體具功能，技術稿將另行發表。
• 開放研究：該公司表示將發表方法論文、開源程式碼與體外實驗資料，並向研究社群釋出模型權重。

對一般讀者的意義

一般人不會直接使用 SynthID Bio，但它反映了一個趨勢：AI 不只生成文字與圖片，也開始參與生物設計，而來源標示正從數位內容延伸到生物資料。若這類機制日後被合成業者與資料庫採用，可能讓研究人員更容易分辨哪些資料是 AI 生成的。不過就目前而言，它仍屬 Google DeepMind 所稱的概念驗證階段。

查看同分類最新消息

• 科技新聞