DeepMind 发 SynthID Bio：给 AI 设计的蛋白与 DNA 打水印，湿实验里功能不掉
Google DeepMind 9 月 30 日发布 SynthID Bio，把此前用于文本、图像与视频的水印技术搬进合成生物学：水印直接嵌进生物编码里，不只存在于数字模型中，合成出来的实体蛋白同样可验，同时保持它的生物功能。方法按数据类型自适应——序列侧引导氨基酸的选择，预测 3D 结构侧微调原子坐标，两处都在造「可被检测到的信号」。
湿实验覆盖 VEGF-A、SARS-CoV-2 刺突蛋白 RBD 与 PD-L1 三个靶点。设计用 AlphaProteo 加上开了水印的 ProteinMPNN，结果命中率、结合亲和力（KD）与天然序列多样性都与无水印版本持平，官方称这是首批「带水印且仍具备生物功能」的结合蛋白。折叠一侧则微调 AlphaFold 3 扩散网络的一小部分，把水印写进模型权重，因此无论谁来跑这个模型，输出的 3D 坐标本身就带可检测标记，官方称预测精度未被牺牲。
动因是生物安全：AI 能造出与已知危险序列毫无相似的蛋白，DNA 合成商原有的筛查与 PDB、UniProt、GenBank 这类开放数据库的标注都开始失灵。DeepMind 随论文开源了代码与体外实验数据、放出权重，并与斯坦福 Hie 实验室、Arc Institute 合作把 SynthID Bio 接进基因组模型 Evo 2，给一条设计出的噬菌体基因组打上水印，早期细菌培养显示这些噬菌体仍有活性。官方同时承认，当前水印还扛不住刻意篡改。
原文链接：Google DeepMind 官方博客
核验记录
一手页 https://deepmind.google/blog/introducing-synthid-bio/ 直读 200 / 160,859 字节，JSON-LD datePublished 2026-09-30T15:00:00+00:00，页内可见 September 30, 2026，两处一致。三个靶点名称、KD 对比与「fine-tunes a small part of AlphaFold 3 的 diffusion network」均逐句取自该页正文；Evo 2 噬菌体部分同页（与斯坦福 Hie 实验室、Arc Institute 合作）。配图为该页 hero 图（lh3.googleusercontent.com），裸请求与带站内 Referer 各一次均 200 / 187,734 字节 JPEG。
← 上一篇Voyage 发 Rerank 3 系列：长文档与代码提升最大，lite 以 40% 价格打平上一代下一篇 →B站开源 Index-Translate 翻译模型家族：150 语种，2B 到 35B-A3B 权重同开