图片有“该内容由AI生成”的水印。从现在起，蛋白质也可以有了。 9月30日，Google DeepMind 发布 SynthID Bio ，把水印技术第一次带进合成生物学，要 给 AI 设计的蛋白质打上“由 AI 生成”的水印 。 这个标记不在文件里，不在标签上，而是 写进蛋白质的氨基酸序列和三维坐标中 。 团队证明，生命分子能携带可追溯的“来源标记”，而且 不影响原本的蛋白功能 。 目的就是让AI设计的蛋白质拥“数字身份证”，为狂飙的AI生物学补上生物安全性和科学诚信这块拼图。 研究阵容亮眼，成员名单包括DeepMind研究副总裁、AlphaFold项目核心人物 Pushmeet Kohli ，以及DeepMind创始人、诺贝尔化学奖得主 Demis Hassabis 。 水印进入蛋白质，原本功能不受影响 蛋白质由一串氨基酸按特定顺序排列而成，再折叠形成复杂的三维结构。氨基酸序列决定蛋白质的三维结构，而三维结构决定蛋白质的功能。 为此，DeepMind设计了两种加水印的方法。 一：给蛋白质的氨基酸序列加水印（ SynthIDBio-sequence ） 原理相当朴素。蛋白质通常由20种标准氨基酸构成。在 许多非关键位点 上，将某种氨基酸替换成另一种化学性质相似的同类，蛋白质功能不会发生显著变化。 SynthID Bio的水印就藏在这些"换谁都行"的选择中。 在搭载SynthID Bio水印的ProteinMPNN模型中生成蛋白质序列时， SynthID Bio 会有偏向地引导氨基酸的选择，将水印信号分散到整条序列中。 检测端则用相应密钥，判定该条序列是不是用搭载了SynthID Bio的模型生成的 。 二：调整三维原子坐标（ SynthIDBio-structure ） DeepMind团队 对 AlphaFold 3 的一小部分扩散网络做了微调 ，将水印“焊”进模型权重。这样一来， 无论谁运行这个模型，输出的三维原子坐标都会自动携带可检测的水印信号 。 据报道，它在保持预测精度的同时，可检测性接近完美，还能抵御数字噪声和轻微的坐标扰动。 水印最怕的是“能验但废了”。 为了验证带有水印的蛋白质仍然可用，团队进行了 湿实验 。他们将AlphaProteo与搭配水印版的ProteinMPNN结合使用，针对VEGF-A、新冠病毒刺突蛋白RBD、PD-L1三个靶点设计结合剂。 结果显示， 水印版在命中率、结合亲和力和序列天然多样性三项指标上，与不加水印的对照组持平 。 这也是首批既带水印、生物功能又完好的蛋白质结合剂。 再向前一步，DeepMind还与斯坦福Hie实验室、Arc Institute合作，把SynthID Bio整合进基因组模型Evo 2中， 给 AI 设计的噬菌体基因组加水印 。早期细菌培养实验表明，这些噬菌体功能正常。 加强生物安全 首先要说明的是，SynthID Bio不能直接验证某个蛋白质“安不安全”，它能做的是告诉研究者，这个设计来源于哪里。 先想象这样一个场景： 你是一家DNA合成公司的筛查员，收到一份蛋白质序列订单，查遍数据库都没有匹配得上的，跟任何已知危险序列也对不上号。 过去的逻辑可能是这样的：不认识？那就假设它是自然界尚未被记录的作品，然后放行。 但现在AI能设计出成千上万条跟自然界毫无亲缘关系的蛋白质序列。碰上不认识的，要么逐条复核，要么放行并承担风险。 而水印相当于为合规的AI设计发了一张 来源证明 。 DNA合成商收到带水印的订单，就可以确认它来自哪个模型， 简化筛选流程 ，把审查资源集中到真正可疑的序列上。 合成巨头 Twist Bioscience 把DeepMind的水印技术称为“生物安全工具箱里极具前景的新增项”。 此外，蛋白质数据库（PDB）、UniProt 和GenBank 等公共数据库是直接向公众开放的。如果AI生成的内容匿名涌入，又被错误标注，污染的将是整个科研的地基。 有了水印，数据库可以在提交环节自动标记或复核 AI 合成条目，从而溯到其生成模型和来源 。 DeepMind同步发表了方法论文，在GitHub上以Apache-2.0协议开源代码，并公开体外数据和微调后的AlphaFold 3权重，呼吁生物安全、基因合成和政策等各方共建。 几点疑虑 这套水印方法多少有点“防君子，不防小人”的意味。 有心之人可能不会用带水印的模型。 更别提 SynthID Bio 生成的水印是能够被削弱甚至移除的 ； 如何抵抗蓄意篡改，仍是论文里提到的大难题 。 还有一个问题：为了做推广，DeepMind开源了代码、放出了权重，但是这是否意味着，针对水印的攻防研究也公开化了？ 话说回来，没有任何单一技术能保障生物安全万无一失。合成生物学当前存在的治理困境在于，技术一路向前狂奔，监管却连尾灯都看不