Google DeepMind разработала водяные знаки для сгенерированных ИИ белков

Google DeepMind представила SynthIDBio — методы, которые встраивают обнаруживаемую метку непосредственно в аминокислотные последовательности и предсказанные трехмерные структуры. Эксперименты показали сохранение функций белков и высокую точность распознавания метки, однако разработка пока остается доказательством концепции.

Исследователи Google DeepMind описали в журнале Nature SynthIDBio — семейство методов для маркировки созданных искусственным интеллектом последовательностей и структур белков. Скрытая метка позволяет установить происхождение биологического объекта без отдельной базы данных или легко удаляемых метаданных.

SynthIDBio-sequence интегрируется в модель проектирования последовательностей ProteinMPNN и с помощью секретного ключа влияет на выбор допустимых аминокислот. Статистическая метка распределяется по всей последовательности. В лабораторных испытаниях маркированные белки связывались с заданными мишенями с сопоставимой эффективностью.

Второй метод, SynthIDBio-structure, основан на дообученной версии AlphaFold 3 и оставляет скрытый сигнал в предсказанных трехмерных структурах. Точность его обнаружения превысила 99,8% при уровне ложных срабатываний 0,1%, практически не повлияв на ключевые показатели качества структуры.

Технология может помочь сервисам синтеза ДНК и научным базам данных проверять происхождение новых последовательностей. При этом авторы отмечают, что метки можно ослабить повторным проектированием или изменением белка, а практическое внедрение потребует защищенного обмена ключами и отраслевых стандартов. Код SynthIDBio-sequence и инструкции по доступу к структурной модели опубликованы в репозитории Google DeepMind.