专题 · FULL STORY

SynthID Bio：DeepMind开源蛋白质水印

DeepMind 在 Nature 发表论文并开源 SynthID Bio，为合成蛋白质嵌入功能保持的水印以甄别 AI 生成序列。随后作者 David Stutz 回应技术提问，称方案目前基于 AlphaFold 3，但有望泛化至多种折叠模型。

2026-09-30 ~ 2026-10-01 · 2 集 · 13 条

第 1 集 · DeepMind 发布开源蛋白质水印 SynthID Bio(2026-09-30,10 条)

Google DeepMind 在 Nature 发表论文，推出面向合成生物学的蛋白质水印方法家族 SynthID Bio，并宣布将工具开源。这是首批「功能保持」的水印成果：签名直接写入生物编码本身，不破坏蛋白质功能与 AI 设计质量，且能从数字设计「存活」到实验室物理合成后的实体蛋白，对生物安全与研究可追溯性有直接价值。

已确认

  • 论文由 DeepMind 团队发表，CEO Demis Hassabis 转发宣布，工具将开源，面向生物安全与研究诚信两大目标
  • 水印嵌入生物编码而非仅停留在数字模型层；即便蛋白质被物理合成，水印仍可检测
  • 技术随数据类型自适应：对蛋白质序列微调氨基酸选择，对预测 3D 结构调整原子坐标，形成可靠检测信号
  • 实验验证：三个靶点的测试中，带水印蛋白（包括 VEGF-A 结合剂）的结合性能与未水印版本相当
  • 应用定位像「数字身份证」：帮助 DNA 合成实验室验证合成蛋白来源、保持序列数据库准确；随着 AI 生物设计请求规模化，内置防护的验证机制可帮助实验室自动化并强化生物安全；背景在于 AI 设计的新蛋白可能绕过传统 DNA 合成筛查
  • DeepMind 研究员 David Stutz 补充技术取舍：其蛋白质结构水印方案主要面向开放权重的 AlphaFold 3 模型，因此未做 multi-bit（多位）水印解决方案，与 FoldMark 等相关工作路线不同

尚未确认

  • 据 marinkazitnik 转述的 Nature 报道，这类数字标记虽有望识别 AlphaFold 等 AI 工具设计的蛋白质，但标记可被抹除，实际防护强度有待评估

为什么重要

  • 蛋白质设计 AI 能力快速增长，能区分 AI 设计与天然蛋白质对生物安全筛查和研究可追溯性有直接价值
  • 这是 SynthID 水印思路从文本、图像等数字内容扩展到分子生物编码的首批成果，验证了「数字签名写进生命分子」的可行性

第 2 集 · 谷歌SynthID Bio蛋白质水印技术细节揭晓 有望泛化至多种折叠模型(2026-10-01,3 条)

谷歌 SynthID Bio 蛋白质结构水印作者 David Stutz 在 X 上回应技术提问:该方案目前仅在 AlphaFold 3 上应用,但许多 SOTA 折叠模型有相似架构,有望泛化。方案复用 AF3 微调即可嵌入水印,避免了传统两阶段训练和编码器-解码器预训练,实现更简单。他还坦承水印的可微分性尚未在论文中研究,多个水印之间是否存在干扰也不清楚,呼吁社区像图像水印领域那样深入研究水印干扰问题。