SynthID Bio. Google DeepMind znakuje białka zaprojektowane przez AI

Po co znakować białka projektowane przez AI

Modele takie jak AlphaFold 3, ProteinMPNN czy AlphaProteo pozwalają dziś zaprojektować białko o zadanych właściwościach w kilka godzin. Dla nauki to duże przyspieszenie, ale dla bezpieczeństwa biologicznego oznacza nowy problem. Obecne systemy kontroli zamówień na syntezę DNA porównują sekwencje z bazą znanych zagrożeń, a AI potrafi tworzyć sekwencje niepodobne do niczego, co już znamy.

Google DeepMind proponuje dodatkową warstwę ochrony: znak pochodzenia wpisany w sam projekt. Jeśli firma syntetyzująca DNA wykryje taki znak, dostaje sygnał, że projekt powstał w modelu z zabezpieczeniami. Znak ma też pomóc bazom danych, takim jak Protein Data Bank, UniProt i GenBank, oznaczać wpisy wygenerowane przez AI. Firma opisuje to jako jedną z wielu warstw zabezpieczeń, a nie samodzielną barierę.

Jak działa SynthID Bio

Metoda wykorzystuje doświadczenia z SynthID, czyli znaków wodnych Google dla tekstu, obrazów i wideo, o których pisaliśmy w komentarzu o weryfikacji treści AI. W białkach margines jest jednak mniejszy, bo nawet pojedyncza zmiana aminokwasu może zepsuć działanie cząsteczki. Dlatego znak wprowadzany jest tylko tam, gdzie model i tak ma kilka równie dobrych opcji.

• wersja sekwencyjna: podczas generowania sekwencji przez ProteinMPNN wybór kolejnych aminokwasów jest delikatnie przesuwany według tajnego klucza, co tworzy statystyczny wzorzec możliwy do wykrycia,
• wersja strukturalna: dostrojona sieć dyfuzyjna AlphaFold 3 nieznacznie przesuwa współrzędne atomów w przewidywanej strukturze, zachowując dokładność predykcji,
• genomy: DeepMind razem z laboratorium Hie z Uniwersytetu Stanforda i Arc Institute wpisał znak w genom bakteriofaga zaprojektowany modelem Evo 2, a pierwsze testy na kulturach bakterii wskazują, że fagi nadal działały.

Wyniki testów w laboratorium

Najważniejszy wynik dotyczy funkcji białek. Zespół zaprojektował białka wiążące dla trzech celów: czynnika wzrostu VEGF-A, fragmentu białka kolca SARS-CoV-2 i białka PD-L1, ważnego w immunoterapii nowotworów. Testy wykonała firma Adaptyv Bio. Wersje ze znakiem miały podobny odsetek trafień, podobne powinowactwo wiązania i podobną różnorodność sekwencji jak wersje bez znaku.

W przypadku struktur autorzy podają, że znakowany AlphaFold 3 zachowuje dokładność oryginału przy niemal bezbłędnej wykrywalności. Znak przetrwał też szum cyfrowy i drobne zmiany współrzędnych. Uwagi do metody zgłaszały Twist Bioscience, jeden z największych dostawców syntezy DNA, oraz Science Policy Consulting.

Ograniczenia metody

Autorzy wprost piszą, że największym wyzwaniem jest odporność na celowe usunięcie znaku. Osoba, która świadomie zmodyfikuje sekwencję lub użyje modelu bez znakowania, może go ominąć. Znak działa więc przede wszystkim jako potwierdzenie pochodzenia z zaufanego źródła, a nie jako wykrywacz każdego projektu AI.

Metodę przetestowano na białkach wiążących i bakteriofagach. Bardziej złożone obiekty biologiczne wymagają dalszych badań. Działanie całego systemu zależy też od tego, czy znakowanie przyjmą inni twórcy modeli i dostawcy syntezy DNA, a na razie nie istnieje żaden wspólny standard branżowy.

Znaczenie dla laboratoriów i firm biotechnologicznych w Polsce

Dla polskich zespołów korzystających z AlphaFold lub ProteinMPNN SynthID Bio nie zmienia na razie codziennej pracy. Nie ma obowiązku znakowania, a kod jest publiczny i można go przetestować we własnych projektach. Zmiana może przyjść od strony dostawców syntezy DNA, jeśli zaczną traktować obecność znaku jako element weryfikacji zamówień.

W naszej ocenie warto śledzić ten temat razem z innymi programami weryfikacji w naukach o życiu, na przykład programem Anthropic dla badaczy czy modelem GPT-Rosalind od OpenAI. Firmy biotechnologiczne powinny już teraz dokumentować, którymi modelami AI projektują sekwencje. Taka dokumentacja ułatwi ewentualne dostosowanie się do przyszłych wymagań dostawców lub regulatorów.