Google DeepMind je 30. septembra 2026. predstavio SynthID Bio, skup metoda za „vodeni žig” u sintetičkoj biologiji. Cilj je da se AI-generisane proteinske sekvence i strukture mogu proveriti, bez narušavanja njihove biološke funkcije.
Kompanija navodi da tehnologija ubacuje neprimetan potpis u biološki zapis, tako da se može prepoznati i u digitalnom modelu i u samom sintetisanom proteinu. Prema objavljenim rezultatima, ovaj pristup je u laboratorijskim testovima zadržao funkcionalnost proteina.
Kako je SynthID Bio testiran
DeepMind je SynthID Bio proverio na više tipova bioloških zadataka. Za dizajn proteinskih veziva, molekula koji se vezuju za druge proteine, sistem je kombinovan sa metodom ProteinMPNN i sa sopstvenim alatom AlphaProteo.
U eksperimentima sa tri cilja — VEGF-A, delom spike proteina SARS-CoV-2 označenim kao RBD i proteinom PD-L1 — watermarkovani dizajni su, prema tvrdnji kompanije, imali sličan uspeh, afinitet vezivanja i prirodnu raznovrsnost sekvenci kao verzije bez vodotiska. To znači da u tim testovima nije primećen pad korisnosti modela.
Za predviđanje 3D strukture proteina, SynthID Bio je ugrađen u mali deo difuzione mreže AlphaFold 3. Difuziona mreža je tip modela koji postepeno gradi rezultat iz šuma. DeepMind navodi da takvo podešavanje omogućava da i predviđene koordinate nose signal koji se može otkriti, uz očuvanje tačnosti predikcije.
Zašto je ovo važno
Objava dolazi u trenutku kada generativna AI sve više ulazi u biologiju, od predviđanja strukture proteina do dizajna novih molekula. To donosi praktične koristi za istraživanje i razvoj lekova, ali otvara i pitanja bezbednosti i porekla podataka.
DeepMind ističe dva problema. Prvi je da AI može da generiše potpuno nove proteinske sekvence koje je teže uhvatiti postojećim sistemima za proveru narudžbina kod kompanija koje sintetišu DNK. Drugi je rizik da pogrešno označeni sintetički 3D modeli i sekvence završe u javnim bazama i tako utiču na dalja istraživanja.
Zato kompanija SynthID Bio predstavlja kao dodatni sloj zaštite u takozvanom „Swiss cheese” modelu bezbednosti, gde više nezavisnih barijera smanjuje mogućnost propusta. Prema DeepMind-u, to može pomoći i DNK sintetizerima da brže prepoznaju sumnjive narudžbine, kao i bazama podataka kao što su Protein Data Bank, UniProt i GenBank da obeleže sintetičke unose ili ih pošalju na dodatnu proveru.
Šta je objavljeno uz alat
Kompanija je uz blog objavu najavila i naučni rad, kao i otvaranje koda, in vitro podataka i težina modela za istraživačku zajednicu. Time želi da omogući dalji razvoj metode i proveru rezultata.
DeepMind takođe navodi da je SynthID Bio testiran i na proširenju za DNK bakteriofaga u saradnji sa Stanfordom i Arc Institute. U tom radu, prema objavi, laboratorijska testiranja u bakterijskim kulturama potvrdila su da su vodeno žigosani bakteriofagi funkcionalni.
Ograničenja i naredni koraci
Iako metoda predstavlja korak ka praćenju porekla AI-generisanih bioloških dizajna, DeepMind ne tvrdi da je to potpuno rešenje. U objavi se navodi da je sledeći izazov jačanje otpornosti na namerno menjanje ili uklanjanje vodenog žiga.
Kompanija vidi SynthID Bio i kao dopunu drugim pristupima, poput metapodataka o poreklu i centralizovanih repozitorijuma AI-generisanih bioloških podataka. Poruka objave je da će bezbednosni sistemi morati da prate tempo razvoja modela koji sve češće ulaze u biološki dizajn.
Za istraživače i kompanije koje rade sa sintetičkom biologijom, ovo znači da će poreklo modelom generisanih sekvenci i struktura verovatno postajati važan deo budućih procedura provere i dokumentovanja.
