Google DeepMind가 SynthID Bio 발표

Google DeepMind는 AI로 생성된 생물학적 서열과 3D 구조를 식별할 수 있도록 설계된 워터마킹 시스템인 SynthID Bio를 도입했다. 이 기술은 디지털 모델뿐 아니라 합성된 물리적 형태에서도 합성 단백질의 출처를 검증할 수 있게 해, 합성 생물학 분야에서 중요한 출처 추적 기능을 제공한다.

SynthID Bio의 기술적 구현

SynthID Bio는 생물학적 데이터 유형에 따라 다른 워터마킹 방법을 사용하여 단백질의 생물학적 기능을 변경하지 않으면서도 탐지 가능한 신호를 생성한다.

단백질 서열 워터마킹

단백질 서열의 경우, 시스템은 아미노산 선택을 미세하게 유도한다. 이 과정은 ProteinMPNN(일반적인 단백질 서열 생성 방법)의 SynthID Bio 기능을 갖춘 버전과 AlphaProteo를 결합하여 단백질 결합체를 설계하는 데 검증되었다.

3D 구조 워터마킹

단백질 접힘과 3D 구조의 경우, SynthID Bio는 AlphaFold 3의 확산 네트워크의 일부를 미세 조정한다. 워터마크를 모델의 가중치에 직접 삽입함으로써 예측된 3D 좌표는 본질적으로 탐지 가능한 서명을 포함하게 된다. 이 방법은 AlphaFold 3의 예측 정확도를 유지하며 디지털 노이즈나 좌표의 미세 조정에 대해 강건하다.

실험 검증 및 성능

VEGF-A, SARS-CoV-2 스파이크 단백질 RBD, PD-L1 세 가지 표적 단백질에 결합하도록 설계된 단백질 결합체에 대해 실험실 내 테스트를 수행했다. 결과는 워터마크가 부착된 설계가 비워터마크 버전과 세 가지 주요 지표에서 일치함을 보여주었다:

• 히트율: 성공적인 결합체의 빈도
• 결합 친화도: $K_D$로 측정되며, 낮은 값일수록 강한 결합체를 의미함
• 자연 서열 다양성: 생성된 서열의 다양성

생물안보 및 정보 무결성 의미

SynthID Bio는 다른 안전 조치의 허점을 메우기 위해 "스위스 치즈" 방어 모델의 일부로 설계되었다. 생물학적 설계에 실질적인 검증 계층을 추가한다.

DNA 합성 스크리닝

DNA 합성 제공업체는 알려진 위협 데이터베이스와 요청을 비교하여 스크리닝한다. 그러나 생성형 AI는 알려진 위험과 유사하지 않은 완전히 새로운 서열을 생성할 수 있으므로 수동 검토는 시간이 많이 걸릴 수 있다. SynthID Bio는 신뢰할 수 있는 모델에서 생성되었으며 내장된 안전 장치가 있음을 자동으로 증명할 수 있는 검증 신호를 제공하여 스크리닝 과정을 간소화한다.

데이터베이스 무결성

이 기술은 UniProt, GenBank, Protein Data Bank와 같은 공개 생물학 데이터베이스의 오염을 방지하기 위해 AI로 생성된 항목이 적절히 라벨링되거나 경고되도록 보장함으로써, 후속 연구에서 잘못 라벨링된 합성 구조로 인한 오해를 줄이는 데 기여한다.

미래 방향 및 연구

Google DeepMind는 SynthID Bio의 적용을 더 복잡한 생물학적 객체로 확장하고 있다. 스탠포드 대학교 Hie 연구실 및 Arc Institute와 협력하여 Evo 2(유전체 모델)에 SynthID Bio를 통합하여 설계된 세균체의 게놈에 워터마크를 삽입했다. 초기 실험실 테스트 결과, 워터마크가 부착된 세균체가 여전히 기능함이 확인되었다.

연구를 더욱 발전시키기 위해 Google DeepMind는 코드를 오픈소스화하고, 가중치를 공개하며, 방법론 논문과 in vitro 데이터를 연구 공동체에 발표할 예정이다.