SynthID Bio to nowe narzędzie Google DeepMind, które oznacza białka zaprojektowane przez AI niewidocznym znakiem wodnym. Firma ogłosiła je 30 września, a opis metody ukazał się w czasopiśmie Nature. Najważniejszy wynik: w testach laboratoryjnych oznaczone białka działały tak samo jak nieoznaczone.
Jak działa SynthID Bio
Narzędzie ma dwa warianty. Pierwszy działa na poziomie sekwencji. Podczas generowania lekko wpływa na wybór aminokwasów według klucza kryptograficznego, co tworzy statystyczny wzór możliwy do późniejszego wykrycia. Drugi wariant dotyczy struktur 3D. DeepMind dostroił część sieci dyfuzyjnej AlphaFold 3 tak, by drobne zmiany współrzędnych atomów niosły ukryty sygnał. Znak jest zapisany w wagach modelu, więc pojawia się niezależnie od tego, kto model uruchamia.
Wersję sekwencyjną wbudowano w popularne narzędzie ProteinMPNN. Zespół sprawdził ją na białkach wiążących trzy cele: VEGF-A, domenę RBD białka kolca SARS-CoV-2 oraz PD-L1. Według DeepMind oznaczone projekty miały taki sam odsetek trafień, powinowactwo wiązania i różnorodność sekwencji jak wersje bez znaku. Badania in vitro przeprowadziła firma Adaptyv Bio. Razem z zespołem ze Stanfordu i Arc Institute technikę dodano też do modelu genomowego Evo 2, który projektuje bakteriofagi.
Po co znakować białka
Chodzi o bezpieczeństwo biologiczne. Firmy syntetyzujące DNA sprawdzają zamówienia, porównując je z bazą znanych zagrożeń. Sekwencja zaprojektowana przez AI może nie przypominać niczego znanego i przejść taką kontrolę. Znak wodny daje dostawcy dodatkową informację o pochodzeniu projektu. Drugi cel to porządek w publicznych bazach, takich jak Protein Data Bank, UniProt czy GenBank, gdzie wygenerowane wpisy mogłyby uchodzić za dane eksperymentalne.
DeepMind otwarcie przyznaje ograniczenia. Odporność na celowe usunięcie znaku wymaga dalszych prac. Jak zauważa The Next Web, bardzo krótkie białka mogą nie nieść wystarczająco silnego sygnału, a łączenie białek może go rozmyć. Wiele narzędzi projektowych nie korzysta też z ProteinMPNN, więc realny zasięg zależy od tego, czy inni twórcy modeli przyjmą podobne rozwiązanie. Firma opisuje SynthID Bio jako jedną z warstw ochrony, a nie kompletne zabezpieczenie. Kod, dane laboratoryjne i wagi modeli udostępniono badaczom.
Co to znaczy dla firm w Polsce
Bezpośrednio dotyczy to biotechnologii, farmacji i laboratoriów, które korzystają z narzędzi do projektowania białek. Takie zespoły mogą już teraz pytać dostawców modeli, czy wyniki są oznaczane i jak zweryfikować pochodzenie sekwencji. Szersza lekcja jest uniwersalna. Oznaczanie treści generowanych przez AI przestaje dotyczyć wyłącznie tekstu, obrazów i dźwięku. Unijny AI Act przewiduje obowiązki przejrzystości dla treści syntetycznych, a logika śledzenia pochodzenia danych obejmuje kolejne dziedziny. Firmy wdrażające generatywną AI powinny wiedzieć, które materiały powstały z udziałem modeli, i umieć to udokumentować.
Źródło: Google DeepMind, Introducing SynthID Bio (EN), 30 września 2026; The Next Web (EN), 1 października 2026; Nature, Function-preserving watermarking of AI-generated proteins (EN).
