[文献前沿] Nature｜Google DeepMind 团队：无损生物功能的 AI 生成蛋白质数字水印系统 SynthIDBio

人工智能已成为蛋白质设计的核心引擎：RFdiffusion 可以从头生成蛋白骨架乃至结合蛋白 ^[3]，ProteinMPNN 在给定骨架上完成氨基酸序列设计 ^[2]，AlphaFold 与 AF3 把结构预测推向原子精度并承担设计结果的评估过滤 ^[4][5]，整个领域正从设计新结构走向可编程功能 ^[1]。当前主流的结合蛋白设计流程，正是“生成骨架—ProteinMPNN 重设计序列—AF3 类结构指标筛选”的串联。

设计能力突飞猛进，生成结果的溯源却卡在方法上。DNA 合成是 AI 设计蛋白走向实体的咽喉环节，已有评估显示开源设计工具产出的蛋白变体能够躲过合成服务商的现行筛查 ^[7]，也有倡议主张把合成序列数据集中入库、仅在紧急时查询 ^[6]。但集中式数据库需要中心协调、规模化时易出假阳性且有隐私顾虑；密码学签名的元数据虽保隐私却容易被剥离。水印把签名嵌入生成对象本身，在文本与多媒体领域已进入产品，可否迁移到蛋白质并不清楚——在这里，质量保持对设计蛋白意味着保持可实验验证的功能，对结构预测意味着保持预测精度，而现有蛋白水印要么局限于 PDB 天然单体的纯计算实验，要么给结构加水印时精度明显下降，功能保持的方案此前并不存在。

这篇论文提出的 SynthIDBio 同时覆盖序列与结构。SynthIDBio-sequence 把 SynthID-text 的锦标赛采样接入 ProteinMPNN：由前文 H 元组与密钥经哈希得到随机种子，用打分函数偏置逐位点的采样分布，检测时凭同一密钥重算平均 g 值即可判定。针对设计常用低温（默认 0.1）导致熵不足的问题，作者提高采样温度（0.3、0.5）或在层间重复密钥以获得更强的失真式水印（H=4、L=25），并基于 23 个靶标的非水印设计及 PDB、UniRef50 天然序列校准检出阈值。体外实验利用 AlphaProteo 已知骨架重设计序列，获得 SARS-CoV-2 受体结合域的低纳摩尔结合物，以及 VEGF-A 与 PD-L1 的亚纳摩尔结合物，且水印不改变结合亲和力分布与命中率。SynthIDBio-structure 则微调 AF3 的扩散模块，将水印目标并入扩散损失并与检测器联合训练：在 AF3 评估集上检出近乎完美，对全局精度的影响可忽略、对键几何影响极小，并稳健于刚体变换和噪声；水印信息藏于原子间距离中，与 AF3 自身预测相对真值的自然涨落难以区分，检测器保持私密、不随模型公开。

SynthIDBio 以实验验证表明，高检出与功能、质量保持可以兼得，把蛋白水印从纯计算推进到真实结合功能层面。但正如作者强调的，水印是否“失真”只关乎氨基酸分布而非生物学语义，功能影响只能靠实验检验；而要在生物安全与科研诚信场景实际落地，除进一步创新外，还依赖全行业的协调与标准化。