Google DeepMind「SynthID Bio」発表——AI設計タンパク質に検出可能な透かしを刻む新技術

Google DeepMindは、AIが設計したタンパク質の配列や立体構造に、生物学的な機能を保ったまま検出可能な透かしを埋め込む新技術「SynthID Bio」を発表しました。画像や文章向けの透かし技術として知られるSynthIDを、合成生物学の領域まで拡張した取り組みです。AIによるタンパク質設計が急速に広がる一方で、設計物の出所を追跡する手段が乏しいという課題に対し、一次情報源として明確な解決策を示した発表といえます。

SynthID Bioの仕組み

SynthID Bioは、データの種類に応じて透かしの埋め込み方法を変える点が特徴です。タンパク質の配列データに対しては使用するアミノ酸の選び方をわずかに調整し、予測された3D構造に対しては原子の座標を微調整することで、検出可能な信号を作り出します。Google DeepMindは、タンパク質設計手法「AlphaProteo」とSynthID Bio対応版の「ProteinMPNN」を組み合わせ、VEGF-A、新型コロナウイルスのスパイクタンパク質受容体結合領域、PD-L1という3つの標的タンパク質を対象にウェットラボ実験を実施しました。その結果、透かし入りの設計は、結合率・結合親和性・配列の自然な多様性のいずれにおいても、透かしなしの設計と同等の性能を示したといいます。今回の成果は、デジタル空間にとどまらず、実際に合成された物理的なタンパク質のレベルで透かしを検証できた初めての例だとGoogle DeepMindは位置づけています。

画像引用元: Google DeepMind Blog

AlphaFold 3への透かし組み込み

立体構造予測については、さらに踏み込んだアプローチが取られています。AlphaFold 3の拡散ネットワークの一部を微調整し、透かしを埋め込む機能をモデルの重み自体に組み込みました。これにより、誰がモデルを実行しても、出力される3D座標に検出可能な署名が自動的に含まれる仕組みになっています。Google DeepMindによれば、この手法はAlphaFold 3本来の予測精度を保ちながら、ほぼ完璧な検出率を実現し、デジタルノイズや座標のわずかな変更に対しても頑健性を維持しているとのことです。掲載された比較図では、通常のAlphaFold 3による予測構造と正解構造、そして透かし入りの予測構造がほぼ重なり合う様子が示されており、構造的な特徴を損なわずに署名を埋め込めていることがうかがえます。

バイオセキュリティを支える検証レイヤー

Google DeepMindは、バイオセキュリティを「スイスチーズモデル」のような多層防御として捉えており、SynthID Bioはその中で生物学的設計そのものに埋め込まれた検証レイヤーとして機能すると位置づけています。DNA合成企業Twist Bioscienceのジェームズ・ディガンズ氏は、この技術について「スクリーニングを強化し、精査が必要な配列にリソースを集中させ、AI設計生物学が進歩し続けるなかでバイオセキュリティの効率を高める可能性がある」とコメントしています。これまでAI設計による未知の配列は、既知の危険物との類似性が低いために安全な自然発生物と誤認されるリスクがありましたが、SynthID Bioは注文がどのモデルから生まれたものかを示す自動検証の手がかりを提供します。Protein Data BankやUniProt、GenBankのような公開データベースの正確性を保つ用途にも応用が期待されています。

ゲノム編集への拡張と今後の展開

Google DeepMindはスタンフォード大学およびArc Instituteと共同で、ゲノムモデル「Evo 2」にSynthID Bioを統合し、バクテリオファージ(細菌に感染するウイルス)のゲノムに透かしを埋め込む研究にも着手しています。細菌培養を使った初期のラボ実験では、透かし入りのバクテリオファージが正常に機能することが確認されたとのことです。改ざんへの耐性向上が今後の課題として挙げられており、Google DeepMindは研究論文やデータ、モデルの重みを研究コミュニティに公開する方針も示しています。バイオセキュリティ、遺伝子合成、政策の各分野のパートナーと連携しながら、AIによる発見のスピードに安全性を追いつかせたいという狙いがうかがえます。単独の対策で万全になるわけではないとしつつも、Google DeepMindは今回の技術を、生成AIが生物学の研究を加速させる時代に欠かせない「最初の一歩」と説明しており、今後も他の研究機関との連携を広げていく考えを示しています。