SynthID BioをGoogle DeepMindが発表、AI設計タンパク質に消えない透かし

3行でわかる
- SynthID BioはAIが設計したタンパク質の配列と予測構造に検出可能な透かしを埋め込む手法
- VEGF-Aなど3つの標的を使ったウェット実験で、透かし入りの設計は結合力も当たり率も落ちなかった
- 狙いはDNA合成受託のスクリーニング支援で、コードとデータ、モデルの重みを研究コミュニティに公開する
Google DeepMindは現地時間9月30日、AIが設計したタンパク質に電子透かしを埋め込む「SynthID Bio」を発表しました。3つの標的を使った実験室での検証で、透かしを入れた設計も入れない設計と同じだけ結合したとしています。論文はNatureに掲載されました。
何が発表されたか
SynthID Bioは、画像や文章に使われてきたGoogleの透かし技術SynthIDを、合成生物学に持ち込んだものです。デジタルのファイルではなく、合成されたタンパク質そのものから検出できる点が特徴です。
Today, we’re introducing SynthID Bio to bring watermarking technology to synthetic biology.
本日、透かし技術を合成生物学に持ち込むSynthID Bioを発表します。
原文を読む(deepmind.google)手法は2系統です。配列側は、広く使われるタンパク質設計ツールProteinMPNNに、SynthID-textの「トーナメント方式」の選び方を組み込みます。アミノ酸を1つずつ決めていく過程で、タンパク質として成立する選択肢が複数あるときに、秘密鍵から決まる側を選ぶ仕組みです。構造側は、AlphaFold 3の拡散部分を微調整し、予測した3D座標そのものに署名が乗るようにモデルの重みへ埋め込みます。
検証はAlphaProteoで設計した結合タンパク質(他のタンパク質に狙って貼りつく分子)で行われました。標的はVEGF-A、新型コロナウイルスのスパイクタンパク質の受容体結合領域、PD-L1の3つです。公式発表によると、透かし入りの設計は、当たり率・結合親和性・配列の多様性のいずれも透かしなしの版と同等でした。構造側は、論文によれば偽陽性率0.1%の条件で真陽性率99.8%超を保ちつつ、構造予測の精度指標は落ちていません。
Googleは手法の論文に加えて、コードと試験管内の実験データを公開し、モデルの重みも研究コミュニティに提供するとしています。同社は同じ日にフロンティアモデルGemini 4 Argonも発表しており、能力の高いモデルを出すのと並行して安全側の仕組みを示す形になりました。
Biosecurity is one of the most urgent challenges for the AI era. Bringing SynthID to biology so AI-generated proteins can be watermarked is a critical step - and we’re open sourcing SynthID Bio tools so the research community can build on this work. Published in @Nature today,… https://t.co/db3tkb11ZL
— Demis Hassabis (@demishassabis) 2026年9月30日
ハサビス氏はXで、バイオセキュリティはAI時代で最も急を要する課題の一つだとし、ツールのオープンソース化に触れました。
なぜ必要か
透かしが要るのは、審査がDNA合成の発注という一点に集中しているからです。デジタルの設計を実際の分子にするには合成事業者に注文する必要があり、事業者は配列を既知の脅威のデータベースと突き合わせます。Ars Technicaは、AIが設計したタンパク質は誰もその性質を調べていないため、この突き合わせでは判定ができないと説明しています。見慣れない配列を「まだ知られていない天然のものだろう」と見なす従来の前提も、AIが新しい配列を作れるようになって崩れました。
透かしはこの判定を肩代わりするものではなく、精査する対象を絞るための道具です。信頼できる組織の鍵を預かっておけば、見慣れない配列が信頼できるモデルから出たものかを自動で確かめられ、人手の精査はそれ以外に回せます。DNA合成大手Twist Bioscienceのジェームズ・ディガンズ氏は公式発表で、透かしはスクリーニングを強化し、精査が必要な配列に資源を集中させうると述べています。Googleはこのほか、Protein Data BankやUniProt、GenBankのような公開データベースに、AI生成物が誤った扱いのまま混ざるのを防ぐ用途も挙げています。
限界と論点
Googleは概念実証だとしており、運用には業界全体の調整と標準化が要るとしています。論文も、ProteinMPNNで作り直す「再配列化」攻撃では透かしがほぼ消えると報告しています。既知の結合体から出発した場合、構造フィルターを併用した攻撃では当たり率が66〜97%残る一方、フィルターなしでは3〜33%まで落ちるという試算です。
Ars Technicaは、仕組み全体が鍵の配布と管理の安全性に依存すること、短いタンパク質では十分な信号を埋め込めないこと、天然の蛍光タンパク質などを後ろにつなげると透かしが薄まりうることを指摘しています。ProteinMPNNを使わない設計ツールには、そのままでは適用できません。同誌は、実用になるかは明らかでないとしつつ、成立すること自体が興味深いと評しています。
日本のビジネスへの影響
日本からも使えます。論文は公開され、コードと重みは研究コミュニティに提供されるため、大学や創薬スタートアップが自分の設計パイプラインで試せます。ただし製品ではなく、業界標準でもありません。
関係が深いのは、タンパク質設計を外注または内製している創薬・バイオのR&D部門と、合成の受託側です。前者は、自社の設計が「信頼できる出所」として扱われるかどうかが、将来の発注のスムーズさに関わってきます。
いま急ぐ必要はありませんが、DNA合成を外注している企業は、受託先が透かしや由来情報をどう扱う方針かを一度確認しておく価値があります。注意点は、透かしが抑止力であって防御壁ではないことです。悪意ある側は設計をやり直せば透かしを外せるため、既存の審査を置き換えるものとしては扱えません。論文の読み解きにAIを使うなら調べもの・リサーチに強いAIのおすすめも参考にしてください。
一次情報
- 公式発表Google DeepMindIntroducing SynthID Bio
- 公式発表GoogleSynthID Bio watermarks AI-designed proteins
- 論文NatureFunction-preserving watermarking of AI-generated proteins
- X投稿X @demishassabisDemis Hassabis の投稿
参考にした報道(1件)
AIデジマは、公式発表・X投稿・論文などの一次情報を起点に、複数の情報源を照合して日本語でまとめています。情報の収集・翻訳・下書き・照合にはAIを使い、編集方針と最終責任は編集長が負います(AIの活用について)。誤りを見つけた場合は訂正のご連絡をお願いします。