Google DeepMind vkládá do AI proteinů podpis, který přežije laboratoř

Podpis ukrytý v sekvenci i ve 3D struktuře

AI dnes pomáhá navrhovat proteiny, tedy molekuly složené z řetězců aminokyselin. Tyto návrhy mohou sloužit například jako výchozí bod pro výzkum léčiv nebo diagnostických metod. Problém je v tom, že samotný digitální soubor nemusí spolehlivě ukazovat, odkud návrh pochází a jak vznikl.

SynthID Bio řeší původ návrhu pomocí podpisu, který není okem viditelný a nemá měnit zamýšlené použití proteinu. U proteinových sekvencí metoda mírně ovlivňuje výběr aminokyselin při generování. U předpovězených struktur upravuje atomární souřadnice tak, aby v nich zůstal detekovatelný vzor.

Nejde tedy o štítek přilepený k souboru. Vodoznak je součástí samotného biologického návrhu. U sekvence se může přenést do fyzického proteinu, který vznikne po objednání a laboratorní syntéze. U 3D modelu je podpis uložený přímo ve způsobu, jakým model popisuje prostorové uspořádání atomů.

Google DeepMind metodu spojil s nástroji AlphaProteo a ProteinMPNN. ProteinMPNN se používá k návrhu proteinových sekvencí na základě předem určené struktury. Pro předpovědi 3D uspořádání tým upravil část difúzní sítě modelu AlphaFold 3.

Laboratorní testy na třech proteinech

Výzkumníci metodu ověřili v mokré laboratoři, nikoli pouze v počítačové simulaci. Testovali vazebné proteiny zaměřené na VEGF-A, RBD doménu spike proteinu SARS-CoV-2 a PD-L1. Vazebný protein je navržen tak, aby se selektivně přichytil k jiné molekule.

Vodoznakované návrhy podle publikovaných výsledků dosáhly srovnatelné míry zásahu, vazebné afinity a přirozené diverzity sekvencí jako varianty bez vodoznaku. Vazebná afinita se měří mimo jiné pomocí hodnoty K_D. Nižší hodnota obvykle znamená silnější vazbu mezi molekulami.

Studie v časopise Nature popisuje testování 222 nevodoznakovaných a 267 vodoznakovaných sekvencí pro každé použité nastavení v experimentální části. Autoři uvádějí, že mezi vodoznakovanými a nevodoznakovanými variantami nebyly na úrovni celé testované skupiny zjištěny významné rozdíly ve vazebné afinitě.

To je důležitější než samotná existence vodoznaku. Pokud by podpis protein příliš změnil, vědci by jej nemohli používat v běžném návrhovém procesu. V takovém případě by šlo o bezpečnostní značku, která by zároveň znehodnotila objekt, jenž má označit.

Výsledky pro predikované struktury

U struktur vytvořených upraveným modelem SynthID Bio uvádí detekovatelnost přesahující 99,8 procenta při nastavené míře falešně pozitivních výsledků 0,1 procenta. U nejmírnější varianty vodotisku se podle Nature nezhoršily hodnoty LDDT ani skóre hodnocení šablon ve srovnání se základní předpovědí AlphaFold 3.

Detekce zůstala vysoká také po běžných změnách, například po otočení struktury nebo přidání malého množství šumu. U velmi krátkých struktur s méně než 16 zbytky byla přesnost nižší, u delších struktur se podle studie rychle dostávala nad 99 procent.

Čísla je ale potřeba číst jako výsledky konkrétního výzkumného nastavení. Nejde o nezávislý test všech proteinů ani o důkaz, že každý AI návrh bude označen stejně spolehlivě.

Využití při kontrole DNA syntézy

Jedním z praktických použití je kontrola objednávek u společností, které vyrábějí DNA podle dodané sekvence. Tyto firmy dnes prověřují, zda objednávané sekvence nemohou souviset s nebezpečnými organismy nebo toxiny.

AI však umí navrhovat nové sekvence, které se nemusí podobat známým rizikovým vzorům. Samotné srovnání s databází proto nemusí stačit. U neznámé sekvence pak může následovat ruční posuzování, které zpomalí legitimní výzkum.

Vodoznak by v takovém procesu mohl sloužit jako další ověřovací signál. Poskytovatel syntézy by mohl zjistit, zda návrh pochází z modelu, jehož výstupy byly vytvořeny s určitými bezpečnostními opatřeními. Takový signál nenahrazuje kontrolu objednávky, doplňuje ji.

Google DeepMind zmiňuje také databáze Protein Data Bank, UniProt a GenBank. U těchto zdrojů může být problémem nesprávné označení syntetických nebo AI-generovaných záznamů. Vodoznak by mohl pomoci označit záznam k další kontrole nebo jej správně zařadit už při odeslání.

To je podobný princip jako u digitálních médií, kde se původ souboru může doplňovat pomocí metadat nebo kryptografických podpisů. Biologický vodoznak má jednu výhodu: informace je spojena přímo se sekvencí nebo strukturou. Současně však vzniká otázka, jak dobře vydrží úmyslné úpravy.

Omezení a dostupnost pro český trh

SynthID Bio zatím není běžně dostupný nástroj s webovým rozhraním, předplatným nebo API pro vývojáře. Google DeepMind oznámil zveřejnění metod, kódu, dat z laboratorních testů a vah modelů pro výzkumnou komunitu. Konkrétní cena ani komerční tarif uvedeny nebyly.

Pro české laboratoře a firmy tedy dnes nejde o službu, kterou by bylo možné jednoduše zapnout v češtině nebo objednat v rámci lokální nabídky. Výzkum má mezinárodní charakter a jeho využití v Evropské unii by záviselo také na tom, zda se na společném postupu shodnou vývojáři modelů, poskytovatelé DNA syntézy, výzkumné instituce a regulátoři.

Podstatné omezení ukázala sama studie. U sekvenčního vodoznaku resekvencování pomocí ProteinMPNN vodotisk účinně odstranilo. Výzkumníci proto nepopisují SynthID Bio jako ochranu proti každému pokusu o manipulaci. Jde o metodu pro určování původu u návrhů, které zůstanou v očekávaném pracovním postupu.

Autoři také uvádějí, že praktické zavedení vyžaduje další výzkum, koordinaci mezi firmami a standardizaci. Jednotlivý vodoznak sám o sobě nevyřeší bezpečnost syntetické biologie. Může však přidat ověřovací vrstvu mezi AI návrhem, objednávkou DNA a záznamem ve vědecké databázi.

Výzkum byl oficiálně oznámen 30. září 2026 a současně publikován v časopise Nature. Jde o důkaz, že lze biologický návrh označit bez měřitelného zhoršení testované funkce. Další práce se bude muset vypořádat hlavně s úmyslným odstraňováním podpisu a s tím, jak metodu zapojit do provozu více nezávislých organizací.

FAQ