Google DeepMindは2026年9月30日、AIが設計したタンパク質に検証可能な電子透かしを埋め込む技術「SynthID Bio」を発表した。生物学的な機能を保ったまま、そのタンパク質がAI生成であることを後から検証できるようにする仕組みだ。

バイオセキュリティの新たな防御層

AI設計タンパク質の増加に伴い、従来のDNA合成スクリーニングをすり抜けるリスクや、AI生成構造がデータベースを汚染するリスクが指摘されてきた。新規に設計された配列は既知の脅威と類似していないため、自動スクリーニングでは検知が難しい。SynthID Bioは、こうした課題に対する「スイスチーズモデル」型の多層防御における一つの層として位置づけられている。

仕組みと対応ツール

SynthID Bioは、タンパク質配列ではアミノ酸の選択を微妙に誘導し、3D構造では原子座標を調整することで透かしを埋め込む。タンパク質の折り畳み予測にはAlphaFold 3の拡散ネットワークの一部を微調整し、重みに検証可能な署名を組み込んだ。DeepMindによると、この手法はAlphaFold 3本来の予測精度を保ちながら、ほぼ完璧な検出可能性を実現したという。

対応するツールにはタンパク質バインダー設計の「AlphaProteo」、配列生成の「ProteinMPNN」（SynthID Bio対応版）、3D構造予測の「AlphaFold 3」に加え、スタンフォード大学Hie研究室と共同開発したバクテリオファージゲノム設計モデル「Evo 2」が含まれる。VEGF-A・SARS-CoV-2スパイクタンパク質RBD・PD-L1の3標的を用いた検証では、透かしなし版と同等のヒット率・結合親和性・天然配列の多様性を確認したとしている。

現状は研究段階、オープンソース化へ

DeepMindは方法論をまとめた論文を発表するとともに、コードとin vitroデータをオープンソース化し、モデルの重みも研究コミュニティに公開する。スタンフォード大学のHie研究室やArc Instituteと共同研究を続けており、次段階の課題として意図的な改ざんへの耐性強化や、より複雑な生物学的対象への応用拡大を挙げている。

想定される応用先には、DNA合成受注時に信頼できるモデル由来かどうかを自動検証する仕組みや、Protein Data Bank・UniProt・GenBankといった公開データベースにおけるAI生成エントリのラベリングと追跡が含まれる。C2PAのような既存のメタデータ標準との統合も検討されており、AI創薬・合成生物学の分野で「出どころの証明」が今後の標準的な要件になっていく可能性がある。