Разработка Google DeepMind помогает отследить происхождение молекул, созданных ИИ. Разбираем, как встраиваются метки в белки и насколько точным оказался детектор.
Исследователи из Google DeepMind разработали технологию, позволяющую внедрять невидимые цифровые водяные знаки непосредственно в биологические последовательности и трехмерные структуры белков. Новый метод, получивший название SynthIDBio, помогает подтвердить происхождение молекул, созданных искусственным интеллектом, не нарушая при этом их биологических функций. Подробности работы опубликованы в журнале Nature.
С развитием ИИ в синтетической биологии возникла необходимость в отслеживании происхождения биологических молекул. Искусственный интеллект активно используется для создания новых белков, но это порождает риски, связанные с биобезопасностью и распространением ложных научных данных. SynthIDBio призван решить эту проблему, став аналогом водяных знаков, которые используются для защиты банкнот, произведений искусства и цифровых фотографий.
Технология работает в двух направлениях в зависимости от того, что именно генерирует ИИ. Если модель создает последовательность аминокислот, водяной знак представляет собой секретный код, скрытый в их порядке. Если же ИИ предсказывает трехмерную структуру белка, невидимый узор встраивается в пространственные координаты его атомов.
Чтобы доказать работоспособность метода, исследователи создали в лаборатории белковые молекулы с водяными знаками, нацеленные на три конкретные мишени: часть шиповидного белка коронавируса, человеческий белок, участвующий в росте кровеносных сосудов, и белок, регулирующий иммунные реакции. Тесты показали, что добавление цифровых меток не оказало существенного влияния на эффективность работы белков. Инструмент обнаружения правильно идентифицировал все последовательности с водяными знаками и более 99,8% трехмерных структур.
Несмотря на успех, у метода есть ограничения. Цифровой узор в 3D-структуре может быть разрушен при стандартных процедурах «релаксации» дизайна, которые улучшают стабильность молекулы. Однако исследователи отмечают, что эту проблему можно решить, если учитывать процесс релаксации при обучении самой модели.
Исследователи, желающие опробовать эту технологию, могут найти исходный код SynthIDBio-sequence на платформе GitHub. По мнению команды, данная работа является техническим доказательством возможности создания биологических водяных знаков, что открывает путь к повышению биобезопасности и научной добросовестности в эпоху ИИ.
