핵심 요약
- 워터마크 결합체, 결합 성공률 유의미한 차이 없어
- 출처 표시를 생성 단계에 넣은 설계
- 공개 코드·가중치로 자사 조건에서 검증
- AI 생성물 표시, 어느 단계에서 붙나
구글 딥마인드가 2026년 9월 30일(현지시간) 공개한 신스ID 바이오(SynthID Bio)는 AI 설계 단백질에 기능을 유지한 채 식별 신호를 넣고, 합성된 분자에서도 확인되는 생물학 전용 워터마크입니다. 1300개 이상의 결합체를 실제로 합성한 실험에서 워터마크가 적용된 결합체는 워터마크가 없는 단백질과 비교해 결합 성공률·결합 친화도에서 유의미한 차이가 나타나지 않았습니다.
신스ID 바이오는 어떻게 작동하나
단백질의 아미노산 서열이나 3차원 원자 좌표를 미세하게 조정해 눈에 보이지 않는 워터마크를 남기면서, 본래의 생물학적 기능은 유지하도록 설계됐습니다. 디지털 모델뿐 아니라 실제로 합성된 단백질 분자에서도 신호를 확인할 수 있다는 점이 핵심입니다.
- 서열 워터마크: 생물학적 기능을 해치지 않도록 유사한 성질을 지닌 아미노산 선택을 미세하게 교체합니다. 단백질 설계 모델 알파프로테오(AlphaProteo)와 단백질 서열 생성 모델 프로틴MPNN(ProteinMPNN)에 적용해 실험했습니다.
- 합성 실험: 혈관내피성장인자 VEGF-A, 코로나19 바이러스 스파이크 단백질의 수용체 결합 영역(RBD), PD-L1 등 3개 단백질을 대상으로 1300개 이상의 결합체를 합성했습니다. 결합 성공률·결합 친화도·자연 서열 다양성에서 유의미한 차이가 나타나지 않았고, 질량분석기 등 실제 단백질 분석 장비로 물리적 분자 표본 속 워터마크 신호를 식별했습니다.
- 구조 워터마크: 알파폴드3(AlphaFold 3)의 확산 네트워크 일부를 미세조정해 모델 가중치 자체에 워터마킹 기능을 넣었습니다. 구글 딥마인드는 구조 예측 정확도 손실을 1% 미만으로 유지했고, 서열 변형이나 잡음이 가해져도 99% 이상의 정확도로 워터마크를 확인했다고 밝혔습니다.
- 유전체 적용: 유전체 설계 모델 에보2(Evo 2)가 설계한 박테리오파지 유전체에 워터마크를 넣고 세균 배양 실험을 진행했으며, 초기 결과에서 기능이 유지된 것으로 확인됐다고 밝혔습니다.
생물보안에서 무엇이 달라지나
구글 딥마인드는 신스ID 바이오가 생물보안에도 활용될 수 있다고 설명했습니다. 기존 DNA 합성업체의 보안 검사는 알려진 위험 물질의 서열과 비교하는 방식에 크게 의존하는데, AI가 기존 생물학적 서열과 유사하지 않은 새로운 단백질이나 유전체를 만들어내면 이 방식만으로는 출처와 위험성을 가려내기 힘들어집니다. 구글 딥마인드가 제시한 활용처는 두 가지입니다.
- DNA 합성 과정에서 AI 모델이 생성한 설계임을 확인하는 신호로, 추가 검토가 필요한 주문을 식별
- 단백질 데이터뱅크(PDB), 유니포트(UniProt), 젠뱅크(GenBank) 같은 생물학 데이터베이스에 AI가 만든 데이터를 등록할 때 합성 데이터임을 표시하거나 별도 검토 대상으로 분류
한계도 함께 밝혔습니다. 구글 딥마인드는 신스ID 바이오가 모든 생물보안 문제를 해결하는 단일 해법은 아니라고 강조했습니다. 악의적인 공격자가 워터마크를 의도적으로 훼손하거나 제거하지 못하도록 기술을 더 견고하게 만드는 일이 남은 과제입니다. 워터마크를 출처 정보와 연결하는 메타데이터 시스템, AI가 생성한 생물학 데이터를 관리하는 중앙 저장소와 결합하는 방안도 연구하고 있습니다. 스탠퍼드대학교, 아크 인스티튜트, UC 버클리 연구진과 생물보안 협력을 진행하며, 연구 논문과 함께 코드·실험 데이터를 오픈소스로, 연구용 모델 가중치를 깃허브로 공개했습니다.
한국 기업 AX 시사점
이번 공개에서 눈여겨볼 지점은 AI 생성물의 출처 표시를 결과물이 나온 뒤의 검사에만 맡기지 않고 생성 단계에 넣었다는 설계입니다. 알려진 서열과 비교하는 검사는 AI가 처음 만든 서열 앞에서 비교할 기준을 잃습니다. 신스ID 바이오는 알파폴드3의 가중치에 워터마킹 기능을 넣어, 모델이 내놓는 결과물에 신호가 처음부터 실리도록 했습니다.
AI 설계 모델을 연구에 쓰는 국내 바이오·제약 조직이라면, 공개된 코드와 연구용 가중치로 자사 실험 조건에서 워터마크가 단백질 기능에 주는 영향을 직접 검증해 볼 수 있습니다. 바이오 분야가 아니어도 질문은 같습니다. AI가 만든 설계·데이터가 사내 데이터베이스나 외부 협력사로 넘어갈 때, 그것이 AI 생성물이라는 표시가 어느 단계에서 붙는지부터 확인해 보는 편이 순서입니다.