核心要約
- 透かし結合体、結合成功率に有意差なし
- 出所表示を生成段階に組み込む設計
- 公開コード・重みで自社条件下で検証
- AI生成物の表示、どの段階で付くのか
Google DeepMindが2026年9月30日(現地時間)に公開したSynthID Bioは、AI設計タンパク質に機能を維持したまま識別信号を埋め込み、合成された分子でも確認できる生物学専用の透かし技術です。1300件以上の結合体を実際に合成した実験では、透かしを適用した結合体は透かしのないタンパク質と比較して、結合成功率・結合親和性に有意な差は見られませんでした。
SynthID Bioはどのように機能するのか
タンパク質のアミノ酸配列や3次元の原子座標をわずかに調整することで、目に見えない透かしを残しつつ本来の生物学的機能は維持するよう設計されています。デジタルモデルだけでなく、実際に合成されたタンパク質分子でも信号を確認できる点が核心です。
- 配列の透かし：生物学的機能を損なわないよう、類似した性質を持つアミノ酸の選択をわずかに入れ替えます。タンパク質設計モデルAlphaProteo、タンパク質配列生成モデルProteinMPNNに適用して実験しました。
- 合成実験：血管内皮増殖因子VEGF-A、新型コロナウイルススパイクタンパク質の受容体結合領域(RBD)、PD-L1の3種類のタンパク質を対象に、1300以上の結合体を合成しました。結合成功率・結合親和性・自然配列の多様性において有意な差は見られず、質量分析計など実際のタンパク質分析機器を用いて、物理的な分子サンプル内の透かし信号を識別しました。
- 構造の透かし：AlphaFold 3の拡散ネットワークの一部を微調整し、モデルの重み自体に透かし機能を組み込みました。Google DeepMindは構造予測精度の低下を1%未満に抑え、配列変異やノイズが加わっても99%以上の精度で透かしを確認できたと発表しています。
- ゲノムへの適用：ゲノム設計モデルEvo 2が設計したバクテリオファージのゲノムに透かしを入れ、細菌培養実験を実施した結果、初期段階では機能が維持されていることを確認したと発表しています。
バイオセキュリティで何が変わるのか
Google DeepMindは、SynthID Bioがバイオセキュリティにも活用できると説明しています。既存のDNA合成企業によるセキュリティチェックは、既知の危険物質の配列と比較する方式に大きく依存していますが、AIが既存の生物学的配列と類似しない新規のタンパク質やゲノムを生成すると、この方式だけでは出所や危険性を見極めることが難しくなります。Google DeepMindが提示した活用先は2つです。
- DNA合成過程でAIモデルが生成した設計であることを確認する信号とし、追加検討が必要な注文を識別
- Protein Data Bank(PDB)、UniProt、GenBankといった生物学データベースにAIが作成したデータを登録する際、合成データであることを表示したり、別途審査対象として分類したりする
限界についても言及しています。Google DeepMindは、SynthID Bioがすべてのバイオセキュリティ問題を解決する単一の解決策ではないと強調しました。悪意ある攻撃者が透かしを意図的に損壊・除去できないよう、技術をより堅牢にすることが今後の課題です。透かしを出所情報と結び付けるメタデータシステム、AIが生成した生物学データを管理する中央リポジトリと組み合わせる方策も研究中です。スタンフォード大学、Arc Institute、UCバークレーの研究陣とバイオセキュリティ協力を進めており、研究論文とともにコード・実験データをオープンソースとして、研究用モデルの重みをGitHubで公開しました。
韓国企業のAX(企業AI転換)への示唆
今回の発表で注目すべき点は、AI生成物の出所表示を結果物が出た後の検査だけに委ねず、生成段階に組み込んだという設計です。既知の配列と比較する検査では、AIが新たに生成した配列を前に比較基準を失います。SynthID BioはAlphaFold 3の重みに透かし機能を組み込み、モデルが出す結果物に最初から信号が乗るようにしました。
AI設計モデルを研究に用いる国内バイオ・製薬組織であれば、公開されたコードと研究用の重みを用いて、自社の実験条件下で透かしがタンパク質機能に与える影響を直接検証することができます。バイオ分野でなくても問いは同じです。AIが作成した設計・データが社内データベースや外部パートナーに渡る際、それがAI生成物であるという表示がどの段階で付くのかを、まず確認してみる順序が望ましいでしょう。