，将数字水印技术引入合成生物学领域。该技术可将不可感知的签名直接嵌入生物编码，不仅能在数字模型上验证，

　　生成式 AI 正在帮助科学家解决关键生物学挑战，从预测蛋白质结构到设计全新蛋白质，再到开发新型噬菌体。但这类工具也带来了新挑战：新型 AI 设计可能绕过传统 DNA 合成筛选，而标记错误的合成 3D 结构会污染公共数据库，误导后续研究。

　　它会根据数据类型调整方法，对序列的氨基酸选择进行 subtle 引导，对预测的 3D 结构调整原子坐标，从而创建可靠的检测信号。实验表明，这些调整不会损害蛋白质的生物学功能，这对于有效治疗疾病和推进科学研究至关重要。

　　在针对 VEGF-A、SARS-CoV-2 刺突蛋白 RBD 和 PD-L1 这三种靶蛋白的湿实验室测试中，带水印的设计在命中率、结合亲和力和自然序列多样性方面，与未带水印的版本表现一致，成功创造了首个带有水印且具备生物学功能的蛋白质结合剂。

　　对于蛋白质折叠，SynthID Bio对 AlphaFold 3 扩散网络的一小部分进行微调，将水印能力直接构建到模型权重中。这确保预测的 3D 坐标本身就带有可检测的特征，无论由谁运行模型，SynthID Bio都能保持 AlphaFold 3 的预测准确性，同时提供近乎完美的可检测性，维持关键结构特征分布，还能抵御数字噪声或微小坐标变化。

　　生物安全依赖分层防御，SynthID Bio的水印方法可作为嵌入生物设计本身的重要验证层。这一层对于 DNA 合成筛选尤其重要，当前 AI 可以创造与已知危害几乎不相似的全新序列，筛选人员无法再沿用旧假设，而SynthID Bio可以提供自动验证信号，证明订单来自带有内置安全措施的可信模型。

　　类似地，SynthID Bio还可以帮助维护蛋白质数据库、UniProt、GenBank 等数据库的完整性，确保合成条目得到正确标记或标记，供进一步审查。

　　谷歌表示，虽然没有单一的生物安全干预措施是万能灵药，但SynthID Bio把经过验证的水印工具SynthID带入了合成生物学，是可靠识别和跟踪 AI 生成生物序列和结构的重要第一步。

　　未来的关键挑战包括让水印对故意篡改具备更强的鲁棒性。SynthID Bio还可以与

　　谷歌目前正研究如何将水印技术应用于更复杂的生物物体，在与斯坦福大学 Hie 实验室和 Arc Institute 的合作研究中，已经将SynthID Bio集成到先进基因组模型 Evo 2 中，为 Evo 2 设计的噬菌体基因组添加水印，早期实验室测试已经确认这些带水印的噬菌体具备功能。