Google DeepMind представила SynthID Bio — систему, которая маркирует синтетические белки, спроектированные генеративным искусственным интеллектом. По данным iXBT.com, технологию описали в журнале Nature как первую систему, наносящую цифровые водяные знаки прямо на аминокислотную последовательность белка.[1][2]
Система вносит небольшие распознаваемые поправки в выбор аминокислот и настраивает атомные координаты в соответствии с трёхмерной структурой белка. По данным iXBT.com, разработчики совместили водяной знак с программой ProteinMPNN: SynthID Bio на каждом шаге предлагает вариант аминокислоты, руководствуясь криптографическим ключом, а ProteinMPNN принимает его, только если тот вписывается в структуру белка и не мешает его работе. Проверка водяного знака даёт не ответ «да/нет», а статистическую оценку того, насколько часто в последовательности встречаются аминокислоты, предписанные ключом.[3][4][5]
В Google DeepMind сообщили, что моделирование и эксперименты с VEGF-A, спайк-белком RBD коронавируса SARS-CoV-2 и белком иммунной контрольной точки PD-L1 показали: поправки не затрагивают функции белков, их аффинность к лигандам и природное разнообразие последовательностей и при этом хорошо распознаются. По данным Telegram-канала ai_machinelearning_big_data, метка считывается даже после физического синтеза молекулы в лаборатории, а эксперименты с геномной моделью Evo 2 подтвердили жизнеспособность созданных бактериофагов с водяными знаками.[6][7][8]
В основе SynthID Bio лежит существующая технология SynthID, которая добавляет цифровую подпись в изображения и текст. По данным того же Telegram-канала, разработка нацелена на проблему отравления данных и обхода фильтров безопасности: немаркированные ИИ-сгенерированные последовательности проходят автоматический скрининг фабрик по синтезу ДНК и попадают в публичные базы.[9][10]
У метода есть пределы. По данным iXBT.com, крупный белок содержит около 500 аминокислот — на порядки меньше «элементов», чем изображение, поэтому спрятать сигнал труднее. Короткие белки могут нести слишком мало меток для уверенного обнаружения, сращивание меченого белка с природным способно размыть сигнал, а сама система пока работает только с ProteinMPNN и аналогичными программами, перебирающими аминокислоты по одной.[11][12]
По материалам
Текст составлен ИИ по материалам ниже и не содержит фактов, которых нет в источниках.
Компания Google DeepMind представила систему SynthID Bio для маркировки синтетических белков, разработанных с помощью генеративного искусственного интеллекта.
Команда Google DeepMind опубликовала в журнале Nature технологию SynthIDBio — первую в мире систему, способную наносить цифровые водяные знаки непосредственно на аминокислотную последовательность белка, спроектированного искусственным интеллектом.
Она адаптируется в зависимости от типа данных и вносит небольшие распознаваемые поправки в выбор аминокислот в пептидных последовательностях, настраивая атомные координаты в соответствии с трехмерной структурой белка.
Разработчики совместили водяной знак с программой ProteinMPNN, которая проектирует белки, последовательно подбирая аминокислоту за аминокислотой вдоль молекулярного «скелета» так, чтобы готовая цепь сворачивалась в нужную форму. SynthIDBio на каждом шаге предлагает свой вариант аминокислоты, руководствуясь криптографическим ключом и предыдущими выборами. ProteinMPNN принимает это предложение только в том случае, если аминокислота вписывается в структуру белка и не мешает его работе.
Проверка водяного знака — не бинарный ответ «да/нет», а статистическая оценка того, насколько часто в последовательности встречаются аминокислоты, предписанные ключом.
Как подтвердили моделирование и эксперименты с сосудистым эндотелиальным фактором роста А (VEGF-A), спайк-белком RBD коронавируса SARS-CoV-2 и контрольной точкой иммунитета PD-L1, такие поправки не затрагивают функции белков, их аффинность к лигандам и природное разнообразие последовательностей и при этом хорошо распознаются.
Новая технология SynthID Bio встраивает водяные знаки в сгенерированные белки и геномы. Метка закладывается в структуру и считывается даже после физического синтеза молекулы в лаборатории.
Google DeepMind (по данным Telegram-канала ai_machinelearning_big_data)открыть источник →
Лабораторные тесты показали, что маркированные белковые связки для ряда белков сохраняют целевую аффинность, а эксперименты с геномной моделью Evo 2 подтвердили жизнеспособность созданных бактериофагов с водяными знаками.
Google DeepMind (по данным Telegram-канала ai_machinelearning_big_data)открыть источник →
Разработка решает проблему отравления данных и обхода фильтров безопасности. Генерации не похожи на известные патогены и легко проходят автоматический скрининг фабрик по синтезу ДНК, а неразмеченные структуры попадают в публичные базы.
Google DeepMind (по данным Telegram-канала ai_machinelearning_big_data)открыть источник →
К тому же крупный белок содержит около 500 аминокислот — на порядки меньше «элементов», чем изображение, а значит, спрятать сигнал значительно труднее.
Технология не лишена ограничений: очень короткие белки могут нести слишком мало меток для уверенного обнаружения, а сращивание меченого белка с природным, например флуоресцентным, способно размыть сигнал. Кроме того, пока что система работает только с ProteinMPNN и аналогичными программами, перебирающими аминокислоты по одной.
