Разработка Google DeepMind предоставляет возможность отслеживать происхождение молекул, созданных искусственным интеллектом. Рассмотрим, как внедряются метки в белки и насколько эффективен детектор.
Специалисты из Google DeepMind создали технологию, которая позволяет внедрять невидимые цифровые водяные знаки непосредственно в биологические последовательности и трехмерные структуры белков. Новый метод, названный SynthIDBio, способствует подтверждению происхождения молекул, созданных искусственным интеллектом, не нарушая их биологических функций. Подробности исследования опубликованы в журнале Nature.
С развитием ИИ в синтетической биологии возникла необходимость отслеживания происхождения биологических молекул. Искусственный интеллект активно используется для создания новых белков, что создает риски, связанные с биобезопасностью и распространением недостоверных научных данных. SynthIDBio призван решить эту проблему, выступая аналогом водяных знаков, которые применяются для защиты банкнот, произведений искусства и цифровых фотографий.
Данная технология функционирует 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.
Для проверки работоспособности метода, исследователи синтезировали 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. Испытания продемонстрировали, что добавление цифровых меток не оказало заметного влияния на эффективность работы белков. Инструмент обнаружения корректно идентифицировал все последовательности с водяными знаками и более 99,8% трехмерных структур.
Несмотря на достигнутые результаты, у метода есть свои ограничения. Цифровой узор в 3D-структуре может быть нарушен в ходе стандартных процедур «релаксации» дизайна, которые улучшают стабильность молекулы. Однако исследователи подчеркивают, что эту проблему можно решить, если учитывать процесс релаксации при обучении самой модели.
Исследователи, желающие протестировать 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 перспективы для повышения биобезопасности и научной добросовестности в эпоху ИИ.
Фото: hi-tech.mail.ru