Google DeepMind · SynthID Bio 공식 개념 시각화AI가 만든 단백질인지, 실제 물질이 된 뒤에도 알아볼 수 있을까. 구글 딥마인드는 한국시간 10월 1일 공개한 SynthID Bio 연구에서 출처 표시를 넣은 단백질을 합성하고 워터마크를 검출하는 실험을 소개했다. 사진의 로고와 달리 단백질을 구성하는 정보에 흔적을 남긴다.
그림이 아닌 아미노산과 구조에 남기는 표시
서열 워터마크는 AI의 아미노산 선택을 조금씩 유도하고, 구조 워터마크는 원자의 좌표를 조정한다. 구조 예측 모델 AlphaFold 3를 미세 조정하는 방법도 제시했다.
표시 때문에 기능을 잃으면 활용하기 어렵다. 연구진은 AlphaProteo와 워터마크 기능을 적용한 ProteinMPNN으로 설계한 단백질을 만들고 기존 설계와 비교했다. 표적은 PD-L1, 코로나19 바이러스 스파이크 단백질 RBD, VEGF-A였다.
실험에서는 표적에 결합하는 단백질을 얻는 성공률과 결합 친화도가 비슷하게 유지됐다. 워터마크를 넣어도 작동할 수 있다는 근거지만, 모든 단백질의 기능을 보장하거나 새 치료제가 완성됐다는 결과는 아니다.
출처 추적과 안전 보장은 다른 문제
활용 방향은 DNA 합성 주문의 출처 확인과 공개 데이터베이스의 AI 생성 자료 구분이다. 코드·실험 데이터·관련 모델 가중치를 연구 공동체에 공개한다는 발표이며, 소비자용 서비스 출시는 아니다.
고의 변조에 버티는 능력은 남은 과제다. Nature에 실린 원 논문에서는 워터마크 단백질의 서열을 ProteinMPNN으로 다시 설계하는 공격이 표시를 효과적으로 제거했다고 보고했다. 출처 추적의 가능성이 넓어진 것이지, 표시가 있으면 안전하고 없으면 사람이 만들었다고 단정할 수 있는 것은 아니다.
출처로 확인한 내용
4건
SynthID Bio는 AI가 생성한 단백질 서열과 예측한 3차원 구조에 워터마크를 넣는 방법들이다.
연구진은 워터마크를 넣은 설계를 실제 단백질로 합성한 뒤에도 표시를 검출하는 실험을 제시했다.
연구진은 PD-L1·SARS-CoV-2 스파이크 RBD·VEGF-A를 표적으로 한 단백질의 결합 특성을 비교했다.
해당 실험에서 워터마크 유무에 따른 성공률과 결합 친화도는 비슷했으며 고의 변조에 대한 내성은 남은 과제다.
