現(xiàn)在AI不僅能預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)也能設(shè)計(jì)新的蛋白質(zhì)序列啦那一段序列或一個(gè)結(jié)構(gòu)文件到了我們手里怎樣判斷它經(jīng)過(guò)了什么生成流程呢如果把來(lái)源標(biāo)記直接放進(jìn)蛋白本身會(huì)不會(huì)又影響它原本要完成的任務(wù)呢2026年9月30日Google DeepMind的Pushmeet Kohli團(tuán)隊(duì)等在Nature發(fā)表“Function-preserving watermarking of AI-generated proteins”提出SynthIDBio探索序列和三維結(jié)構(gòu)兩條水印路線分別給AI生成的蛋白質(zhì)序列和生物分子結(jié)構(gòu)加入可檢測(cè)水印。這篇研究把兩個(gè)問題放在一起一邊檢查水印能不能被認(rèn)出來(lái)一邊檢查蛋白質(zhì)在當(dāng)前測(cè)試的任務(wù)中是否保留相近表現(xiàn)。那我們就沿著這兩條線繼續(xù)往下看吧原文鏈接Function-preserving watermarking of AI-generated proteins另想快速了解這篇文章最最最最最核心內(nèi)容的小伙伴們可以先去看一下要讀文獻(xiàn)Nature谷歌 DeepMind 已經(jīng)開始給蛋白質(zhì)打水印了大道至簡(jiǎn)·精簡(jiǎn)版 喲想了解更多細(xì)節(jié)的話咱們?cè)倩貋?lái)這邊哈哈哈哈哈哈本文目錄索引如下0 太長(zhǎng)不看版1 AI蛋白的來(lái)源追蹤問題2 ProteinMPNN中的序列水印3 已知結(jié)合骨架上的實(shí)驗(yàn)驗(yàn)證4 檢出率、候選篩選與后續(xù)處理5 AF3兼容模型中的結(jié)構(gòu)水印6 結(jié)構(gòu)質(zhì)量、檢出率與局部幾何總結(jié)與展望如果小伙伴們有需求的話可以加入我們的交流群一定要知道 | 永久免費(fèi)的環(huán)境友好型生信學(xué)習(xí)交流群又雙叒叕來(lái)啦| 伴隨不定期群友好物分享在這里你可以稍有克制地暢所欲言超級(jí)建議大家在入群前或入群后可以看一下這個(gè)干貨滿滿 | 給生信小白的入門小建議 | 掏心掏肺版絕對(duì)干貨滿滿讓你不虛此看如果有需要個(gè)性化定制分析服務(wù)的小伙伴可以看看這里你要的個(gè)性化生信分析服務(wù)今天正式開啟啦定制你的專屬解決方案全程1v1答疑絕對(duì)包你滿意0 太長(zhǎng)不看版想先看重點(diǎn)的小伙伴我們先用兩段話把SynthIDBio的兩套并行方法捋一下序列路線在ProteinMPNN采樣氨基酸時(shí)加入水印。研究從三個(gè)靶標(biāo)的已知結(jié)合骨架出發(fā)重新生成有水印和無(wú)水印序列再用表面等離子體共振測(cè)量結(jié)合。水印組與無(wú)水印組的總體親和力分布沒有發(fā)現(xiàn)顯著差異但一個(gè)較寬松親和力閾值下non-distortionary 0.5組的命中率較低。這個(gè)結(jié)果更適合概括為“所測(cè)結(jié)合表現(xiàn)總體相近”而不是“所有指標(biāo)完全沒有代價(jià)”。結(jié)構(gòu)路線微調(diào)AF3兼容模型使生成坐標(biāo)帶有可檢測(cè)的幾何統(tǒng)計(jì)特征。推薦的小噪聲設(shè)置保留了與基線相近的LDDT和TM-score在0.1%假陽(yáng)性率下檢出率超過(guò)99.8%。這一分支驗(yàn)證的是結(jié)構(gòu)預(yù)測(cè)質(zhì)量與檢測(cè)表現(xiàn)沒有給每個(gè)結(jié)構(gòu)重新做生物功能實(shí)驗(yàn)。1 AI蛋白的來(lái)源追蹤問題大家可能會(huì)想到文件名、設(shè)計(jì)記錄和數(shù)據(jù)庫(kù)不都能保存來(lái)源信息嘛問題是這些信息可能與實(shí)際對(duì)象分離。文件說(shuō)明會(huì)被刪除數(shù)據(jù)庫(kù)檢索還要面對(duì)規(guī)模、隱私和知識(shí)產(chǎn)權(quán)問題。水印換了一個(gè)位置它讓生成結(jié)果本身帶有統(tǒng)計(jì)特征再由掌握相應(yīng)檢測(cè)方式的一方識(shí)別。蛋白質(zhì)的難點(diǎn)在于來(lái)源標(biāo)記不能脫離功能來(lái)評(píng)價(jià)。文本換一個(gè)詞句子也許仍然通順蛋白質(zhì)換一個(gè)氨基酸卻可能改變折疊、界面或穩(wěn)定性。水印能被檢測(cè)出來(lái)是一件事蛋白質(zhì)在當(dāng)前任務(wù)里還能不能用是另一件事。研究因此分成兩條線SynthIDBio-sequence處理氨基酸序列并用結(jié)合實(shí)驗(yàn)檢驗(yàn)所測(cè)功能SynthIDBio-structure處理三維原子坐標(biāo)并比較結(jié)構(gòu)預(yù)測(cè)質(zhì)量。這兩套方法有共同的來(lái)源追蹤目標(biāo)但使用不同模型、不同樣本和不同驗(yàn)證終點(diǎn)。2 ProteinMPNN中的序列水印我們先從序列這條線看起。研究從已有蛋白質(zhì)骨架出發(fā)讓ProteinMPNN為骨架選擇氨基酸。水印并不是在生成結(jié)束后拼接一段固定標(biāo)簽而是在逐個(gè)采樣氨基酸時(shí)加入帶密鑰的選擇偏向圖1a。小小知識(shí)要知道骨架和序列分別是什么剛接觸蛋白設(shè)計(jì)的小伙伴我們先把這兩個(gè)詞分清楚氨基酸序列amino acid sequence記錄每個(gè)位置是什么氨基酸蛋白質(zhì)骨架protein backbone描述主鏈的三維形狀。ProteinMPNN在骨架等條件下設(shè)計(jì)序列因此同一個(gè)骨架可以產(chǎn)生多條不同序列。后文的序列數(shù)、骨架數(shù)和技術(shù)重復(fù)是三個(gè)不同的統(tǒng)計(jì)單位。SynthIDBio-sequence沿用SynthID-text中的tournament sampling。簡(jiǎn)單理解模型在候選氨基酸之間做帶密鑰的“比賽”更偏向選擇符合水印評(píng)分的候選。檢測(cè)時(shí)再用對(duì)應(yīng)密鑰計(jì)算整條序列的平均g-value分?jǐn)?shù)越符合水印模式越可能被檢測(cè)器識(shí)別。圖1a在ProteinMPNN采樣過(guò)程中加入序列水印原文 Fig. 1a大家可以沿著圖1a從左往右看骨架生成、ProteinMPNN序列采樣后面還有AF3指標(biāo)篩選和水印閾值篩選。水印信號(hào)分散在多個(gè)位置的選擇中檢測(cè)器綜合整條序列的信息不是搜索某個(gè)固定片段。研究比較了兩種水印思路。non-distortionary設(shè)置強(qiáng)調(diào)在相應(yīng)數(shù)學(xué)條件下保持平均采樣分布distortionary設(shè)置主動(dòng)加強(qiáng)偏向提高低溫度采樣時(shí)的水印信號(hào)。小小知識(shí)要知道non-distortionary描述的是分布non-distortionary可以理解為“分布不扭曲”。它討論的是對(duì)密鑰等隨機(jī)性取平均后的采樣分布并沒有直接承諾每條序列相同也沒有直接回答蛋白質(zhì)功能。功能是否保留仍要靠相應(yīng)實(shí)驗(yàn)。采樣溫度控制模型選擇的隨機(jī)程度。低溫度時(shí)模型更集中于少數(shù)高概率氨基酸水印可利用的選擇空間也更小。濕實(shí)驗(yàn)最終比較無(wú)水印0.1、non-distortionary 0.5和distortionary 0.1三種設(shè)置。這里的“溫度”是模型參數(shù)和培養(yǎng)箱溫度沒有關(guān)系哈3 已知結(jié)合骨架上的實(shí)驗(yàn)驗(yàn)證有了序列我們最關(guān)心的問題就來(lái)了加入水印后結(jié)合蛋白還能不能識(shí)別原來(lái)的靶標(biāo)呢實(shí)驗(yàn)選擇SARS-CoV-2受體結(jié)合域SC2RBD、血管內(nèi)皮生長(zhǎng)因子AVEGF-A和程序性死亡配體1PD-L1三個(gè)靶標(biāo)。每個(gè)靶標(biāo)取15個(gè)已經(jīng)有結(jié)合證據(jù)的AlphaProteo骨架再用ProteinMPNN重新設(shè)計(jì)序列。每個(gè)骨架安排18個(gè)設(shè)計(jì)1條既有親本序列、5條無(wú)水印序列、兩種水印設(shè)置各6條序列每個(gè)靶標(biāo)另用3條陰性對(duì)照替換相應(yīng)設(shè)計(jì)?？鄢龑?duì)照后三個(gè)靶標(biāo)合計(jì)包含222條無(wú)水印序列以及兩種水印設(shè)置各267條序列。這套設(shè)計(jì)有一個(gè)清楚的取舍。已知結(jié)合骨架讓實(shí)驗(yàn)更容易獲得可比較的親和力數(shù)據(jù)適合檢驗(yàn)“重新設(shè)計(jì)序列時(shí)加入水印”會(huì)帶來(lái)什么變化相應(yīng)地結(jié)論也落在這些已知骨架和結(jié)合任務(wù)上。圖2a–b結(jié)合親和力與不同閾值下的命中比例原文 Fig. 2a–b小小知識(shí)要知道K_D越小結(jié)合通常越強(qiáng)研究用表面等離子體共振surface plasmon resonanceSPR測(cè)量結(jié)合并估計(jì)解離常數(shù)dissociation constantK_D。在可比較的測(cè)定條件下K_D越小通常表示結(jié)合越強(qiáng)。大家看圖2a的縱軸這里用的是對(duì)數(shù)刻度我們要按數(shù)量級(jí)讀數(shù)喲親和力比較只納入能獲得穩(wěn)定動(dòng)力學(xué)擬合和可定量K_D的設(shè)計(jì)各分組n為43–69每個(gè)設(shè)計(jì)的數(shù)值來(lái)自至少兩次技術(shù)重復(fù)的平均。水印組與無(wú)水印組的總體親和力分布沒有發(fā)現(xiàn)顯著差異比較使用雙側(cè)Wilcoxon秩和檢驗(yàn)圖2a。SC2RBD中兩種水印設(shè)置之間出現(xiàn)局部差異distortionary 0.1組的中位K_D更低。接著我們換個(gè)問法有多少設(shè)計(jì)達(dá)到了給定的親和力閾值呢在K_D≤10?? M時(shí)組間沒有顯著差異閾值放寬到K_D≤10?? M時(shí)non-distortionary 0.5組的命中率低于無(wú)水印組Fisher精確檢驗(yàn)顯示差異顯著圖2b。把這兩項(xiàng)比較放在一起我們就能更完整地理解結(jié)果啦水印組在所測(cè)總體親和力分布上與無(wú)水印組相近同時(shí)一個(gè)命中率閾值顯示了設(shè)計(jì)代價(jià)。方法部分還提到部分被歸為binder的設(shè)計(jì)因?yàn)樾盘?hào)弱、表達(dá)量低或動(dòng)力學(xué)太快無(wú)法穩(wěn)定估計(jì)K_D因此“沒有K_D”不能簡(jiǎn)單歸為“不結(jié)合”。結(jié)合表現(xiàn)看過(guò)了那水印信號(hào)到底散布在序列的哪些位置呢我們?cè)侔研蛄泻徒Y(jié)構(gòu)放到一起看看吧圖2c多條序列中的局部水印分?jǐn)?shù)原文 Fig. 2c水印信號(hào)散布在多個(gè)氨基酸位置不是只集中在序列末端或某個(gè)固定motif圖2c。這里大家對(duì)照顏色就能看各位置的局部g-value。圖2d–e結(jié)構(gòu)映射與骨架對(duì)背景分?jǐn)?shù)的影響原文 Fig. 2d–e把局部分?jǐn)?shù)映射到預(yù)測(cè)結(jié)構(gòu)后不同二級(jí)結(jié)構(gòu)區(qū)域都能看到水印信號(hào)圖2d。右側(cè)按PD-L1結(jié)合蛋白的骨架分組即使沒有水印不同骨架的g-value背景分布也不完全相同圖2e。骨架會(huì)限制哪些氨基酸更適合檢測(cè)閾值因此需要在合適的背景中校準(zhǔn)。進(jìn)入濕實(shí)驗(yàn)的水印設(shè)計(jì)已經(jīng)通過(guò)g-value篩選。在0.1% FPR工作點(diǎn)下這批設(shè)計(jì)均被檢出。大家讀到100%時(shí)要一起帶上“經(jīng)過(guò)篩選的實(shí)驗(yàn)樣本”這個(gè)條件。那如果先不篩選直接檢查生成輸出效果又會(huì)怎樣呢下面的大規(guī)模計(jì)算評(píng)估就能幫我們回答這個(gè)問題4 檢出率、候選篩選與后續(xù)處理研究把計(jì)算評(píng)估擴(kuò)大到23個(gè)靶標(biāo)每個(gè)靶標(biāo)生成10,000個(gè)樣本。一項(xiàng)比較不增加g-value篩選檢查不同采樣設(shè)置下的真正例率圖3a另一項(xiàng)加入水印閾值觀察候選通過(guò)率的變化圖3b。我們把“檢出多少”和“留下多少”放在一起看篩選的代價(jià)就更清楚啦圖3a–b水印檢出率與候選通過(guò)率原文 Fig. 3a–b提高non-distortionary采樣溫度或采用更強(qiáng)的distortionary設(shè)置通?？梢蕴岣邫z出率FPR越嚴(yán)格同一設(shè)置下的TPR也可能下降圖3a。經(jīng)過(guò)g-value篩選以后低分候選會(huì)被淘汰。最終保留下來(lái)的設(shè)計(jì)更容易檢出但可進(jìn)入后續(xù)結(jié)構(gòu)驗(yàn)證的候選數(shù)量也減少圖3b。想得到同樣數(shù)量的成品前面就可能要多生成一些候選呀小小知識(shí)要知道TPR和FPR的分母不同真正例率true positive rateTPR回答“有水印的對(duì)象中有多少被正確識(shí)別”假陽(yáng)性率false positive rateFPR回答“沒有相應(yīng)水印的對(duì)象中有多少被誤報(bào)”。FPR0.1%不是陽(yáng)性結(jié)果出錯(cuò)概率的直接表達(dá)實(shí)際解釋還與檢測(cè)背景和水印對(duì)象占比有關(guān)。研究認(rèn)為在這套設(shè)計(jì)流程里可以先做較便宜的水印分?jǐn)?shù)篩選再把通過(guò)的候選送入成本更高的AF3結(jié)構(gòu)驗(yàn)證因此新增實(shí)際計(jì)算開銷較小。我們順著這個(gè)順序想一想就容易理解了昂貴的驗(yàn)證只需要處理留下的候選嘛。正文和圖3b對(duì)一個(gè)通過(guò)率下降數(shù)字存在不一致原文還把“變?yōu)?.715倍”寫成了“增加171.5%”。這里我們先抓住篩選與候選需求之間的關(guān)系不采用有沖突的單個(gè)數(shù)值。圖3c–d預(yù)測(cè)指標(biāo)與后續(xù)處理后的表現(xiàn)原文 Fig. 3c–d多數(shù)設(shè)置下水印與無(wú)水印設(shè)計(jì)的AF3置信度分布接近較強(qiáng)的distortionary設(shè)置變化更明顯圖3c。置信度用于篩查計(jì)算設(shè)計(jì)它和前面的SPR結(jié)合實(shí)驗(yàn)回答不同問題。用無(wú)水印ProteinMPNN重新設(shè)計(jì)序列后水印可以被有效削弱或移除相應(yīng)設(shè)計(jì)的估計(jì)命中率也會(huì)下降圖3d。這里展示的是結(jié)合本研究與歷史AlphaProteo數(shù)據(jù)得到的計(jì)算估計(jì)并非把所有重新設(shè)計(jì)結(jié)果逐一送去做SPR。正文與圖中VEGF-A的一項(xiàng)估計(jì)值也不一致因此我們只保留穩(wěn)妥結(jié)論序列水印可以被后續(xù)處理破壞而去除過(guò)程可能伴隨設(shè)計(jì)代價(jià)。5 AF3兼容模型中的結(jié)構(gòu)水印序列這條線看完了我們?cè)俎D(zhuǎn)到三維結(jié)構(gòu)吧這條路線處理的是原子坐標(biāo)研究固定AF3的network trunk微調(diào)擴(kuò)散模塊的輸出部分和置信度模塊同時(shí)訓(xùn)練一個(gè)受PointNet啟發(fā)的檢測(cè)器圖1b。圖1b結(jié)構(gòu)預(yù)測(cè)模型與水印檢測(cè)器的聯(lián)合訓(xùn)練原文 Fig. 1b擴(kuò)散模塊從噪聲開始逐步生成原子坐標(biāo)。檢測(cè)器讀取殘基內(nèi)部的原子距離和連續(xù)原子的扭轉(zhuǎn)角再把各殘基的信息匯總成整個(gè)結(jié)構(gòu)的判斷。訓(xùn)練目標(biāo)同時(shí)包含原有擴(kuò)散損失和水印檢測(cè)損失水印損失權(quán)重為0.1。這套檢測(cè)器使用內(nèi)部幾何關(guān)系因此結(jié)構(gòu)整體平移或旋轉(zhuǎn)時(shí)輸入特征基本不變。訓(xùn)練還會(huì)給坐標(biāo)加入s0.001、0.01或0.1 ?的均勻噪聲幫助水印耐受常見文件格式對(duì)坐標(biāo)小數(shù)位的舍入。研究使用256張A100 GPU微調(diào)約一天推薦的模型為s0.001設(shè)置。文中提到推理階段沒有額外開銷因?yàn)樗∫呀?jīng)進(jìn)入模型權(quán)重不需要每次預(yù)測(cè)后再運(yùn)行一個(gè)獨(dú)立嵌入步驟。大家把訓(xùn)練和預(yù)測(cè)分開看就好前期微調(diào)本身仍然需要計(jì)算資源。6 結(jié)構(gòu)質(zhì)量、檢出率與局部幾何結(jié)構(gòu)水印也有幾件事需要我們一起看預(yù)測(cè)質(zhì)量保持得怎么樣檢測(cè)器能不能識(shí)別如果只剩一個(gè)短片段信號(hào)還在不在呢圖4a結(jié)構(gòu)預(yù)測(cè)質(zhì)量、檢測(cè)性能與長(zhǎng)度依賴原文 Fig. 4a推薦的s0.001模型與AF3基線相比LDDT和TM-score沒有下降更大的訓(xùn)練噪聲則出現(xiàn)小幅質(zhì)量降低圖4a左。大家讀這兩個(gè)指標(biāo)時(shí)可以這樣區(qū)分LDDT側(cè)重局部距離關(guān)系TM-score側(cè)重整體結(jié)構(gòu)相似程度。在FPR0.1%時(shí)三個(gè)模型的TPR都超過(guò)99.8%把FPR收緊到0.01%后s0.001模型的TPR為98.99%圖4a中及正文。我們讀檢出率時(shí)也要把對(duì)應(yīng)的假陽(yáng)性率一起帶上喲短片段更難檢測(cè)小于16個(gè)殘基或相應(yīng)鏈長(zhǎng)度時(shí)檢出率較低長(zhǎng)度達(dá)到32–48及以上后TPR很快超過(guò)99%圖4a右。這里分別列出完整結(jié)構(gòu)、蛋白質(zhì)、RNA和DNA統(tǒng)計(jì)單位隨鏈類型而變。小小知識(shí)要知道結(jié)構(gòu)相似指標(biāo)回答什么LDDT和TM-score幫助判斷預(yù)測(cè)結(jié)構(gòu)與參考結(jié)構(gòu)有多相似。它們適合評(píng)價(jià)結(jié)構(gòu)質(zhì)量卻不會(huì)自動(dòng)告訴我們酶活性、細(xì)胞內(nèi)作用或其他具體功能是否保持。結(jié)構(gòu)路線的“function-preserving”證據(jù)主要落在這些結(jié)構(gòu)質(zhì)量指標(biāo)上。整體結(jié)構(gòu)指標(biāo)相近那局部的距離和角度又變了多少呢我們?cè)偻?xì)處看看圖4b局部原子距離和角度分布原文 Fig. 4b對(duì)1,000個(gè)結(jié)構(gòu)的分析發(fā)現(xiàn)水印模型與AF3、實(shí)驗(yàn)結(jié)構(gòu)的局部幾何分布并非完全重合圖4b。這里展示一個(gè)原子距離和兩個(gè)角度特征都是研究特意挑選的變化較明顯案例。文中同時(shí)提到大多數(shù)原子距離、扭轉(zhuǎn)角和鍵角仍然得到保留s0.001模型尤其如此。這組結(jié)果把“整體結(jié)構(gòu)質(zhì)量相近”說(shuō)得更具體全局和局部指標(biāo)總體保持同時(shí)水印在某些幾何統(tǒng)計(jì)中留下可檢測(cè)偏移。右側(cè)圖注所寫殘基名稱與原子命名存在疑點(diǎn)本文保留原圖不繼續(xù)推斷該殘基的化學(xué)機(jī)制。在魯棒性方面0.01 ?高斯噪聲對(duì)檢測(cè)影響較小0.1 ?噪聲會(huì)破壞較小s模型的水印。受約束的結(jié)構(gòu)弛豫也能夠破壞水印。它對(duì)平移、旋轉(zhuǎn)和一部分小擾動(dòng)穩(wěn)健但并不是永久不會(huì)消失的標(biāo)記。總結(jié)與展望讀到這里大家應(yīng)該能看出這項(xiàng)研究很有意思的一個(gè)地方它把來(lái)源追蹤和蛋白質(zhì)任務(wù)放進(jìn)了同一套評(píng)價(jià)中。序列分支不只看g-value還測(cè)量真實(shí)結(jié)合結(jié)構(gòu)分支不只看檢測(cè)率還比較LDDT、TM-score和局部幾何。這樣我們才能知道水印的識(shí)別效果是以什么代價(jià)換來(lái)的。目前的證據(jù)支持一個(gè)清楚的可行性結(jié)論在三個(gè)靶標(biāo)的已知結(jié)合骨架上序列水印總體保留了所測(cè)結(jié)合表現(xiàn)在AF3兼容模型的評(píng)估集上推薦結(jié)構(gòu)模型保留了相近結(jié)構(gòu)質(zhì)量并實(shí)現(xiàn)很高的檢出率。命中率閾值、候選篩選、短片段和局部幾何結(jié)果也說(shuō)明這種兼顧仍然有適用條件。如果有小伙伴想把這種思路用到自己的任務(wù)里我們還得再往前想一步自己最在意的功能有沒有被測(cè)到呢酶活性、細(xì)胞內(nèi)功能、穩(wěn)定性、更多結(jié)構(gòu)敏感任務(wù)和其他設(shè)計(jì)平臺(tái)都需要按實(shí)際用途補(bǔ)證據(jù)。部署中的背景校準(zhǔn)、密鑰管理、結(jié)果復(fù)核和行業(yè)標(biāo)準(zhǔn)同樣決定水印能不能成為可靠的來(lái)源證據(jù)。所以我們可以把SynthIDBio看成AI生物設(shè)計(jì)來(lái)源追蹤的一種工具。檢出相應(yīng)水印能夠支持對(duì)象與特定生成流程有關(guān)沒有檢出可能來(lái)自自然對(duì)象、其他模型也可能是水印在后續(xù)處理時(shí)減弱。水印解決的是“來(lái)自哪里”的一部分問題安全性和功能仍要由各自的證據(jù)來(lái)回答。文末碎碎念那今天的分享就到這里啦我們下期再見喲最后順便給自己推薦一下嘿嘿嘿如果我的分享對(duì)你有用的話歡迎關(guān)注點(diǎn)贊在看轉(zhuǎn)發(fā)分享阿巴阿巴阿巴阿巴巴巴這可是我的第一原動(dòng)力蟹蟹你們的喜歡和支持參考資料Stutz D, Cowen-Rivers AI, Ortiz-Jimenez G, et al. Function-preserving watermarking of AI-generated proteins.Nature(2026). DOI: 10.1038/s41586-026-10965-y