Google DeepMindが9月30日、AIで作ったタンパク質の配列や予測構造に来歴の印を入れるSynthID Bioを発表した。研究では、印を付けながら機能を保つ例が示された。生物学の情報にも出所を確かめる手段が増える一方、その印から安全性や用途まで読み取れるわけではない。配列、構造データ、実物を分けると、受け取る側が確かめたいことが見えてくる。
■ 配列と予測構造で印の場所が違う
SynthID Bioは、ひとつの検出器であらゆる生物を判定する製品の名前ではない。生物学向けに開発された透かし手法の集まりだ。今回の論文と研究用コードが扱う主な対象は、タンパク質のアミノ酸配列と、AIが予測した立体構造である。
配列は、タンパク質を構成するアミノ酸の並びだ。配列を生成する過程に、後から検出できる統計的な偏りを織り込む。別紙に発行元の名前を書くだけでなく、設計の中に信号を持たせる発想になる。データを別の場所へ移しても、同じ配列が保たれるなら、印を調べる対象も残る。
予測構造の方式では、AlphaFold 3が出力する原子座標に検出可能な信号を埋め込む。こちらで対象になるのは、計算機が予測した構造データだ。実験で観測した構造をAIの予測と取り違えないための手がかりにもなる。
ここに、実物という三つ目の層が加わる。配列側の印は、対応するタンパク質を合成した後も、その配列を通じて調べる対象になりうる。ただし、予測座標に入れた印が、そのまま実物の原子配置へ転写されるという話ではない。構造ファイルで検出したことと、合成された分子で確かめたことは、証拠として別々に読む必要がある。
たとえば研究成果を紹介する図に「AI由来を確認」とあったら、確認したのが配列ファイルなのか、予測座標なのか、合成後の試料なのかを知りたい。対象を一語添えるだけで、同じ説明の受け取り方が変わる。
■ 結合する機能を保った実験の射程
9月30日公開のNature論文は、機能を保つ透かしの概念実証として位置づけられている。DeepMindの公式説明によると、タンパク質に選択的に結合する分子、バインダーを使い、3種類の標的に対して印のある設計とない設計を比較した。標的はVEGF-A、SARS-CoV-2のスパイクタンパク質の一部、PD-L1である。
実験では、AlphaProteoで得た結合能力のある既知の骨格を使い、各標的15種類ずつの骨格に対して、ProteinMPNNで印のある配列とない配列を設計した。新しい骨格を一から探索する全過程の評価とは区別する必要がある。評価したのは、結合する設計が得られる割合、結合の強さ、配列の多様性などだ。実験条件の中では、印を入れた設計でも比較対象に近い結果が得られたという。出所を示す信号と、測定した結合機能を両立させる道筋が見えた。
この結果を読むとき、機能という言葉の範囲が大切になる。標的に結合する能力を保つことは、人体に投与して安全だという評価とは別だ。臨床的に役立つか、別の対象へ望ましくない作用を及ぼさないか、環境に放出したとき何が起きるかも、この比較からは決まらない。医薬品や食品の安全性を示す証明として使う根拠にはならない。
構造予測での評価も、予測精度と透かしの検出を調べたものだ。高い検出性能が報告されても、対象データ、判定の閾値、誤って印ありと判定する率の設定を伴う。短い説明だけで、すべての生成物に通用する数字へ広げてしまうと、比較の条件が落ちる。本稿では単一の検出率を全体の性能として掲げない。
研究で保たれたものが何かを具体的に呼べることが、印の価値を正しく扱う出発点になる。
■ 来歴の確認と危険性の審査は役割が違う
印が検出された場合に増えるのは、対応する生成過程との関係を調べる材料だ。その分子を誰が注文したか、何に使うか、製造中に何が混ざったかまで、ひとつの信号で確定するわけではない。
生物学の来歴には、設計を作る段階、合成を依頼する段階、出来上がった試料を管理する段階がある。モデル側の対策は生成時の制約を扱い、合成事業者の確認は注文内容や顧客・用途を扱う。実物を用いた評価は、実際に生じる性質を扱う。それぞれ対象が違うので、透かしを加えることは、他の確認を済ませたことにはならない。
研究者にとっては、構造データが実験由来か予測由来かを確かめられることにも意味がある。データベースの記載を基に次の研究をする場合、由来の違いは、そのデータをどんな証拠として使えるかに関わる。出所の記録が詳しくても、内容が正しいかの検証は残る。逆に、内容が有用でも、由来が不明なら再検証の足場が弱くなる。
印を検出できなかった場合にも、結論を急がない。今回の方式を使っていない生成物は、そもそも対応する印を持たない。DeepMindは意図的な改変への頑健性を今後の課題としている。陰性の結果を、自然由来や無害の証明へ読み替えることはできない。
この区別は、日常でAIの画像や文章を受け取るときにも通じる。ただ、生物学では確認する対象がファイルから実物へ広がる。画面上の説明が、手元に届いた試料の管理記録とどうつながっているかが、さらに問われる。
■ 研究用コードの公開と普及の間にある仕事
公式の研究リポジトリには、配列と構造の方式が区別して記載されている。コードが公開されることで、研究者は手法を調べ、条件をそろえて追試する入口を持てる。これは、家庭の利用者が試料をかざして判定できる装置が普及したこととは別の進展だ。
広く使うには、検出の条件、対応するモデルや版、判定結果の伝え方、データの引き渡し方をそろえる必要がある。導入者にとっては、計算資源だけでなく、誤判定をどう扱うか、誰が再確認するか、由来の記録をどう維持するかも仕事になる。印があるものをすべて受け入れ、印がないものをすべて拒むという運用では、方式が届く範囲と現実の流通が合わない。
DeepMindは、出所を添えるメタデータや生成データの保管先と組み合わせる方向も示している。印がデータの内部にあり、別の記録が生成日時や版を説明するなら、両者が同じ対象を指しているかを照合できる。ただし、その接続を誰が維持し、利用者がどこまで確認できるかは、実装と運用の問題として残る。
同社が紹介したバクテリオファージのゲノムへの拡張は、進行中の別研究だ。初期の実験について説明されているが、今回のタンパク質論文と同じ完成度や検証範囲として束ねない。対象が大きくなるほど、印を残すことと性質を保つことを、改めて確かめる必要がある。
■ 受け取る側が確かめたい三つの対象
生物学の成果について「来歴を確認済み」と説明されたら、まず何を確認したかを尋ねたい。配列、予測構造、合成された試料では、結果が指す範囲が違う。次に、どの生成方法・版・条件に対応する判定かを確かめる。そして、その確認とは別に、用途に必要な評価や管理記録があるかを見る。
一般の読者に、生物学の検証を自宅で実行することを求める話ではない。説明の中で、来歴、測定した機能、用途に対する評価を別々の項目として読めることが、手元で持てる判断軸になる。
公開後に見る具体的な一点は、DeepMindの研究リポジトリと論文の更新で、検出の対象・条件・限界がどう追加されるかだ。合成事業者やデータベースが運用に取り入れたと発表した場合には、どの確認を補い、どの審査を引き続き行うかまで読む価値がある。
出所の印が増えたとき、あなたが受け取る説明には、何を検出し、何をまだ確かめていないかが並んでいるだろうか。
■ ことば
来歴：データや設計が、どこでどの過程を通って作られたかをたどる情報。
バインダー：特定の対象に結合するよう設計・評価される分子。本稿の機能評価は主に結合に関するもの。
概念実証：限られた条件で考え方が成立することを試す研究。幅広い実運用での保証とは区別する。
■ 一次ソース
-
Google DeepMind Introducing SynthID Bio：2026年9月30日。2方式、実験対象、改変耐性と運用への課題、別研究の位置づけ。
-
Stutzほか Function-preserving watermarking of AI-generated proteins：Nature、2026年9月30日公開。概念実証の研究論文。
-
Google DeepMind SynthID Bio研究リポジトリ：配列・予測構造の方式と研究用実装。
-
関連する読み物：
