Штучний інтелект відкрив для науки нові можливості у створенні штучних білків, що можуть стати як основою для нових ліків, так і потенційною загрозою біобезпеці. Щоб мінімізувати ризики незаконного створення токсинів, дослідники з Google DeepMind запропонували новий метод маркування таких молекул без втрати їхньої функціональності. Ця технологія покликана допомагати вченим відстежувати походження штучно розроблених білків та ефективніше контролювати бази даних.
Новий інструмент отримав назву SynthIDBio і складається з двох основних підходів. Перший компонент, SynthIDBio-sequence, вбудовує невидимі водяні знаки безпосередньо в амінокислотні послідовності білків, які генеруються програмою ProteinMPNN. Система делікатно впливає на вибір амінокислот за допомогою прихованого криптографічного ключа, не погіршуючи здатність білка зв’язуватися з цілями. Другий метод, SynthIDBio-structure, модифікує алгоритм прогнозування структур AlphaFold 3, змушуючи його вносити ледь помітні мініатюрні зміни у взаємне розташування атомів білка.
Під час внутрішніх випробувань обидві системи продемонстрували високу точність виявлення. Вони зуміли правильно розпізнати понад 99% маркованих білків та коректно проігнорувати 99,9% звичайних зразків. На думку експертів із біології, такий підхід здатен покращити перевірку походження білкових структур та зменшити кількість помилкових тверджень щодо методів їхнього синтезу.
Проте незалежні фахівці висловили застереження щодо готовності технології до масового впровадження. Зокрема, науковці з Microsoft зазначили, що поточні водяні знаки є ефективними, але досить вразливими через можливість їхнього видалення шляхом повторного секвенування або модифікації просторових координат. Крім того, більшість програмного забезпечення для прогнозування білків є відкритим, що значно ускладнює впровадження подібних обмежень на рівні індустрії без переходу на закриті моделі.
Джерела: livescience.com
