AIが設計したタンパク質に、結合機能を保ったまま検証可能な透かしを埋め込む手法が実証された。SynthID Bioは配列中のアミノ酸の選び方を調整し、合成後の分子にも信号を残す。立体構造予測にも別の方式で透かしを組み込んだ。
アミノ酸の選択に信号を埋め込む
合成生物学向けの透かし手法SynthID Bioは、タンパク質配列を生成するときにアミノ酸の選択を誘導し、検出用の信号を埋め込む。開発したGoogle DeepMindによると、この透かしはデジタル上の設計だけでなく、合成されたタンパク質そのものでも検証できるという。
検証には、タンパク質設計手法AlphaProteoと、透かしに対応させた配列生成手法ProteinMPNNを用いた。対象は、特定のタンパク質へ選択的に結合するよう設計した分子で、透かしを持たせても結合する働きを保てるかを実験した。
3種類の標的で結合性能を比較
結合する働きの検証には、VEGF-A、SARS-CoV-2のスパイクタンパク質にある受容体結合領域RBD、PD-L1の3種類を標的に使った。Google DeepMindの実験では、透かし付きの設計は透かしなしの設計と同等のヒット率と結合親和性を示した。
結合親和性の比較にはKDを用い、値が小さいほど標的への結合が強いことを示す。透かし付きの設計は配列の多様性も透かしなしと同等で、結合性能と配列の多様性の両面から影響を評価した。
立体構造の透かしはモデルの重みに組み込む
立体構造予測では、配列のアミノ酸を選ぶ方式に代えて、予測される原子の座標に信号を持たせる。SynthID Bioは立体構造予測モデルAlphaFold 3の拡散ネットワークの一部を微調整し、透かしを生成する能力をモデルの重みに組み込む。
この変更により、モデルが出力する3次元座標自体に検出可能な信号が含まれるようになった。Google DeepMindは、透かし対応のモデルでは、実行する人にかかわらず予測座標に信号が入るとしている。
予測精度を保ち、小さな座標変更にも耐える
座標へ信号を持たせる方式では、構造予測の品質と透かしの検出性能を併せて評価した。Google DeepMindは、AlphaFold 3の予測精度を維持しながら、ほぼ完全な検出性能を得たとしている。
透かし付きの予測構造は、主要な構造特徴の分布も維持した。検出用の信号はデジタルノイズや小さな座標変更にも耐えたという。