Google DeepMind הציגה את SynthID Bio — מערכת סימני מים לחלבוני AI

Google DeepMind הציגה ב-30 בספטמבר את SynthID Bio — משפחת שיטות סימני מים שנוצרה לביולוגיה סינתטית. המערכת שמה סימן בלתי נראה בעיצובים שנוצרו ב-AI, כדי שאפשר יהיה לזהות את החלבון גם לאחר סינתזה במעבדה. ההכרזה נעשתה יחד עם מאמר ב-Nature.

איך פועל סימן המים

SynthID Bio מתאים את טכנולוגיית SynthID הנבדקת של Google לנתונים ביולוגיים. במקרה של רצפי חלבונים הוא עובד עם ProteinMPNN: כשהכלי הזה מסדר חומצות אמינו על השלד אחת-אחת, SynthID Bio מציע את הבאה על פי המפתח וחומצות האמינו שכבר נבחרו. ProteinMPNN מקבל את ההצעה רק אם היא מתאימה לצורת השלד ולמגבלות, ולכן הסימן מתפזר על פני כל הרצף.

הזיהוי סטטיסטי: בעל המפתח בודק את כל הרצף ומודד באיזו תדירות מופיעות בו חומצות האמינו של SynthID Bio. עבור מבנים תלת-ממדיים חזויים, הצוות כיוונן חלק קטן מרשת הדיפוזיה של AlphaFold 3 כדי שהסימן יוטמע במשקלי המודל עצמם. השיטה שומרת על הדיוק של AlphaFold 3.

תוצאות מעבדה וביובטיחות

החוקרים, יחד עם AlphaProteo, בחנו שלושה מטרות: VEGF-A, RBD של חלבון ה-spike של SARS-CoV-2 ו-PD-L1. הגרסאות המסומנות תאמו לבקרה הלא מסומנת בתדירות הפגיעה, באפיניות הקישור ובמגוון הטבעי של הרצף. לפי DeepMind, אלה הבינדרים החלבוניים הראשונים המסומנים בסימן מים ותפקודיים ביולוגית.

המטרה העיקרית היא סינון סינתזת DNA. ספקי סינתזה משווים הזמנות נכנסות למאגרי איומים ידועים, אך עיצוב AI זר אינו דומה לרשומות הקיימות. לפי DeepMind, אם לספקים יהיו מפתחות של ארגונים מהימנים, הם יוכלו לקבוע במהירות שחלבון לא מוכר נוצר במודל מהימן, ולהפנות משאבים להזמנות חשודות. הסימן גם תומך בדיוקם של Protein Data Bank, UniProt ו-GenBank.

מגבלות

הביטחון תלוי בהפצת מפתחות. בחלבונים קצרים מאוד ייתכן שחומצות האמינו של הסימן לא יופיעו מספיק. הוספת רצף לא מסומן, למשל מיזוג עם חלבון פלואורסצנטי טבעי, מחלישה את הסימן, ובאמצעות התערבות מכוונת אפשר אף למחוק אותו. כלי AI רבים אינם משתמשים ב-ProteinMPNN, ולכן לא כל מעצב יכול להטביע את הסימן. סף הזיהוי משנה את האיזון בין תוצאות חיוביות שגויות לשליליות שגויות. לפי הערכת Ars Technica, התועלת המעשית של השיטה בצורה זו עדיין לא לגמרי ברורה, אך עצם העובדה שהגישה עובדת חשובה.

DeepMind תפרסם את הקוד ואת נתוני in vitro בקוד פתוח, ובודקת את הגישה גם על גנום בקטריופג' שנוצר במודל Evo 2.

מקורות: Ars Technica · Google DeepMind