구글 딥마인드는 2026년 9월 30일, AI가 설계한 생물학적 서열과 예측 단백질 구조에 눈에 보이지 않지만 탐지 가능한 표시를 심는 워터마킹 기법 모음인 신스아이디 바이오를 공개했습니다. 이 표시는 합성된 실제 단백질에서도 검증할 수 있으며, 실험실 검사에서 워터마킹을 적용해도 생물학적 기능이 유지됐습니다. 시스템은 데이터에 맞춰 서열에서는 아미노산 선택을 미세하게 조정하고, 예측한 3차원 구조에서는 원자 좌표를 바꿉니다.

실험실 검사에서 혈관내피성장인자 A(VEGF-A), 중증급성호흡기증후군 코로나바이러스 2의 스파이크 단백질 RBD, PD-L1을 표적으로 삼은 워터마크 단백질 결합체는 표시를 넣지 않은 설계와 비교해 적중률, 결합력, 자연스러운 서열 다양성을 유지했습니다. 연구진은 결합체 설계에 알파프로테오를, 서열 생성에는 신스아이디 바이오를 적용한 프로틴엠엔엔을 사용했습니다. 구글 딥마인드는 생물학적 기능이 유지되는 것으로 확인된 워터마크 단백질 결합체는 처음이라고 설명했습니다. 단백질 접힘 예측에는 알파폴드 3의 확산 네트워크 일부를 추가 학습해 예측 좌표에 탐지 가능한 표시를 담았습니다. 회사는 이 방법이 예측 정확도와 주요 구조 특징의 분포를 유지하고, 거의 완벽하게 탐지되며, 디지털 잡음과 작은 좌표 변화에도 견딘다고 밝혔습니다.

워터마크는 생물보안과 과학 데이터 무결성 검증을 보완하는 수단으로 제안됐습니다. DNA 합성 업체들은 알려진 위협 데이터베이스와 대조해 주문을 검사하지만, AI는 기존 위험물질과 거의 닮지 않은 새로운 서열을 만들 수 있습니다. 구글 딥마인드는 신스아이디 바이오가 낯선 주문이 안전장치를 갖춘 신뢰 모델에서 나왔다는 자동 신호를 제공해, 검사 담당자가 해당 설계와 면밀한 검토가 필요한 서열을 구분하도록 도울 수 있다고 설명했습니다. 또 단백질 데이터 뱅크, 유니프로트, 젠뱅크에 제출되는 합성 데이터 항목을 표시하거나 경고하는 데도 활용할 수 있다고 밝혔습니다.

구글 딥마인드는 고의적인 워터마크 변조가 여전히 과제이며, 워터마킹만으로 생물보안을 해결할 수는 없다고 밝혔습니다. 회사는 더 복잡한 생물학적 대상에 적용하는 연구도 진행 중입니다. 스탠퍼드대학교의 히에 연구실 및 아크 연구소와 함께 신스아이디 바이오를 에보 2에 통합해, 에보 2가 설계한 박테리오파지에 워터마크를 넣었습니다. 초기 검사에서는 워터마크를 넣은 파지가 세균 배양액에서 기능하는 것으로 확인됐습니다. 구글 딥마인드는 방법론 논문을 공개하고 코드와 시험관 내 데이터를 오픈소스로 제공하며, 연구자들에게 모델 가중치도 배포한다고 밝혔습니다. 워터마크를 데이터 출처 추적 메타데이터 또는 AI 생성 생물학 데이터 중앙 저장소와 결합하는 방안도 검토할 계획입니다.

구글 딥마인드는 2026년 9월 30일, AI가 설계한 생물학적 서열과 예측 단백질 구조에 눈에 보이지 않지만 탐지 가능한 표시를 심는 워터마킹 기법 모음인 신스아이디 바이오를 공개했습니다. 이 표시는 합성된 실제 단백질에서도 검증할 수 있으며, 실험실 검사에서 워터마킹을 적용해도 생물학적 기능이 유지됐습니다. 시스템은 데이터에 맞춰 서열에서는 아미노산 선택을 미세하게 조정하고, 예측한 3차원 구조에서는 원자 좌표를 바꿉니다.

실험실 검사에서 혈관내피성장인자 A(VEGF-A), 중증급성호흡기증후군 코로나바이러스 2의 스파이크 단백질 RBD, PD-L1을 표적으로 삼은 워터마크 단백질 결합체는 표시를 넣지 않은 설계와 비교해 적중률, 결합력, 자연스러운 서열 다양성을 유지했습니다. 연구진은 결합체 설계에 알파프로테오를, 서열 생성에는 신스아이디 바이오를 적용한 프로틴엠엔엔을 사용했습니다. 구글 딥마인드는 생물학적 기능이 유지되는 것으로 확인된 워터마크 단백질 결합체는 처음이라고 설명했습니다. 단백질 접힘 예측에는 알파폴드 3의 확산 네트워크 일부를 추가 학습해 예측 좌표에 탐지 가능한 표시를 담았습니다. 회사는 이 방법이 예측 정확도와 주요 구조 특징의 분포를 유지하고, 거의 완벽하게 탐지되며, 디지털 잡음과 작은 좌표 변화에도 견딘다고 밝혔습니다.

워터마크는 생물보안과 과학 데이터 무결성 검증을 보완하는 수단으로 제안됐습니다. DNA 합성 업체들은 알려진 위협 데이터베이스와 대조해 주문을 검사하지만, AI는 기존 위험물질과 거의 닮지 않은 새로운 서열을 만들 수 있습니다. 구글 딥마인드는 신스아이디 바이오가 낯선 주문이 안전장치를 갖춘 신뢰 모델에서 나왔다는 자동 신호를 제공해, 검사 담당자가 해당 설계와 면밀한 검토가 필요한 서열을 구분하도록 도울 수 있다고 설명했습니다. 또 단백질 데이터 뱅크, 유니프로트, 젠뱅크에 제출되는 합성 데이터 항목을 표시하거나 경고하는 데도 활용할 수 있다고 밝혔습니다.

구글 딥마인드는 고의적인 워터마크 변조가 여전히 과제이며, 워터마킹만으로 생물보안을 해결할 수는 없다고 밝혔습니다. 회사는 더 복잡한 생물학적 대상에 적용하는 연구도 진행 중입니다. 스탠퍼드대학교의 히에 연구실 및 아크 연구소와 함께 신스아이디 바이오를 에보 2에 통합해, 에보 2가 설계한 박테리오파지에 워터마크를 넣었습니다. 초기 검사에서는 워터마크를 넣은 파지가 세균 배양액에서 기능하는 것으로 확인됐습니다. 구글 딥마인드는 방법론 논문을 공개하고 코드와 시험관 내 데이터를 오픈소스로 제공하며, 연구자들에게 모델 가중치도 배포한다고 밝혔습니다. 워터마크를 데이터 출처 추적 메타데이터 또는 AI 생성 생물학 데이터 중앙 저장소와 결합하는 방안도 검토할 계획입니다.