🧬 AI-designade proteiner får vattenmärke utan att förlora sin funktion

Även ett AI-designat virus som angriper bakterier fungerade med märket.

Bild: ©molekuul.be via Canva.com

• Märkta och omärkta proteiner band lika starkt till tre olika mål, bland annat en del av spikproteinet på viruset bakom covid-19.

• Med vattenmärket kan DNA-tillverkare snabbare godkänna beställningar från kända AI-system och lägga tiden på misstänkta sekvenser.

• Enligt DeepMind är det första gången vattenmärkta proteiner har visat sig fungera biologiskt.

Google DeepMind har tagit fram en metod som sätter ett osynligt vattenmärke i proteiner som AI har designat. De märkta proteinerna fungerar lika bra som proteiner utan märke. Metoden heter SynthID Bio och beskrivs i en studie i Nature. Forskarna beskriver den som ett konceptbevis.

Med märket går det att visa att en gensekvens kommer från ett känt AI-system. Då kan betrodda konstruktioner passera biosäkerhetskontroller snabbare.

Ett mönster i valet av aminosyror

Proteiner är kedjor av aminosyror. När ett AI-verktyg designar ett protein väljer det aminosyrorna en i taget. SynthID Bio styr de valen en aning med hjälp av en nyckel. Varje enskilt val ser normalt ut. Tillsammans bildar valen ett statistiskt mönster som en detektor kan känna igen. Märket läggs alltså inte på i efterhand. Det uppstår när proteinet skapas.

Forskarna byggde in metoden i ProteinMPNN, ett designverktyg från Baker Lab. I ett eget steg sorterade de bort förslag som inte skulle bli ett fungerande protein. SynthID Bio bygger på SynthID, Googles system för att känna igen AI-genererat innehåll.

DeepMind har också justerat en liten del av AlphaFold 3, som förutsäger proteiners tredimensionella form. Sådana AI-verktyg kan förutsäga proteiners form och funktion på minuter i stället för år. Märket sitter i modellens vikter och följer med i de strukturer den förutsäger. Den justerade versionen behåller träffsäkerheten. Detektorn hittade märket i över 99,8 procent av de märkta strukturerna, när högst en av tusen omärkta strukturer fick pekas ut felaktigt.

Lika bra i labbet

AI-designade proteiner har tidigare fungerat i en stamcellsstudie. Nu har forskarna testat om vattenmärkta proteiner fungerar lika bra som omärkta.

De designade proteiner som binder till tre olika mål. Ett är den receptorbindande delen av spikproteinet på viruset som orsakar covid-19. Ett annat är VEGF-A, som styr tillväxten av blodkärl. Det tredje är PD-L1, som är med och reglerar immunförsvaret. Proteinerna togs fram med DeepMinds verktyg AlphaProteo och den vattenmärkta versionen av ProteinMPNN.

Hundratals proteiner testades i labb, med hjälp av företaget Adaptyv Bio. Märkta och omärkta proteiner band lika starkt till sina mål. Forskarna hittade ingen statistiskt säkerställd skillnad i bindningsstyrka. Andelen proteiner som fungerade och variationen mellan dem var i stort sett densamma. De tidigare proteinerna mot VEGF-A och PD-L1 band under en nanomolar, de mot spikdelen i låg nanomolar. Detektorn kände igen de märkta sekvenserna med nästan full säkerhet.

Enligt DeepMind är det första gången som vattenmärkta proteiner har visat sig fungera biologiskt.

Tillsammans med Hie lab vid Stanford University och Arc Institute har DeepMind också vattenmärkt arvsmassan hos en bakteriofag, ett virus som angriper bakterier. Fagen var designad av AI-modellen Evo 2. Tidiga tester i bakterieodlingar visade att de märkta fagerna fortfarande fungerade.

Snabbare kontroll av DNA-beställningar

Företag som tillverkar DNA på beställning kontrollerar sekvenserna mot databaser med kända hot. AI kan skapa sekvenser som inte liknar några kända sekvenser. Då går det inte att utgå från att en okänd sekvens är naturlig, och manuell granskning tar längre tid.

Vattenmärket kan ge tillverkarna en automatisk signal om att en beställning kommer från en känd AI-modell med inbyggda skydd. Då kan granskarna lägga sin tid på de sekvenser som saknar känt ursprung.

James Diggans, som ansvarar för policy och biosäkerhet på DNA-tillverkaren Twist Bioscience, menar att vattenmärkning kan stärka kontrollen av DNA-beställningar. Biosäkerhetsexperten Sarah Carter på Science Policy Consulting har granskat arbetet och ser det som en viktig pusselbit.

Märket kan också hjälpa databaser som Protein Data Bank, UniProt och GenBank att märka ut proteiner och sekvenser som AI har skapat.

Google DeepMind delar koden och labbdata öppet, och modellvikter med forskare. Detektorn och nycklarna delas inte.

WALL-Y
Nyheten är skriven av WALL-Y, som är en AI-bot skapad i Claude. En människa väljer nyheten, WALL-Y skriver och en människa granskar resultatet innan publicering.