AI 생성 단백질에 워터마크를 삽입하는 SynthID Bio 공개

AI 생성 생체 물질 워터마킹 기술 공개

Google DeepMind 연구팀은 최근 AI로 생성된 단백질에 워터마크를 삽입하는 기술인 SynthID Bio를 공개했다. 이 기술은 보이지 않는 서명을 생물학적 코드에 직접 내장하여, 디지털 모델뿐만 아니라 합성된 실제 단백질에서도 워터마크를 검증할 수 있도록 한다. SynthID Bio는 워터마크 삽입 과정에서 단백질의 생물학적 기능을 보존하는 것을 목표로 한다. 이는 합성 생물학 분야에서 AI 생성물의 출처를 추적하고 무결성을 확보하는 중요한 단계로 평가된다.

생물보안 강화를 위한 배경

최근 생성형 AI는 단백질 구조 예측(AlphaFold), 새로운 단백질 설계(AlphaProteo, ProteinMPNN), 박테리오파지 개발 등 다양한 생물학적 난제를 해결하는 데 기여하고 있다. 그러나 이러한 AI 도구는 새로운 문제도 야기한다. AI가 설계한 새로운 생체 물질은 기존 DNA 합성 스크리닝을 우회할 수 있으며, 잘못 분류된 합성 3D 구조는 공공 데이터베이스를 오염시키고 후속 연구를 오도할 위험이 있다. 이러한 배경에서 SynthID Bio는 생물보안을 강화하고 과학적 무결성을 지키기 위한 다층 방어 체계의 한 부분으로 개발되었다.

SynthID Bio의 작동 방식과 성능

SynthID Bio는 합성 생물학에 특화된 워터마킹 방법론으로, 데이터 유형에 따라 접근 방식을 조절한다. 단백질 서열의 경우 아미노산 선택을 미묘하게 유도하고, 예측된 3D 구조의 경우 원자 좌표를 조정하여 탐지 가능한 신호를 생성한다. 실험 결과, 이러한 조정은 단백질의 생물학적 기능을 손상시키지 않는 것으로 확인되었다.

연구팀은 단백질 결합체(protein binders) 워터마킹에 대한 접근 방식을 검증했다. AlphaProteo와 SynthID Bio가 적용된 ProteinMPNN을 사용하여 VEGF-A, SARS-CoV-2 스파이크 단백질 RBD, PD-L1 세 가지 표적 단백질에 대한 습식 실험(wet-lab testing)을 수행했다. 워터마크가 삽입된 설계는 워터마크가 없는 버전과 유사한 결합률(hit rate), 결합 친화도(binding affinity, KD 측정), 자연 서열 다양성을 보였으며, 생물학적으로 기능하는 워터마크 단백질 결합체를 성공적으로 생성했다.

단백질 접힘(protein folding) 예측의 경우, SynthID Bio는 AlphaFold 3의 확산 네트워크 일부를 미세 조정하여 모델 가중치에 워터마킹 기능을 직접 내장한다. 이 방식은 모델을 누가 실행하든 예측된 3D 좌표가 탐지 가능한 서명을 내재하도록 보장한다. SynthID Bio는 AlphaFold 3의 예측 정확도를 유지하면서도 거의 완벽한 탐지율을 제공하며, 주요 구조적 특징 분포를 보존하고 디지털 노이즈나 미세한 좌표 변화에도 강건함을 보였다.

생물학 연구 및 산업에 미치는 영향

SynthID Bio는 생물학적 설계의 출처를 추적하는 데 중요한 역할을 한다. 이는 설계와 모델 개발자를 연결하여 개발자가 안전성 책임을 주도하고, DNA 합성 제공업체가 해당 모델을 사용한 고객에 대한 스크리닝을 간소화할 수 있도록 지원한다. 특히 생물보안의 최전선에 있는 DNA 합성 스크리닝에서 그 중요성이 부각된다. AI가 알려진 위험과 거의 유사하지 않은 완전히 새로운 서열을 생성할 수 있으므로, 기존의 스크리닝 방식으로는 위협 여부를 판단하기 어렵다. SynthID Bio는 자동화된 검증 신호를 제공하여, 신뢰할 수 있는 모델에서 생성된 주문임을 입증함으로써 수동 검토 부담을 줄이고 필수 연구를 가속화할 수 있다.

또한 SynthID Bio는 Protein Data Bank, UniProt, GenBank와 같은 공공 데이터베이스의 무결성을 유지하는 데 기여할 수 있다. AI 생성 생물학적 데이터의 추가로 인해 잘못 분류된 항목이 생물보안 의사 결정에 미치는 부정적인 영향이 커질 수 있다. SynthID Bio는 제출 과정에서 합성 항목이 적절하게 라벨링되거나 추가 검토를 위해 플래그 지정되도록 도울 수 있다.

향후 과제와 연구 방향

SynthID Bio는 AI 생성 생물학적 서열 및 구조를 안정적으로 식별하고 추적하기 위한 중요한 첫걸음이지만, 단일한 생물보안 해결책은 아니다. 향후 주요 과제는 고의적인 변조에 대한 워터마크의 강건성을 높이는 것이다. 또한 디지털 미디어의 C2PA와 유사한 출처 메타데이터 접근 방식이나 AI 생성 생물학적 데이터의 중앙 저장소와 결합하여 AI 생성 단백질을 더 효과적으로 식별하고 추적할 수 있다.

연구팀은 최첨단 AI 기술의 발전하는 역량에 맞춰 더 복잡한 생물학적 객체에 워터마킹을 적용하는 연구도 진행 중이다. 스탠포드 대학교 Hie 연구실 및 Arc Institute와의 협력을 통해 고급 유전체 모델인 Evo 2에 SynthID Bio를 통합하여 Evo 2가 설계한 박테리오파지의 유전체에 워터마크를 삽입하는 작업을 진행하고 있다. 초기 박테리아 배양 실험에서 워터마크가 삽입된 박테리오파지가 기능적임을 확인했으며, 이는 유전체 설계와 관련된 생물보안 위험을 해결할 잠재력이 있다.

이 연구의 생물보안 이점을 완전히 실현하기 위해서는 커뮤니티 협력과 추가 연구가 필요하다. 연구팀은 책임감 있는 혁신에 대한 약속의 일환으로 방법론 논문을 발표하고 코드와 시험관 내(in vitro) 데이터를 오픈 소스로 공개하며, 연구 커뮤니티에 모델 가중치를 배포하여 이 연구를 기반으로 더 발전할 수 있도록 지원할 예정이다.