DeepMind מסמנת חלבונים כדי למנוע שימוש בנשק ביולוגי
חוקרי DeepMind פרסמו ב-Nature שיטה להטבעת סימן מים דיגיטלי בחלבונים שתוכננו על ידי AI. הטכנולוגיה, המבוססת על SynthID, הוטמעה ב-ProteinMPNN וב-AlphaFold 3, ואומתה במעבדה על שלוש מטרות (VEGF-A, PD-L1, SC2RBD) — עם תפקוד זהה לזה של חלבונים רגילים ושיעור טעות של 0.1%. המטרה: לאפשר סריקה אוטומטית של הזמנות DNA סינתטיות ולשפר את הביטחון הביולוגי.

דמיינו לכם שאתם מנסים לאתר רוצח שהשאיר DNA שהוא עצמו המציא. זה בדיוק האתגר שעומד בפני ספקיות של סינתזת DNA כשמישהו מזמין DNA שמקודד לחלבון שעוצב על ידי AI. מערכות האבטחה מאתרות רצפי DNA שידועים כמאיימים, אבל מודלים כמו AlphaFold 3 יכולים ליצור חלבונים חדשים לחלוטין, עם רצפים שלא מופיעים באף מאגר. הם יכולים לשמש לטיפול רפואי — או, באותה מידה, לייצר רעלנים או לשנות חלבונים וירליים. מחקרים מהקיץ שעבר הצביעו על הסיכון הזה, ועדיין לא היה ברור מה אפשר לעשות.
הבוקר (רביעי), צוות DeepMind של גוגל מציע פתרון ראשוני אפשרי: הטבעת סימן מים בחלבון עצמו. המאמר שפורסם בכתב העת Nature מתאר מערכת שמסוגלת "לחתום" דיגיטלית על רצפי חומצות אמינו של חלבונים מעוצבים, מבלי לפגוע בתפקודם הביולוגי.
אז איך זה עובד?
המערכת, שנקראת SynthID Bio, מבוססת על טכנולוגיית SynthID של גוגל, שמסוגלת להוסיף סימן מים עדין לחומרים דיגיטליים שנוצרו על ידי AI, כמו תמונות או טקסט. הרעיון דומה: במהלך עיצוב החלבון, ה-AI מוטה לבחור חומצות אמינו מסוימות במקומות ספציפיים ברצף, בהתאם למפתח סודי. הטיה זו מתפזרת באופן שיטתי לאורך כל הרצף ויוצרת חתימה דיגיטלית ייחודית.
החתימה הזו מוטמעת בשתי רמות:
- ברצף עצמו: באמצעות שילוב של SynthID Text עם מודל עיצוב הרצפים הפופולרי ProteinMPNN.
- במבנה המרחבי: DeepMind עידנה חלק קטן מרשת ה-Diffusion של AlphaFold 3, כך שהיא תטמיע את סימן המים ישירות בקואורדינטות האטומיות החזויות של החלבון.
המשמעות היא שכל מי שמריץ את המודל מקבל חיזוי של מבנה שנושא כבר את החתימה. אפשר לאתר את החתימה הזו גם בחלבון הפיזי לאחר הסינתזה.
בדיקות במעבדה: האם זה באמת עובד?
DeepMind ערכה בדיקות in vitro (במבחנה) כדי לוודא שסימן המים אינו "מזהם" את החלבון ומשאיר אותו מתפקד. החוקרים התמקדו ב-חלבוני קישור (Protein Binders) — מולקולות שתוכננו במיוחד להיצמד לחלבון מטרה.
הם בדקו שלוש מטרות:
- VEGF-A (גורם גדילה של כלי דם).
- PD-L1 (חלבון הקשור למערכת החיסון).
- SC2RBD (דומיין קישור לקולטן של חלבון ה-Spike של SARS-CoV-2).
בכל שלוש המטרות, התוצאות היו ברורות: עיצובים עם סימן מים תפקדו בדיוק כמו אלו שבלעדיו. שיעורי ההצלחה (Hit Rate), עוצמת הקשירה וגיוון הרצפים הטבעי היו זהים. במילים אחרות, המחיר של "החתימה" הוא אפסי.
במהלך הסינון, DeepMind מדווחת על שיעור חיובי כוזב של כ-0.1%. זה אומר שרק אחד מכל אלף חלבונים שיעברו דרך המערכת הזו יסומן בטעות כ"מהימן", למרות שאינו כזה. בעולם של סריקת הזמנות DNA, רמת ביטחון כזו יכולה להיות שכבת אמון קריטית.
"קופסה שחורה" של מעבדות סינתזה
המניע העיקרי כאן הוא ביטחון ביולוגי. חברות שמבצעות סינתזת DNA (כמו Twist Bioscience) מפעילות מערכות סריקה שבודקות כל הזמנה מול מאגרים של רצפים מסוכנים. אבל ה-AI יוצר רצפים חדשים, ולמפעילי הסריקה אין דרך לדעת אם הם מגיעים ממקור מהימן או לא.
הטמעת סימן מים מציעה פתרון אלגנטי: אם מודל AI מהימן מטביע בכוונה חתימה בכל חלבון שהוא מעצב, מפעילי סריקה יוכלו לזהות אוטומטית הזמנות שמגיעות ממקור כזה. כל השאר יופנו לבדיקה מעמיקה יותר.
ג'יימס דיגנס, סגן נשיא למדיניות וביטחון ביולוגי ב-Twist Bioscience, שבחן את המאמר בשלב מוקדם, קורא לסימון באמצעות סימן מים "תוספת מבטיחה לארגז הכלים של הביטחון הביולוגי, שיכולה לחזק תהליכי סריקה".
שימוש כפול במאגרים הציבוריים
DeepMind גם מציעה להשתמש בטכנולוגיה הזו כדי להתמודד עם בעיה במאגרים ביולוגיים גדולים כמו Protein Data Bank או GenBank. המאגרים האלה פתוחים להגשות של הציבור, ורישומים שגויים או מטעים יכולים להשפיע לרעה על החלטות ביטחוניות. ברגע ההגשה, סימן מים יכול לעזור לסמן רישומים סינתטיים לבדיקה או לתיוג.
מה עדיין לא פתור?
הטכנולוגיה הזו אינה מגן מוחלט. DeepMind מודה במאמר שעמידות מפני חבלות מכוונות (Deliberate Tampering) היא עדיין אתגר. מישהו עם ידע טכני וגישה למפתח הסודי (או מי שמסוגל לפרוץ אותו) יכול לנסות להסיר את סימן המים. כפתרון ביניים, הם מציעים לשלב את החתימה עם נתוני מקור (Provenance Metadata) או עם מאגרים מרכזיים של נתונים ביולוגיים שנוצרו באמצעות AI. הם רואים ב-SynthID Bio שכבה אחת מיני רבות, שלכל אחת מהן יכולות להיות פרצות.
הצעד הבא: גנומים שלמים
DeepMind לא עוצרת בחלבונים. בשיתוף פעולה עם מעבדת Hie באוניברסיטת סטנפורד ומכון Arc, היא כבר עובדת על שילוב הטכנולוגיה במודל הגנומי Evo 2. השותפים הצליחו להטביע סימן מים בגנום של בקטריופאג' (וירוס שתוקף חיידקים) שעוצב על ידי המודל. בדיקות ראשוניות בתרבית חיידקים אישרו שהפאג'ים המסומנים עדיין מתפקדים. מאמר טכני בנושא יפורסם בהמשך.
DeepMind מפרסמת את שיטות העבודה, את הקוד ואת נתוני ה-in vitro בקוד פתוח, ומשחררת את המשקלים לקהילת המחקר. זו קריאה ברורה לכך שהנושא של ביטחון ביולוגי בעידן ה-AI הוא לא עניין פרטי, אלא אתגר קולקטיבי שדורש כלים שקופים ושיתופיים.
אז בפעם הבאה שאתם שומעים על AI שמעצב חלבון רפואי חדש, אולי תדעו שיש מי שכבר עובדים על השורה התחתונה: לוודא שהוא לא ישמש לדברים אחרים לגמרי.