地元暮らしをちょっぴり楽しくするようなオリジナル情報なら、地域情報サイト「まいぷれ」！
文字サイズ
暮らしと仕事の「？」を調べてみた
（更新）
AIが設計した「タンパク質」にも透かし？
図：公開資料をもとに編集部作成（生成AIを使用）
文章、画像、動画。生成AIが作ったコンテンツについて、「これはAIが作ったものなのか」を後から確認するための技術開発が進んでいます。では、AIが作るものが画像や文章ではなく、タンパク質だったらどうでしょうか。
2026年9月30日、Google DeepMindは、AIが設計したタンパク質の配列や3次元構造に識別情報を埋め込む技術「SynthID Bio」を発表しました。同日、研究成果をまとめた論文「Function-preserving watermarking of AI-generated proteins」が科学誌Natureに掲載されています。
今回は、「AIが設計したタンパク質を、後からAI由来だと見分けることはできるの？」という「？」を調べてみます。
生成AIというと、ChatGPTのような文章生成AIや画像生成AIを思い浮かべる人が多いかもしれません。しかしAIは現在、生命科学の世界にも広がっています。タンパク質の構造を予測するだけでなく、目的に合わせた新しいタンパク質そのものを設計するAIも登場しています。
ここで新しい問題が生まれます。
AIが自然界には存在しない新しい配列を次々と作るようになったとき、
という「由来」が分かりにくくなる可能性があります。そこでGoogle DeepMindが開発したのが「SynthID Bio」です。
SynthID Bioは、AIが生成するタンパク質の情報そのものへ、後から検出できる特徴を埋め込む技術です。考え方としては、AI生成画像などに使われる「電子透かし」に近いものです。
タンパク質を構成するアミノ酸の配列や、AIが予測する原子レベルの3次元構造の中に、専用の検出方法で確認できる特徴を組み込みます。Google DeepMindは、「①配列に入れる透かし」「②3次元構造に入れる透かし」という2つの方法を今回検証しています。
ここが今回の研究で重要なところです。研究チームは実際にタンパク質を設計・合成し、実験室で機能を調べています。
対象となったのは、
という3種類です。研究チームは、これらを標的とする「バインダー」と呼ばれるタンパク質を作り、透かしを入れたものと入れていないものを比較しました。その結果、全体として、透かしを入れても標的への結合性能や結合に成功する割合に大きな悪影響は確認されませんでした。
さらに研究チームは、AlphaFold 3をもとにしたモデルを調整し、AIが予測するタンパク質などの3次元構造にも透かしを埋め込みました。こちらでは、一定の条件下で99.8％を超える検出率が報告されています。
しかも、研究で用いられた主要な構造精度の指標では、推奨設定において元のAlphaFold 3と比べて性能低下は確認されませんでした。つまり、人間の目にはほぼ同じ構造に見えても、専用の検出器を使えば、「この構造は透かし入りのAIモデルから出力されたものだ」と判定できる仕組みです。
では、何のために使うの？Google DeepMindと論文が想定している用途の一つが、DNA合成時の安全確認です。
現在、研究者などがDNAを人工的に合成する場合、合成会社は注文された配列について、既知の危険な生物などとの類似性を調べる仕組みを利用しています。
ところがAIは、既存の生物とほとんど似ていない新しい配列を作れるようになりつつあります。
すると、
という従来型の確認だけでは判断が難しくなる可能性があります。そこで透かしが残っていれば、
という追加の情報として利用できる可能性があります。ただし、これは「その配列が安全だと証明する」という意味ではありません。あくまで、由来を判断するための一つの手掛かりです。
もう一つ想定されているのが、科学データベースです。Protein Data Bank（PDB）、UniProt、GenBankなどには、世界中の研究者が利用する膨大な生物学データが蓄積されています。今後AIによって作られたタンパク質や構造データが急増すると、
が適切に区別されないまま登録される可能性もあります。そうなれば、そのデータを使った次の研究やAI学習にも影響しかねません。SynthID Bioは、AI生成データを適切に識別・表示するための仕組みとしても提案されています。
消せる場合があります。Nature論文では、透かし入りのタンパク質配列をProteinMPNNで再設計する「resequencing」という方法を試したところ、透かしを効果的に除去できることが確認されています。
3次元構造側についても、単純なノイズや回転などには比較的強い一方、特定の構造最適化処理を行うことで透かしを破壊できました。
研究チーム自身も、意図的な改変に対する耐性向上を今後の課題としています。さらに、悪意を持った人が最初から透かしを入れない別のAIツールを使えば、この仕組みだけでは対応できません。
そのためSynthID Bioは、AIバイオリスクを単独で防ぐ技術ではなく、本人確認、DNA合成時のスクリーニング、AIモデル側の安全対策などと組み合わせる「安全対策の一層」として位置付けられています。
そして今回、もう一つ注目したい発表があります。Google DeepMindはStanford University、Arc Instituteと共同で、ゲノム設計AI「Evo 2」にSynthID Bioを組み込み、AIが設計したバクテリオファージのゲノムにも透かしを入れる研究を進めていると明らかにしました。
バクテリオファージとは、細菌に感染するウイルスです。
DeepMindによれば、初期の実験では、透かしを組み込んだバクテリオファージが実際に機能することを細菌培養で確認したとしています。ただし、この成果については今回のNature論文の中心的な検証対象ではなく、詳しい技術論文は今後公開予定です。
生成AIの安全対策が、
文章
↓
画像・音声・動画
↓
タンパク質
↓
ゲノム
というように、デジタル情報から生命科学の世界へ広がり始めていることです。
AIが文章を書くのであれば、間違った文章を削除することはできます。しかしAIが設計した情報をもとに実際の物質や生物学的なものが作られるようになれば、「AIが何を生成したのか」を記録し、追跡する意味も変わってきます。
今回のSynthID Bioは、その問題に対する一つの技術的な回答です。今回調べて分かったことSynthID Bioによって、
だと、実際のタンパク質を使った実験で示されました。
一方で、
という段階には達していません。むしろ今回の研究が示しているのは、AIによる生命科学の設計能力が高まるのと同時に、
という新しい課題です。生成AIの安全性というと、誤情報や個人情報、AIエージェントの暴走などが注目されがちです。しかしAIが「情報を作る道具」から「現実世界で使われる分子や生物学的設計を作る道具」へ広がっていけば、安全対策の対象も変わっていきます。
今回のSynthID Bioは、その変化がすでに研究室の中で始まっていることを示す研究と言えそうです。
Nature（2026年9月30日）
「Function-preserving watermarking of AI-generated proteins」
https://www.nature.com/articles/s41586-026-10965-y
Google DeepMind（2026年9月30日）
「Introducing SynthID Bio」
https://deepmind.google/blog/introducing-synthid-bio/
※取材時点の情報です。掲載している情報が変更になっている場合がありますので、詳しくは電話等で事前にご確認ください。
まいぷれ[東村山市・小平市・東大和市] 公式SNSアカウント
