2026 年 9 月 30 日，Google DeepMind 宣布推出并开源蛋白质数字水印工具 SynthID Bio，相关概念验证研究同日发表于《Nature》期刊。该技术包含针对氨基酸序列和预测 3D 结构的水印方法，能够在不破坏蛋白质实验室生物学功能的前提下，将数字标识直接嵌入生物设计中，供科研社区进一步开发。
在具体实现路径上，针对蛋白质序列的水印通过微调氨基酸选择来嵌入，目前已集成至常用的序列生成工具 ProteinMPNN；针对 3D 结构，该技术通过微调 AlphaFold 3 扩散网络的部分权重，在预测的原子坐标中引入微小且可检测的模式。Google DeepMind 报告称，其结构检测器在 0.1% 的假阳性率下对带水印预测结果的检测率超过 99.8%，并保持了预测精度，且对数字噪声和坐标微调具有抵抗力。
在生物功能验证方面，Google DeepMind 联合 Adaptyv Bio 开展了湿实验室测试，结合 AlphaProteo 与集成 SynthID Bio 的 ProteinMPNN，针对 VEGF-A、SARS-CoV-2 刺突蛋白受体结合域（RBD）和 PD-L1 三个靶点合成了结合剂。实验结果显示，带有水印的蛋白质在命中率、结合亲和力及自然序列多样性方面，均与未添加水印的版本表现相当。
这项技术主要针对生成式 AI 带来的生物安全与数据完整性挑战。传统 DNA 合成筛查通过比对已知危险序列数据库排查风险，但难以识别与已知威胁无相似性的 AI 新序列；同时未经验证的 AI 结构若录入公共数据库，也存在污染风险。SynthID Bio 能够为 DNA 合成商提供自动化来源信号，确认序列是否源自受信任模型，并可用于标记公共数据库的合成提交条目。Google DeepMind 首席 AI 科学家 Demis Hassabis 表示，生物安全是 AI 时代的紧迫挑战，将水印引入生物学是关键一步。