구글 딥마인드, SynthID Bio 공개

구글 딥마인드가 9월 30일 AI가 설계한 단백질에 워터마크를 심는 기술 SynthID Bio를 공개했다. 디지털 파일이 아니라 생물학적 코드 자체에 눈에 띄지 않는 서명을 넣고, 그 서명은 실제로 합성된 물리적 단백질에서도 확인된다. 회사는 실험실 시험에서 워터마크가 단백질의 생물학적 기능을 해치지 않았다고 밝혔다. 이미지와 글에 쓰던 SynthID를 합성생물학으로 옮긴 첫 사례다.

출발점은 생물보안의 빈틈이다. 딥마인드에 따르면 단백질 구조를 예측하는 AlphaFold, 새 단백질을 설계하는 AlphaProteo와 ProteinMPNN, 최근에는 세균을 감염시키는 바이러스인 박테리오파지 설계까지 생성형 AI가 생물학 문제를 풀고 있다. 그런데 AI가 만든 새 설계는 기존 DNA 합성 심사를 우회할 수 있고, 잘못 표기된 합성 3D 구조는 공개 데이터베이스를 오염시켜 후속 연구를 흐릴 수 있다. 워터마크는 이 두 지점을 겨냥한다.

작동 방식은 데이터 종류에 따라 달라진다. 단백질 서열에서는 아미노산 선택을 미세하게 유도하고, 예측된 3D 구조에서는 원자 좌표를 조정해 탐지 가능한 신호를 만든다. 검증 대상은 다른 단백질에 선택적으로 달라붙도록 만든 분자인 단백질 결합체였다. 연구진은 자사 결합체 설계 기법 AlphaProteo와 SynthID Bio를 입힌 ProteinMPNN을 함께 써서 설계를 뽑았다.

결과는 세 표적 단백질에서 나왔다. 혈관 생성 인자 VEGF-A, 코로나19 바이러스 스파이크 단백질의 수용체 결합 부위, 면역관문 단백질 PD-L1을 상대로 한 습식 실험에서 워터마크를 넣은 설계는 넣지 않은 설계와 적중률, 결합 친화도, 자연스러운 서열 다양성이 같았다. 딥마인드는 이를 두고 워터마크가 있으면서 생물학적으로 작동하는 첫 단백질 결합체라고 밝혔다. 실험 검증에는 Adaptyv Bio가 참여했다.

구조 예측 쪽 접근은 더 과감하다. SynthID Bio는 AlphaFold 3의 확산 신경망 중 작은 부분을 미세조정해 워터마크 기능을 모델 가중치 안에 넣었다. 그래서 누가 모델을 돌리든 예측된 3D 좌표에 탐지 가능한 서명이 남는다. 회사에 따르면 이 방식은 AlphaFold 3의 예측 정확도를 유지하면서 거의 완벽한 탐지율을 보였고, 핵심 구조 특징의 분포를 지켰으며, 디지털 잡음이나 작은 좌표 변경에도 버텼다.

이 기술이 가장 먼저 쓰일 자리는 DNA 합성 심사다. 디지털 단백질 설계를 실제 분자로 바꾸려면 DNA 합성 업체에 주문을 넣어야 하고, 업체는 알려진 위협 데이터베이스와 주문을 대조한다. 예전에는 낯선 서열을 아직 발견되지 않은 자연 생물로 가정해도 됐지만, AI는 알려진 위험과 거의 닮지 않은 서열을 새로 만든다. 딥마인드는 낯선 주문을 일일이 수작업으로 검토하느라 연구가 멈추는 대신, 워터마크가 안전장치를 갖춘 신뢰할 만한 모델에서 나온 주문임을 자동으로 증명하는 신호가 될 수 있다고 설명했다.

합성 업계의 반응도 이 지점에 모였다. 논문 초기 검토에 참여한 제임스 디건스 트위스트 바이오사이언스 정책·생물보안 부사장은 "AI는 과학자가 설계할 수 있는 범위를 넓히고 있고, DNA 합성 기업은 그 혁신이 책임 있게 확장되도록 돕는 중요한 역할을 맡고 있다"고 말했다. 그는 워터마크가 심사를 강화하고 더 면밀히 볼 서열에 자원을 집중하게 하는 새로운 도구가 될 수 있다고 덧붙였다. 연구를 검토한 생물보안 정책 전문가 세라 카터 사이언스 폴리시 컨설팅 대표는 "SynthID Bio는 생물학적 설계의 출처를 추적하는 퍼즐의 중요한 조각"이라며 "설계를 모델 개발사와 연결해 개발사가 안전을 주도하게 한다"고 평가했다.

법적 책임의 눈으로 보면 이 워터마크는 출처 증명 장치다. 누가 만든 모델에서 나온 설계인지가 분자에 남으면, 합성 업체는 주문의 이력을 확인할 근거를 얻고 모델 개발사는 자기 모델의 산출물에 대한 책임 경로를 스스로 설계하게 된다. 생물안보 비영리단체 NTI는 논평에서 합성 업체가 열쇠로 워터마크의 존재와 고객이 제출한 정보가 일치하는지 확인하는 구조를 설명하며, 워터마크 하나로는 고의적인 오용을 막지 못한다고 짚었다. NTI는 이 기술이 IBBIS의 공통 심사 체계, NTI 바이오와 래티스 오토메이션이 만드는 생물설계 메타데이터 보안 표준, 센티넬 바이오의 고객 확인 모델 BioTrust와 맞물리는 층이 될 수 있다고 봤다. 딥마인드 스스로도 여러 독립 안전장치가 서로의 사각지대를 덮는 스위스 치즈 모델의 한 층으로 SynthID Bio를 규정했다.

데이터베이스 관리도 쓰임새다. 단백질 데이터 뱅크, UniProt, GenBank처럼 공개 제출을 받는 저장소에서 잘못 표기된 항목은 생물보안 판단을 크게 흔들 수 있고, AI가 만든 생물 데이터가 늘수록 그 위험도 커진다. 딥마인드는 제출 과정에서 SynthID Bio가 합성 항목에 제대로 표시를 붙이거나 추가 검토 대상으로 걸러낼 수 있다고 밝혔다. 회사는 앞으로의 과제로 고의적 변조에 대한 내성 강화를 꼽았고, 디지털 미디어의 C2PA 같은 출처 메타데이터나 AI 생성 생물 데이터의 중앙 저장소와 짝을 이루는 방안을 제시했다.

적용 범위는 단백질을 넘어 유전체로 향한다. 딥마인드는 스탠퍼드대와 아크 연구소의 하이 연구실과 함께 유전체 모델 Evo 2에 SynthID Bio를 넣어, Evo 2가 설계한 박테리오파지의 유전체에 워터마크를 심었다. 세균 배양 초기 시험에서 이 워터마크 박테리오파지는 제 기능을 했고, 회사는 기술 논문을 곧 공개하겠다고 밝혔다. 메탈은 클로드가 스스로 설계한 단백질로 결합에 성공한 사례를 보도한 바 있으며, 설계 속도가 빨라질수록 그 산출물에 이름표를 다는 일의 무게도 커진다.

공개 방식도 눈여겨볼 대목이다. 메탈이 확인한 딥마인드 발표문에 따르면 회사는 방법론 논문을 내고 코드와 시험관 데이터를 오픈소스로 풀며 가중치도 연구계에 공개한다. 프로젝트는 푸시미트 콜리가 시작했고 알렉산더 코웬리버스와 데이비드 스투츠가 연구를 이끌었다. 워터마크가 출처 증명의 표준이 되려면 한 회사의 도구가 아니라 합성 업체와 데이터베이스, 다른 모델 개발사가 함께 읽을 수 있는 신호여야 하고, 코드와 가중치 공개는 그 조건을 채우려는 첫 수다.