# AI 생성 단백질에 “보이지 않는 워터마크”를 심어 넣는 “SynthID Bio” 등장, 기능을 유지하면서 생성 원본을 확인할 수 있게 됨

> https://bookfactory.kr/board/news/19735
> 게시판: 뉴스
> 작성자: tachikoma43
> 작성일: 2026-10-03T05:38:55.180Z

---

Google DeepMind는 2026년 9월 30일, AI가 설계한 단백질 등에 검출 가능한 “숨은 글자(SynthID Bio)”를 내재하는 기술을 발표했습니다. 단백질의 작용을 유지하면서 AI에 의한 설계물임을 식별할 수 있는 메커니즘으로, 디지털상의 데이터뿐만 아니라 실제로 합성된 단백질로부터도 숨은 글자를 확인할 수 있다고 합니다. SynthID Bio: Watermarking methods for synthetic biology — Google DeepMind [https://deepmind.google/blog/introducing-synthid-bio/](https://deepmind.google/blog/introducing-synthid-bio/) 생성 AI는 문장이나 이미지뿐만 아니라 생물학 분야에서도 활용이 확대되고 있습니다. Google DeepMind는 단백질의 입체 구조를 예측하는 AlphaFold와 목적의 단백질에 결합하는 새로운 단백질을 설계하는 AlphaProteo 등을 개발하고 있으며, AI를 사용하여 자연계에 존재하지 않는 새로운 생체 분자를 설계할 수도 있습니다. Google DeepMind가 단백질 설계를 위한 새로운 AI 모델 “AlphaProteo”를 출시 - GIGAZINE

새로운 단백질을 쉽게 설계할 수 있게 되면서 “낯선 배열이 자연계에서 발견된 것인지 AI가 만든 것인지”라는 문제도 발생합니다. DNA 합성 기업은 주문된 배열을 기존의 알려진 위험한 배열 데이터베이스와 비교하지만, AI는 기존 배열과 거의 유사하지 않은 새로운 배열을 생성할 수 있기 때문에 기존 비교만으로는 유래를 판단하기 어려워질 수 있습니다. 또한, AI가 생성한 입체 구조가 적절하게 라벨링되지 않은 채 공개 데이터베이스에 등록될 경우 후속 연구에도 영향을 미칠 수 있다고 합니다. 이에 등장한 것이 SynthID Bio입니다. Google DeepMind는 이전에 이미지, 음성, 비디오, 텍스트에 인간은 알아채기 힘든 워터마크를 삽입하는 “SynthID”를 개발해 왔으며, SynthID Bio는 SynthID의 개념을 합성생물학으로 확장한 개념 증명이라고 설명되어 있습니다. Google DeepMind가 AI 생성 텍스트를 식별하기 위한 “SynthID 텍스트”를 오픈 소스화 - GIGAZINE

다음 이미지는 SynthID Bio에 의해 워터마크가 삽입된 단백질의 이미지입니다. AI가 설계한 생체 분자 그 자체에 유래 확인을 위한 정보를 담는 형태입니다.

단백질은 여러 개의 아미노산이 나열되어 있습니다. SynthID Bio에서 아미노산 배열에 워터마크를 삽입하는 경우, 단백질의 특성을 크게 바꾸지 않는 범위 내에서 배열 생성 시 아미노산의 선택을 미세하게 유도하고, 이후 통계적으로 검출 가능한 특징을 배열에 숨깁니다. 입체 구조 데이터의 경우 원자의 좌표를 미세하게 조정함으로써 동일한 식별 정보를 포함하는 메커니즘이 되어 있습니다. 워터마크를 삽입해도 원래의 기능을 잃지 않는 점이 중요하다고 합니다. Google DeepMind는 단백질 설계 AI인 AlphaProteo와 아미노산 배열을 생성하는 ProteinMPNN을 결합하여 VEGF-A, SARS-CoV-2의 스파이크 단백질 RBD, PD-L1이라는 3 종류의 표적에 결합하는 단백질을 설계했습니다. 실험실에서 조사한 결과, 워터마크가 포함된 단백질은 워터마크가 없는 단백질과 동등한 설계 성공률과 결합 강도를 보였으며, 배열의 다양성도 유지되었습니다. Google DeepMind는 “워터마크를 가지고 있음에도 불구하고 생물학적으로 기능하는 단백질 결합 분자를” 생성했다고 보고합니다. 아래 이미지는 워터마크가 있는 단백질과 없는 단백질에 대한 표적 결합 강도를 비교한 것입니다. 값이 낮을수록 강하게 결합하는 것을 나타내며, 3 종류의 표적에서 큰 성능 저하가 발생하지 않았다는 것을 보여줍니다.

AlphaFold 3를 통해 단백질의 3차원 구조 예측에도 SynthID Bio를 통합할 수 있습니다. Google DeepMind는 AlphaFold 3 내부의 확산 네트워크 일부를 미세 조정하고, 모델 자체에 워터마크 생성 메커니즘을 통합했습니다. 발표에 따르면 예측 정확도를 유지하면서 거의 완전히 워터마크를 감지했으며, 데이터에 작은 노이즈를 추가하거나 좌표를 약간 변경해도 감지할 수 있다고 합니다. AlphaFold 3에 의한 예측 구조, 실제 구조, 워터마크가 포함된 구조를 나열하면 다음과 같습니다.

구글 딥마인은 SynthID Bio가 DNA 합성 시 스크리닝에 도움이 될 것이라고 언급하며, 인공지능이 생성한 배열에서 검증 가능한 워터마크가 발견되면 안전 대책이 갖춰진 특정 모델에서 생성된 배열이라는 것을 확인하는 데 도움이 되는 단서가 될 것이라고 설명했습니다. Protein Data Bank, UniProt, GenBank와 같은 생물학 데이터베이스에서도 인공지능이 생성한 데이터를 적절하게 식별하는 용도가 예상됩니다. 다만 SynthID Bio만으로는 바이오 보안상의 문제를 해결할 수 있는 것은 아니며, 의도적인 변형에 대해 워터마크를 더욱 강화하는 것 등이 과제로 挙げられており, 생성 원을 기록하는 메타데이터와 인공지능이 생성한 생물 데이터 등록 시스템과의 병용도 검토되고 있습니다. 더 나아가 구글 딥마인은 스탠포드대학교 및 Arc Institute와 공동으로, ゲノム生成AI “Evo 2”가 설계한 박테리오파지의 게놈에도 SynthID Bio를 통합했습니다. 초기 실험에서는 워터마크가 삽입된 박테리오파지가 세균 배양 환경에서 기능이 확인되었으며, 향후에는 단백질뿐만 아니라 더욱 복잡한 생물학적 데이터에 대한 적용에 관해 기술 논문을 공개할 예정이라고 구글 딥마인은 밝혔습니다.

[원문 보기](https://gigazine.net/news/20261001-google-deepmind-synthid-bio/) | 출처: Gigazine