วันนี้ เราได้ประกาศเปิดตัว SynthID Bio ซึ่งเป็นวิธีการใส่ลายน้ำและตรวจจับโปรตีนที่ออกแบบโดย AI อันเป็นหน่วยโครงสร้างพื้นฐานของสิ่งมีชีวิต
เราเชื่อว่านี่เป็นครั้งแรกที่มนุษยชาติสามารถสังเคราะห์โปรตีนที่ออกแบบโดย AI ได้สำเร็จ โดยโปรตีนเหล่านี้ทั้งทำงานได้ตามหน้าที่และมีลายน้ำฝังอยู่ด้วย นี่ถือเป็นความสำเร็จทางวิศวกรรมที่น่าทึ่งจากทีมวิจัยของเราที่ @GoogleDeepMind แต่ในขณะเดียวกันก็เป็นเกราะป้องกันที่สำคัญยิ่งในขณะที่เรากำลังก้าวเข้าสู่ ยุคแห่งการเปลี่ยนแปลงครั้งใหญ่ ของงานวิจัยด้านชีววิทยา
Generative AI กำลังช่วยให้นักวิทยาศาสตร์ออกแบบองค์ประกอบทางชีววิทยาแบบใหม่ ๆ เช่น โปรตีนที่ทำงานได้จริง ด้วยระบบอย่าง AlphaProteo และ RFDiffusion ไปจนถึง แบคเทริโอเฟจ เทคโนโลยีอันทรงพลังนี้อาจช่วยยกระดับวิธีการพัฒนาวิธีรักษาโรคที่มีประสิทธิภาพของเรา แต่ก็มีความเสี่ยงที่จะถูกนำไปใช้ในทางที่ผิดเช่นกัน ตัวอย่างเช่น โปรตีนที่สร้างโดย AI อาจหลบเลี่ยงมาตรการคัดกรองความปลอดภัยทางชีวภาพที่บริษัทรับสังเคราะห์ยีนใช้ หรืออาจสร้างความเสี่ยงในการปนเปื้อนฐานข้อมูลทางวิทยาศาสตร์ที่ใช้ร่วมกัน
หลายปีที่ผ่านมา ผมและทีมงานที่ Google DeepMind มุ่งมั่นทำงานเพื่อให้มั่นใจว่าโมเดล AI จะปลอดภัย โดยพัฒนาโซลูชันที่ช่วยติดตามที่มาของผลลัพธ์จาก Generative AI งานวิจัยนี้นำไปสู่การพัฒนา SynthID ซึ่งเป็นโซลูชันที่ล้ำสมัยที่สุดในการฝังลายน้ำที่มองไม่เห็นลงในผลงานที่สร้างโดย AI เช่น รูปภาพ วิดีโอ เสียง และข้อความ โดยไม่กระทบต่อคุณภาพ ปัจจุบัน SynthID ถูกใช้เพื่อใส่ลายน้ำให้กับรูปภาพและวิดีโอแล้วกว่า 100,000 ล้านรายการ รวมถึงไฟล์เสียงที่มีความยาวรวมกันมากกว่า 60,000 ปี และยังได้รับการใช้งานจากพันธมิตรรายสำคัญในอุตสาหกรรมของเราหลายราย เช่น OpenAI, NVIDIA และ Kakao
การปรับใช้ SynthID ให้เข้ากับโลกของชีววิทยานั้นเป็นความท้าทายอย่างมาก ในโลกของรูปภาพ วิดีโอ และเสียง การทำให้ลายน้ำไม่สามารถสังเกตเห็นได้นั้นต้องคำนึงถึงการรับรู้ของมนุษย์ และหลีกเลี่ยงสิ่งแปลกปลอมทางภาพหรือการบิดเบือนของเสียง แต่สำหรับชีววิทยาแล้วนั้นแตกต่างออกไป ลำดับโปรตีนไม่ได้เป็นเพียงสายอักขระข้อความ แต่เป็นสิ่งที่มีตัวตนทางกายภาพซึ่งต้องทำงานได้ในโลกธรรมชาติ และมีผลกระทบทางชีววิทยาที่เกิดขึ้นจริง ลายน้ำจะใช้งานได้ก็ต่อเมื่อโมเลกุลที่ได้ยังคงทำหน้าที่ของมันต่อไปได้ สำหรับโปรตีน นั่นหมายถึงการพับตัว การจับกับตัวรับบนเซลล์ และการทำปฏิกิริยากับโมเลกุลอื่น ๆ ได้อย่างแม่นยำเหมือนกับโปรตีนที่ไม่ได้ใส่ลายน้ำทุกประการ
ด้วย SynthID Bio เราสามารถใส่ลายน้ำได้อย่างมีประสิทธิภาพโดยที่ยังคงรักษากิจกรรมทางชีววิทยาไว้ได้ เราพัฒนาเทคนิคในการใส่ลายน้ำทั้งในลำดับโปรตีนและการทำนายโครงสร้างสามมิติของโปรตีนเหล่านั้น จากการทดสอบ SynthID Bio อย่างครอบคลุม พบว่าโมเลกุลที่ใส่ลายน้ำแล้วสามารถทำงานได้ทั้งในสภาพแวดล้อมทางชีววิทยาและกับเป้าหมายการรักษาโรคจริง ๆ ในการทดลองในห้องปฏิบัติการ (wet-lab) ตัวจับ (binder) ที่ใส่ลายน้ำของเราก็ให้ผลลัพธ์ที่ดีเทียบเท่ากับตัวจับที่ไม่ได้ใส่ลายน้ำ ซึ่งเป็นการยืนยันว่าระบบของเราทำงานได้ตามที่ตั้งใจไว้
ผมหวังว่า SynthID Bio จะกลายเป็นชั้นการตรวจสอบที่สำคัญในการติดตามต้นตอของงานออกแบบที่สร้างโดย AI ด้วยการแจ้งเตือนโปรตีนที่สร้างโดย AI แบบอัตโนมัติ ระบบนี้จะช่วยให้ผู้ให้บริการสังเคราะห์ยีนลดขั้นตอนการตรวจสอบความปลอดภัยด้วยตนเองที่เชื่องช้า ซึ่งเป็นอุปสรรคขัดขวางงานวิจัยที่สำคัญอยู่ในปัจจุบัน
SynthID Bio ยังจะช่วยรักษาสรรพสิ่งที่แบ่งปันกันในวงการวิทยาศาสตร์ นวัตกรรมอย่าง AlphaFold ต้องพึ่งพาฐานข้อมูลสาธารณะที่สะอาด เช่น Protein Data Bank ซึ่งมีความเสี่ยงที่จะถูกปนเปื้อนจากการทำนายผลที่สร้างโดย AI จำนวนมหาศาล SynthID Bio จะช่วยกรองข้อมูลที่จัดประเภทผิดพลาดเหล่านี้ออกไป เพื่อให้ฐานข้อมูลที่เราใช้ร่วมกันและอัลกอริทึมในอนาคตมีความแม่นยำ และปราศจากการทำนายผลที่ถูกติดป้ายกำกับผิดพลาดโดยไม่ตั้งใจ
เรายังคงเดินหน้าพัฒนา SynthID และขยายการใช้งานไปยังรูปแบบทางชีววิทยาอื่น ๆ เพิ่มเติม ตัวอย่างแรก ๆ ที่ผมตื่นเต้นอยากเล่าให้ฟังคือ ในความร่วมมือที่กำลังดำเนินอยู่กับ ห้องปฏิบัติการ Hie แห่งมหาวิทยาลัย Stanford และ Arc Institute เราได้ขยายความสามารถของ SynthID Bio เพื่อใส่ลายน้ำลงในจีโนมของ แบคเทริโอเฟจที่ออกแบบโดย Evo 2 การทดสอบเบื้องต้นในห้องปฏิบัติการด้วยการเพาะเลี้ยงแบคทีเรียแสดงให้เห็นว่าวิธีการใส่ลายน้ำของเราสามารถรักษาการทำงานของแบคเทริโอเฟจไว้ได้ นี่ถือเป็นก้าวสำคัญในช่วงเริ่มต้นและเป็นบทพิสูจน์แนวคิดทางเทคนิคที่น่าสนใจ เรารอคอยที่จะแบ่งปันรายละเอียดเพิ่มเติมกับชุมชนนักวิทยาศาสตร์ในเร็ว ๆ นี้
การพัฒนามาตรฐานที่มีประสิทธิภาพสำหรับการตรวจสอบที่มาทางชีววิทยาควรเป็นกระบวนการที่เกิดจากความร่วมมือ เช่นเดียวกับที่เราทำกับฐานข้อมูล AlphaFold เรากำลังร่วมมือกับชุมชนนักวิทยาศาสตร์และผู้เชี่ยวชาญด้านความปลอดภัยทางชีวภาพเพื่อพัฒนาเทคโนโลยีเหล่านี้ไปด้วยกัน ในขั้นแรก เราจะเผยแพร่เอกสารอธิบายวิธีการของเรา เปิดซอร์สโค้ดและข้อมูล in vitro พร้อมทั้งปล่อยค่า weights ให้กับชุมชนนักวิจัย เพื่อให้เราสามารถดึงประโยชน์ด้านความปลอดภัยทางชีวภาพจากงานชิ้นนี้มาใช้ได้อย่างเต็มที่
เรากำลังก้าวเข้าสู่ยุคที่วิชาชีววิทยาเปลี่ยนผ่านจากศาสตร์แห่งการสังเกต มาเป็นศาสตร์ที่เราสามารถออกแบบทางวิศวกรรมได้อย่างมีความรับผิดชอบ การใส่ลายน้ำอาจไม่ใช่คำตอบทั้งหมดของปัญหาความปลอดภัยทางชีวภาพ แต่ก็เป็นก้าวสำคัญสู่โลกที่ปลอดภัยและยืดหยุ่นรับมือกับความเปลี่ยนแปลงได้ดีขึ้น ผมเชื่อว่าการวัดความก้าวหน้าไม่ควรดูจากความซับซ้อนของโครงสร้างทางชีววิทยาที่เราสร้างแบบจำลองได้ หรือศักยภาพในการสร้างผลกระทบเพียงอย่างเดียว แต่ต้องดูจากวิสัยทัศน์และความรับผิดชอบที่เราใช้กำกับดูแลขีดความสามารถที่ก้าวหน้าเหล่านี้ด้วย
อ่านบล็อกของเราได้ที่: https://deepmind.google/blog/introducing-synthid-bio/ และเอกสารทางเทคนิคของเราได้ที่: https://www.nature.com/articles/s41586-026-10965-y
