AI設計タンパク質に追跡可能な信号
人工知能はタンパク質設計の強力な道具になりつつある。自然界にこれまで存在しなかったタンパク質の作成を支援し、新薬やその他の有用な生物学的ツールへの道を開く可能性がある。同時に、設計されたタンパク質がどこから来たのか、追加審査が必要かを、研究室やデータベース管理者、安全審査担当者がどう判断するのかという難しい問題も生じる。
Google DeepMindの研究者らは、この問題の一部に対応するため、AIが生成したタンパク質に透かしを入れる技術を開発した。この印は通常のラベルとして表示されるのではなく、タンパク質の構造に符号化されるため、意味上は見えないよう設計されている。目的は、タンパク質の機能を保ちながら、由来を追跡しやすくすることだ。
この提案は、急速に進む技術分野と、長く存在する生物安全保障上の懸念の接点にある。タンパク質はアミノ酸から成り、三次元形状への折りたたまれ方が機能を決める。AIシステムは現在、その構造の理解と新しい配列の設計の両方を支援できる。それは有益な研究の機会を生む一方、新しい設計を作り出せるシステムが有害な生物材料の作成に利用される試みに関係する可能性も意味する。
由来が重要な理由
透かしは、AIを使って設計されたタンパク質だと下流の利用者に示す実用的な信号になり得る。この研究に関与していないアイルランドのMunster Technological Universityの生物学教授Roy Sleator氏は、そのようなシステムが設計の起源の追跡、追加の生物安全保障チェック対象となる人工タンパク質の標識、タンパク質の作り方に関する誤解を招く主張の削減に役立つ可能性があると述べた。
これは複数の場面で役立つ可能性がある。データベース管理者は、人工設計と自然に存在する配列を区別し、標準的な参照コレクションで混乱が起きないようにしたいかもしれない。タンパク質設計を評価する組織は、追加審査を促す手がかりを求めるかもしれない。共同研究を行う研究者は、候補が特定の設計プロセスから生じたことを示す、より持続的な方法を得られる可能性がある。
根底にある考えは科学研究を止めることではない。新しい生物学的設計を生み出す能力が高まるワークフローに、説明責任の層を加えることだ。由来の信号があれば、設計を共有、合成、後続研究に組み込む前に、適切な問いを立てやすくなる。
明確な限界を持つ技術的進展
報告された技術は完全な安全策ではない。専門家は、現在の形では、水印を追加するために使われるものと同じ種類のAI技術が、それを除去することも可能だと警告した。この限界は重要だ。標識システムは、誰かが回避する動機を持つ場合でも印が信頼できるときに最も価値を持つ。
そのため、この研究は危険な設計を特定または阻止できる保証ではなく、追跡可能性のための道具として理解すべきだ。透かしは、協力的、日常的、規制対象の研究の扱いを改善できる一方、利用者が意図的に設計を変更したり隠したりする場合には保護が弱い可能性がある。生物安全保障ではこの違いが重要だ。抑止、検知、説明責任だけでは、決意を持った悪用の問題を必ずしも解決できない。
また、手法の性能は使い方に依存する。透かしを確認する明確な手順、検出後に何をするかの規則、高リスク作業に対する適切な安全策が、技術的信号を実際に役立つものにするかどうかを決める。これらがなければ、透かしは情報を提供しても、現実の判断への影響は小さいかもしれない。
タンパク質AIが変えた文脈
タンパク質AIの急速な発展が、こうした提案に注目が集まる理由を説明する。2020年に発表されたAlphaFoldは、機械学習によってアミノ酸配列からタンパク質の三次元構造を予測できることを示した。タンパク質の折りたたみは、最終形状が機能に重要であるため、しばしば折り紙にたとえられる。この技術はAIを構造生物学とタンパク質工学の主要な道具として確立するのに役立った。
この進展により、議論は既存タンパク質の予測から新しいタンパク質の作成へ広がった。設計タンパク質は科学・医療用途を支える可能性がある。しかし新しい設計は、帰属、データベースの品質、安全審査の問題も複雑にする。作成後も設計を識別可能に保つ方法は、機関がその一部を管理する助けになる可能性がある。
それでも、透かしを堅牢にする技術的課題は、透かしが明らかにする情報をどう扱うかを決める政策上の課題と切り離せない。新しい方法は、研究者らの目的によれば、機能を犠牲にせず由来を符号化する手段を提供する。設計システムが広く普及し、利用者が安全策の回避を試みる世界で、印が意味を保てるかが本当の試金石になる。
今後の展開
現時点では、AIタンパク質の透かしは、より広い安全対策の一要素として捉えるのが適切だ。データ整理を支援し、審査の初期警告を提供できる一方、除去されやすいという既知の弱点があるため、単独の防御策と見なすべきではない。この研究は、責任あるタンパク質設計に向けた実践的な方向を示している。出力に追跡可能性を組み込み、それに基づいて行動できるプロセスと組み合わせることだ。
AIによって研究者が作成できるタンパク質の範囲が広がるにつれ、設計を区別し、追跡し、適切に評価する能力はますます重要になる。透かしはデュアルユースの課題をなくさない。しかし、AI設計タンパク質の起源をより透明にするための具体的な試みではある。
この記事はLive Scienceの報道に基づいている。原記事を読む。
Originally published on livescience.com