Por Canuto  

Google DeepMind presentó SynthID Bio, una familia de métodos que busca dejar una firma verificable en proteínas diseñadas con inteligencia artificial sin perjudicar su función. La iniciativa podría ayudar a rastrear moléculas sintéticas y a reforzar controles de bioseguridad y bases de datos científicas, aunque la compañía reconoce que aún debe mejorar la resistencia de las marcas frente a manipulaciones deliberadas.
***

  • DeepMind afirma que sus pruebas con tres proteínas objetivo conservaron la tasa de aciertos, la afinidad de unión y la diversidad de secuencias.
  • La tecnología inserta señales en secuencias proteicas o coordenadas 3D y también se integró en AlphaFold 3.
  • La compañía plantea usar las marcas para apoyar el filtrado de pedidos de síntesis y la identificación de datos biológicos sintéticos.

Google DeepMind presentó SynthID Bio, una familia de métodos que inserta marcas de agua imperceptibles y verificables en diseños biológicos creados con inteligencia artificial. La propuesta busca que una proteína pueda conservar una señal de procedencia sin sacrificar su actividad, una distinción relevante a medida que los sistemas de IA generan moléculas que no necesariamente se parecen a las conocidas en la naturaleza.

La compañía sostiene que sus pruebas de laboratorio con tres proteínas objetivo mantuvieron el rendimiento y la diversidad de las versiones sin marca. El anuncio, fechado el 30 de septiembre de 2026, también plantea aplicaciones para rastrear moléculas sintéticas, apoyar controles de bioseguridad y preservar la integridad de repositorios científicos abiertos; son objetivos anunciados por DeepMind, no garantías de que la tecnología resuelva por sí sola esos problemas.

Una firma integrada en la secuencia y la estructura

SynthID Bio adapta el mecanismo de marca de agua al tipo de información biológica que busca identificar. En secuencias de proteínas, el sistema guía de manera sutil la elección de aminoácidos; en estructuras tridimensionales predichas, modifica coordenadas atómicas para codificar una señal que luego pueda detectarse.

La firma reside en el propio diseño biológico, en lugar de depender únicamente de una etiqueta o un archivo adjunto. Según Google DeepMind, eso permitiría verificar la marca incluso en la proteína física sintetizada, un paso que podría ayudar a relacionar una molécula con el modelo que contribuyó a generarla.

La prueba de concepto se centró en proteínas de unión, o binders, diseñadas para adherirse selectivamente a otras proteínas. El equipo combinó AlphaProteo, el método de DeepMind para diseñar binders, con una versión de ProteinMPNN habilitada para incorporar SynthID Bio, y evaluó los resultados frente a diseños equivalentes sin marca.

En los experimentos con VEGF-A, el dominio de unión al receptor (RBD) de la proteína spike del SARS-CoV-2 y PD-L1, la empresa dijo que las versiones marcadas igualaron a las de control en tasa de aciertos, afinidad de unión y diversidad de secuencias naturales. La afinidad se midió mediante KD, donde un valor menor representa una unión más fuerte, y Adaptyv Bio colaboró en la validación in vitro.

DeepMind describió el trabajo como la primera demostración de binders proteicos con marca de agua y función biológica. Esa caracterización corresponde a la compañía y a su prueba con tres objetivos: el material disponible no permite concluir que el desempeño se mantenga para cualquier proteína, método de diseño o condición experimental.

La marca también entra en las predicciones 3D

Para marcar estructuras tridimensionales, el equipo modificó parte de la red de difusión de AlphaFold 3 y entrenó sus pesos para que las coordenadas predichas incorporaran una señal detectable. Con este enfoque, la marca queda ligada a la salida del modelo y no depende de que cada usuario añada manualmente una etiqueta al archivo resultante.

DeepMind afirma que el modelo ajustado conserva la precisión de predicción de AlphaFold 3 y las distribuciones de características estructurales que considera importantes, mientras alcanza una detectabilidad casi perfecta en sus pruebas. También sostiene que la señal resiste ruido digital y pequeños cambios en las coordenadas, aunque la descripción de esos resultados no equivale a una evaluación independiente de todos los escenarios posibles.

Como ejemplo, la publicación compara la proteína 7PPA en tres versiones: una estructura predicha por AlphaFold 3, la estructura de referencia real y una estructura con marca de agua. La visualización colorea los aminoácidos según la señal incorporada, lo que permite mostrar dónde queda codificada sin presentarla como una alteración visible para quien observa la proteína a simple vista.

La tecnología prolonga el trabajo de SynthID, que Google ya utiliza para añadir marcas digitales imperceptibles a imágenes, audio, texto y video generados por IA en sus productos. La compañía también ofrece SynthID Detector, un portal donde se pueden cargar imágenes, videos o archivos de audio para comprobar si contienen una marca; la aplicación biológica extiende el principio a datos moleculares y modelos científicos.

Bioseguridad, pedidos de síntesis y bases científicas

DeepMind presenta SynthID Bio como una capa adicional dentro de un esquema de defensas múltiples, una lógica que compara con el modelo del queso suizo: cada salvaguarda tiene puntos ciegos, pero varias pueden cubrir las debilidades de las otras. La necesidad surge, según la compañía, porque la IA puede generar secuencias novedosas que no se parecen mucho a amenazas conocidas y que, por eso, podrían resultar difíciles de reconocer con filtros tradicionales.

Una proteína diseñada digitalmente solo se convierte en una molécula física cuando alguien encarga su síntesis a un proveedor, y estos suelen revisar los pedidos frente a bases de datos de amenazas conocidas. DeepMind plantea que una marca verificable podría ayudar a distinguir diseños generados por modelos confiables y con salvaguardas incorporadas, reduciendo parte de la incertidumbre que puede llevar a una revisión manual extensa.

James Diggans, vicepresidente de Política y Bioseguridad en Twist Bioscience, quien aportó comentarios tempranos al trabajo, calificó las marcas de agua como «una adición prometedora a la caja de herramientas de bioseguridad». A su juicio, podrían fortalecer el filtrado, concentrar los recursos en las secuencias que requieren una revisión más detallada y hacer más eficiente el proceso a medida que avanza la biología diseñada con IA.

La iniciativa también apunta a la calidad de bases abiertas como Protein Data Bank, UniProt y GenBank, que aceptan aportes externos. DeepMind propone que la marca ayude a identificar entradas sintéticas y a etiquetarlas correctamente para revisiones posteriores, aunque la efectividad de ese uso dependería de que los repositorios y quienes envían datos adopten mecanismos compatibles.

Sarah Carter, especialista en políticas de bioseguridad y directora de Science Policy Consulting, describió SynthID Bio como «una pieza importante del rompecabezas para rastrear la procedencia de los diseños biológicos». También señaló que vincular un diseño con el desarrollador del modelo podría agilizar el filtrado para proveedores de síntesis cuando sus clientes hayan utilizado esos modelos.

Próximos pasos y límites pendientes

La empresa reconoce que todavía debe hacer más robusta la marca frente a manipulaciones deliberadas. También plantea combinar SynthID Bio con metadatos de procedencia inspirados en C2PA, un estándar empleado en medios digitales, o con repositorios centralizados de datos biológicos generados por IA, para mejorar la identificación y el seguimiento de proteínas sintéticas.

El equipo también integró la tecnología en Evo 2, un modelo genómico, en colaboración con el laboratorio Hie de la Universidad de Stanford y el Arc Institute. En ese trabajo marcaron el genoma de un bacteriófago diseñado con Evo 2, es decir, un virus que infecta bacterias, y DeepMind informó que las primeras pruebas en cultivos bacterianos confirmaron que los bacteriófagos marcados seguían siendo funcionales.

La compañía indicó que divulgará más detalles de ese experimento en un manuscrito técnico próximo. La extensión a bacteriófagos amplía el alcance de la propuesta más allá de las proteínas, pero los resultados reportados en cultivos no deben confundirse con una evaluación completa de riesgos, usos o eficacia en otros contextos.

Junto con el anuncio, DeepMind publicó un artículo sobre los métodos y liberó como código abierto el código y los datos in vitro, además de distribuir los pesos a la comunidad investigadora. Pushmeet Kohli inició el proyecto, mientras Alexander I. Cowen-Rivers y David Stutz lideraron la investigación y el desarrollo técnico con asesoría de Kohli; el acceso a esos materiales permitirá examinar el enfoque, aunque no elimina la necesidad de validaciones externas.

En conjunto, SynthID Bio propone trasladar la procedencia verificable desde los metadatos hasta la propia representación biológica, con la promesa de conservar la función de los diseños. Su utilidad dependerá de que las marcas resistan intentos de eliminación, de que proveedores y repositorios puedan verificarlas y de que la herramienta se integre con otras medidas de bioseguridad, en vez de operar como una garantía aislada.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados