Google DeepMind introduce una firma invisible para identificar proteínas diseñadas con inteligencia artificial
SynthID Bio incorpora una marca criptográfica en proteínas creadas por modelos de IA sin comprometer, según las primeras pruebas, su funcionamiento. La herramienta pretende mejorar la bioseguridad, facilitar la trazabilidad de diseños moleculares y reforzar el control de los pedidos de síntesis de ADN.
El avance llega en un momento de rápida expansión del diseño de proteínas mediante inteligencia artificial. Estos sistemas pueden generar secuencias de aminoácidos que no existen en la naturaleza y asignarles propiedades concretas, desde unirse a una molécula hasta activar o bloquear procesos biológicos.
La capacidad ofrece oportunidades relevantes para la medicina, pero también plantea nuevos riesgos. Los sistemas de detección empleados por las empresas de síntesis de ADN suelen comparar las secuencias solicitadas con bases de datos de amenazas conocidas. Cuando una proteína es completamente nueva, esa comparación puede no encontrar coincidencias útiles.
Una marca integrada en el diseño molecular
SynthID Bio es una extensión del sistema de marcas de agua digitales utilizado por Google para identificar contenido generado por IA en formatos como texto, imágenes, audio y vídeo. En este caso, la información no se introduce en píxeles o palabras, sino en decisiones sobre la composición de una proteína.
Las proteínas están formadas por cadenas de aminoácidos que se pliegan en estructuras tridimensionales. Ese plegamiento determina buena parte de su función. Por ello, modificar una secuencia para añadir una firma no puede hacerse de forma arbitraria: cualquier cambio podría impedir que la molécula adopte la forma adecuada.
El sistema se ha integrado en ProteinMPNN, una herramienta empleada para diseñar secuencias compatibles con una estructura proteica determinada. Una clave criptográfica indica qué aminoácido sería preferible en distintas posiciones, pero el modelo solo acepta esas sugerencias cuando siguen siendo compatibles con una proteína funcional.
La detección se realiza posteriormente con la misma clave. El software analiza la secuencia completa y calcula con qué frecuencia aparecen los aminoácidos sugeridos. Esa distribución estadística actúa como señal para determinar si el diseño contiene la marca.
También puede aplicarse a estructuras tridimensionales
Para diseños basados directamente en estructuras 3D, el procedimiento es diferente. SynthID Bio ajusta las coordenadas atómicas durante una parte del proceso de generación de AlphaFold 3, un modelo capaz de predecir interacciones entre proteínas, ADN, ARN y otras moléculas.
En este caso, la firma queda integrada en los parámetros internos del modelo. Según los resultados publicados, la detección alcanza una precisión muy elevada en las condiciones evaluadas, aunque el sistema sigue dependiendo de umbrales estadísticos y no ofrece una identificación absoluta en todos los casos.
Resultados en proteínas relacionadas con medicina
Las pruebas se realizaron con tres objetivos biológicos distintos: VEGF-A, un factor relacionado con el crecimiento de los vasos sanguíneos; el dominio de unión al receptor de la proteína spike del SARS-CoV-2; y PD-L1, una proteína de interés en tratamientos contra el cáncer.
En las evaluaciones, las versiones marcadas mantuvieron resultados similares a las no marcadas en varios parámetros: capacidad de producirse, afinidad de unión y diversidad de secuencias. Las comprobaciones experimentales en laboratorio sirvieron para contrastar que la firma no anulaba la actividad de las proteínas.
Una aplicación inmediata: controlar la síntesis de ADN
Para fabricar una proteína diseñada por IA, un laboratorio debe encargar primero la síntesis del fragmento de ADN que contiene las instrucciones para producirla. Las compañías especializadas revisan esos pedidos antes de fabricarlos y buscan coincidencias con secuencias asociadas a riesgos biológicos.
Cuando no existe una coincidencia clara, el encargo puede pasar a una revisión manual, un proceso más lento y difícil de escalar. SynthID Bio permitiría comprobar si una secuencia procede de una herramienta de diseño fiable y si ha sido marcada durante su generación.
La tecnología no impediría que un actor malintencionado diseñase proteínas sin firma o utilizase herramientas que no incorporan el sistema. Sin embargo, podría reducir el número de pedidos legítimos que requieren una investigación manual y ayudar a concentrar los recursos en las secuencias que carecen de una procedencia verificable.
Trazabilidad para bases de datos científicas
La marca también puede ser útil para distinguir las proteínas generadas por ordenador de aquellas observadas directamente en organismos. A medida que estos diseños se incorporen a repositorios científicos, identificar su origen facilitará la interpretación de los datos y la evaluación de posibles riesgos.
Esta trazabilidad podría aplicarse a bases de datos utilizadas por investigadores para estudiar proteínas, genes y estructuras moleculares. La diferencia entre una secuencia natural y otra diseñada artificialmente es relevante tanto para la ciencia como para los procesos de supervisión.
Limitaciones y retos de adopción
La robustez de SynthID Bio depende de la protección de su clave criptográfica. Si esa clave se filtra, un tercero podría estudiar el patrón y tratar de eliminarlo o generar secuencias que provoquen resultados engañosos.
Las proteínas muy cortas tampoco ofrecen suficientes posiciones para producir una señal estadística sólida. Además, combinar una proteína marcada con otra sin marcar puede diluir la firma. El sistema debe ajustar el equilibrio entre falsos positivos, que identificarían una marca inexistente, y falsos negativos, que no detectarían una marca real.
Otra limitación es que la herramienta solo funciona en los procesos de diseño que la incorporan. Muchos sistemas de creación de proteínas no utilizan ProteinMPNN, por lo que la adopción por parte de laboratorios, empresas y repositorios será decisiva.
El proyecto también explora la aplicación de firmas en un bacteriófago, un virus que infecta bacterias, diseñado con un modelo genómico. Las primeras pruebas en cultivos indican que el organismo marcado conserva su funcionalidad.
Google DeepMind ha puesto a disposición de los investigadores el código y los pesos del modelo. La estrategia busca favorecer la evaluación independiente y extender el uso de la marca. SynthID Bio no sustituye a la regulación ni a los controles de bioseguridad, pero puede aportar una pieza técnica para verificar el origen de los diseños moleculares generados con inteligencia artificial.
