Google DeepMind crea marca de agua invisible para detectar proteínas diseñadas por IA

Google DeepMind acaba de presentar SynthID Bio, una tecnología que resuelve un problema concreto y creciente: cómo identificar proteínas diseñadas por inteligencia artificial para que no pasen como naturales en las bases de datos científicas ni eludan los controles de bioseguridad. La solución es una marca de agua invisible grabada directamente en la estructura molecular de la proteína, de modo que permanece detectable incluso después de que la molécula ha sido sintetizada físicamente en un laboratorio.

El desafío que SynthID Bio intenta abordar surge de un avance científico genuino. Herramientas como AlphaFold y AlphaProteo, ambas desarrolladas por Google DeepMind, pueden ahora predecir y diseñar proteínas que antes solo existían en la naturaleza. Pero ese mismo avance trae un riesgo: las secuencias generadas por IA pueden atravesar los filtros de seguridad que utilizan las empresas de síntesis de ADN para detectar amenazas biológicas conocidas, simplemente porque no se parecen a nada que haya sido catalogado previamente. Una proteína sintética nueva no coincide con ninguna firma de peligro registrada.

La marca de agua funciona de dos maneras distintas según el tipo de dato que deba marcarse. Para las secuencias de aminoácidos, el sistema ajusta sutilmente cuáles elige el modelo durante el proceso de diseño. Para las estructuras tridimensionales predichas, modifica las coordenadas atómicas. En ambos casos, el objetivo es dejar una señal detectable sin alterar el comportamiento biológico real de la proteína. Google DeepMind probó el sistema en laboratorio con tres proteínas objetivo: VEGF-A, vinculada a la formación de vasos sanguíneos; la proteína espiga del SARS-CoV-2; y PD-L1, relacionada con la regulación del sistema inmune. Las versiones marcadas con agua igualaron en afinidad de unión, tasa de acierto y diversidad de secuencia a las versiones sin marcar, según los resultados que la compañía publicó junto al anuncio.

Para las predicciones de estructura, el equipo ajustó una parte de la red de difusión de AlphaFold 3 de manera que la capacidad de marcar quede incorporada directamente en los parámetros del modelo. Esto significa que cualquier coordenada tridimensional generada por ese modelo lleva la firma incorporada, sin importar quién lo ejecute ni con qué software. Especialistas en bioseguridad han revisado el trabajo antes de su publicación. Sarah Carter, especialista en políticas de bioseguridad y principal de la consultora Science Policy Consulting, afirmó que SynthID Bio es una pieza importante del rompecabezas para rastrear el origen de los diseños biológicos. James Diggans, vicepresidente de Política y Bioseguridad de Twist Bioscience, una de las compañías que examina los pedidos de síntesis de ADN contra bases de datos de amenazas conocidas, señaló que el watermarking ofrece una adición prometedora a las herramientas de bioseguridad porque permite concentrar los recursos de control en las secuencias que realmente ameritan una revisión más profunda.

Google DeepMind también apunta a otro problema: bases de datos públicas como el Protein Data Bank, UniProt y GenBank aceptan envíos de investigadores de todo el mundo, y el volumen creciente de predicciones generadas por IA puede contaminarlas con entradas mal etiquetadas como si fueran proteínas naturales. Sin embargo, la compañía reconoció una limitación importante. La marca de agua todavía puede eliminarse: alguien que quiera borrar el rastro sintético puede volver a procesar la proteína con otra herramienta de diseño y generar una secuencia distinta que conserve la misma función pero pierda la firma original. Por eso Google DeepMind describió a SynthID Bio como una capa más dentro de un esquema de defensas superpuestas, comparable a un queso suizo en el que cada control cubre los puntos ciegos de los demás, y no como una solución única.

El equipo también trabajó con el laboratorio de Brian Hie, de la Universidad de Stanford, y el Arc Institute para aplicar la misma técnica a Evo 2, un modelo genómico más amplio. En ese caso, marcaron el genoma completo de un bacteriófago, un virus que infecta bacterias, diseñado por inteligencia artificial. Pruebas de laboratorio preliminares en cultivos bacterianos confirmaron que los bacteriófagos marcados conservaron su funcionalidad. Google DeepMind anunció que publicará el artículo científico completo, liberará el código y los datos de laboratorio, y compartirá los parámetros del modelo con la comunidad de investigación para que otros equipos puedan construir sobre este trabajo.