DeepMind incorpora marcas de agua verificables en proteínas diseñadas por IA

Google DeepMind presentó SynthID Bio el 30 de septiembre de 2026, una familia de métodos de marcaje que inserta una firma imperceptible y verificable en secuencias de proteínas generadas por IA y en estructuras 3D predichas. La empresa afirma que la prueba de concepto mantuvo la función biológica en pruebas de laboratorio húmedo en tres proteínas objetivo.

El anuncio sitúa la herramienta en un campo donde los sistemas de IA ya predicen estructuras de proteínas, como lo hace AlphaFold de DeepMind, y diseñan proteínas completamente nuevas, como lo hacen AlphaProteo y el método de generación de secuencias ProteinMPNN, de uso común. Más recientemente, los investigadores han utilizado IA para desarrollar bacteriófagos, virus que infectan bacterias. DeepMind afirma que estas capacidades también generan nuevos problemas: los diseños de IA novedosos pueden eludir la detección tradicional de síntesis de ADN, y las estructuras 3D sintéticas mal etiquetadas pueden contaminar bases de datos públicas y engañar a la investigación posterior.

Validación en laboratorio húmedo en tres proteínas objetivo

SynthID Bio adapta su enfoque al tipo de datos. Para secuencias, guía sutilmente la elección de aminoácidos; para estructuras 3D predichas, ajusta las coordenadas atómicas. En ambos casos el objetivo es una señal detectable, y DeepMind informa que en sus experimentos estos ajustes no comprometieron la función biológica de las proteínas. Dado que la firma está en el propio código biológico, la marca de agua puede verificarse en la proteína física sintetizada, y no solo en un modelo digital.

El equipo verificó su enfoque en ligandos de proteínas, moléculas diseñadas para adherirse selectivamente a otras proteínas, utilizando diseño de ligandos AlphaProteo de DeepMind junto con una versión de ProteinMPNN habilitada con SynthID Bio. La empresa dijo que en pruebas de laboratorio húmedo en tres proteínas objetivo, VEGF‑A, la proteína de pico de la proteína S del SARS‑CoV‑2 (RBD) y PD‑L1, los diseños marcados coincidieron con las versiones sin marca en tasa de aciertos, afinidad de unión y diversidad natural de secuencias. DeepMind describe el resultado como los primeros ligandos de proteínas marcados y biológicamente funcionales. La afinidad de unión se midió como KD, con valores más bajos que indican ligandos más fuertes, y el proyecto agradece a Adaptyv Bio su ayuda en la validación in vitro.

Marca de agua integrada en AlphaFold 3

Para el plegamiento de proteínas, el método funciona dentro del propio modelo. El equipo ajustó finamente una pequeña parte de la red de difusión en AlphaFold 3, incorporando la capacidad de marca de agua en los pesos del modelo, de modo que cualquier coordenada 3D predicha lleva una firma detectable sin importar quién ejecute el modelo. Según DeepMind, el modelo ajustado mantiene la precisión de predicción de AlphaFold 3, ofrece una detectabilidad casi perfecta y conserva las distribuciones de características estructurales clave, y la marca de agua resiste el ruido digital o cambios menores en las coordenadas. Una visualización en la publicación compara, para la proteína 7PPA, la estructura predicha por AlphaFold 3, la estructura de referencia y la estructura marcada.

Detección de bioseguridad e integridad de bases de datos

DeepMind describe la bioseguridad como una cuestión de defensas en capas, invocando el modelo del queso suizo en el que cada salvaguarda independiente cubre los puntos ciegos de las demás, y sitúa a SynthID Bio dentro de su visión más amplia de bioresiliencia como una capa de verificación integrada en el propio diseño biológico.

Esa capa se aplica más directamente a la detección de síntesis de ADN. Un diseño de proteína digital se convierte en una molécula física solo después de que se realiza un pedido a un proveedor de síntesis de ADN, y esos proveedores examinan las solicitudes entrantes contra bases de datos de amenazas conocidas. En el pasado, los revisores podían considerar razonablemente una secuencia desconocida como un organismo natural no descubierto. DeepMind afirma que la IA elimina esa suposición porque puede generar secuencias totalmente nuevas con poca similitud a los peligros conocidos, y verificar si tal pedido es una amenaza diseñada requiere una revisión manual exhaustiva que puede retrasar investigaciones vitales. SynthID Bio está destinado a proporcionar una señal de verificación automatizada que demuestre que un pedido proviene de un modelo de confianza con salvaguardas integradas.

James Diggans, Vicepresidente de Política y Bioseguridad en Twist Bioscience, quien proporcionó comentarios tempranos sobre el artículo, dijo que la marca de agua ofrece “una prometedora nueva incorporación al conjunto de herramientas de bioseguridad” que podría reforzar la detección, enfocar recursos en secuencias que requieran una revisión más exhaustiva y hacer la bioseguridad más eficiente a medida que avanza la biología diseñada por IA.

DeepMind también afirma que el método podría ayudar a preservar la integridad de bases de datos públicas como el Protein Data Bank, UniProt y GenBank, muchas de las cuales aceptan envíos del público. Como parte del proceso de envío, la marca de agua podría garantizar que las entradas sintéticas estén correctamente etiquetadas o señaladas para una revisión adicional.

Sarah Carter, experta en política de bioseguridad y socia principal en Science Policy Consulting, quien revisó el trabajo, calificó a SynthID Bio como “una pieza importante del rompecabezas para rastrear la procedencia de los diseños biológicos”, y añadió que vincular los diseños al desarrollador del modelo permite a los proveedores de síntesis agilizar la detección para los clientes que han utilizado esos modelos.

Extensión a bacteriófagos y lanzamiento abierto

Entre los desafíos restantes, DeepMind enumera hacer que la marca de agua sea más robusta contra la manipulación deliberada. La empresa afirma que SynthID Bio también puede combinarse con enfoques de metadatos de procedencia, similares a C2PA para medios digitales, o con repositorios centrales de datos biológicos generados por IA, para identificar y rastrear mejor las proteínas generadas por IA.

El equipo también ha integrado SynthID Bio en Evo 2, un modelo genómico, en colaboración continua con el laboratorio Hie de Stanford University y Arc Institute, marcando con una marca de agua el genoma de un bacteriófago diseñado por Evo 2. Las pruebas de laboratorio tempranas en cultivos bacterianos confirmaron que los bacteriófagos marcados son funcionales, dijo la empresa, y agregó que pronto compartirá más detalles en un manuscrito técnico.

SynthID Bio amplía SynthID, la herramienta existente de Google DeepMind que inserta marcas de agua digitales en imágenes, audio, texto y video generados por IA en los productos de consumo de IA generativa de la empresa. Esas marcas son imperceptibles para las personas pero detectables por la tecnología de SynthID, y la compañía también opera el SynthID Detector, un portal de verificación donde los usuarios cargan una imagen, video o archivo de audio para comprobar si el contenido lleva una marca de agua.

Junto al anuncio, DeepMind está publicando un artículo de métodos, liberando el código y los datos in vitro como código abierto, y poniendo a disposición los pesos para la comunidad investigadora. Pushmeet Kohli inició el proyecto, y Alexander I. Cowen-Rivers y David Stutz lideraron la investigación y el desarrollo técnico, bajo la asesoría de Kohli.