DeepMind incorpora marcas d’água verificáveis em proteínas projetadas por IA

Google DeepMind revelou SynthID Bio em 30 de setembro de 2026, uma família de métodos de marcação que incorpora uma assinatura imperceptível e verificável em sequências de proteínas geradas por IA e em estruturas 3D previstas. A empresa afirma que a prova de conceito preservou a função biológica em testes de laboratório úmido em três proteínas-alvo.

O anúncio posiciona a ferramenta em um campo onde sistemas de IA já preveem estruturas de proteínas, como faz o AlphaFold da DeepMind, e projetam proteínas totalmente novas, como fazem o AlphaProteo e o método de geração de sequências amplamente usado ProteinMPNN. Mais recentemente, pesquisadores usaram IA para desenvolver bacteriófagos, vírus que infectam bactérias. A DeepMind afirma que essas capacidades também criam novos problemas: projetos de IA inovadores podem contornar a triagem tradicional de síntese de DNA, e estruturas 3D sintéticas rotuladas incorretamente podem contaminar bancos de dados públicos e induzir pesquisas subsequentes ao erro.

Validação em Laboratório Úmido em Três Alvos de Proteína

O SynthID Bio adapta sua abordagem ao tipo de dado. Para sequências, orienta sutilmente a escolha de aminoácidos; para estruturas 3D previstas, ajusta as coordenadas atômicas. Em ambos os casos, o objetivo é um sinal detectável, e a DeepMind relata que, em seus experimentos, esses ajustes não comprometeram a função biológica das proteínas. Como a assinatura está inserida no próprio código biológico, a marca d’água pode ser verificada na proteína física sintetizada, e não apenas no modelo digital.

A equipe verificou sua abordagem em ligantes de proteína, moléculas projetadas para se ligar seletivamente a outras proteínas, usando design de ligantes AlphaProteo da DeepMind juntamente com uma versão do ProteinMPNN habilitada para SynthID Bio. A empresa afirmou que, em testes de laboratório úmido em três proteínas-alvo — VEGF‑A, a proteína spike RBD do SARS‑CoV‑2 e PD‑L1 — os projetos marcados corresponderam às versões não marcadas em taxa de acerto, afinidade de ligação e diversidade de sequência natural. A DeepMind descreve o resultado como os primeiros ligantes de proteína marcados e biologicamente funcionais. A afinidade de ligação foi medida como KD, com valores menores indicando ligantes mais fortes, e o projeto credita a Adaptyv Bio por ajudar na validação in vitro.

Marca d’água incorporada ao AlphaFold 3

Para o dobramento de proteínas, o método funciona dentro do próprio modelo. A equipe ajustou finamente uma pequena parte da rede de difusão no AlphaFold 3, incorporando a capacidade de marca d’água nos pesos do modelo, de modo que quaisquer coordenadas 3D previstas carreguem uma assinatura detectável, independentemente de quem execute o modelo. Segundo a DeepMind, o modelo ajustado mantém a precisão de predição do AlphaFold 3, oferece detectabilidade quase perfeita e preserva as distribuições das principais características estruturais, e a marca d’água resiste a ruído digital ou pequenas alterações nas coordenadas. Uma visualização no post compara, para a proteína 7PPA, a estrutura prevista pelo AlphaFold 3, a estrutura de referência e a estrutura marcada.

Triagem de Biosegurança e Integridade de Bancos de Dados

A DeepMind descreve a biosegurança como uma questão de defesas em camadas, invocando o modelo do queijo suíço, no qual cada salvaguarda independente cobre os pontos cegos das demais, e posiciona o SynthID Bio dentro de sua visão mais ampla de bioresiliência como uma camada de verificação incorporada ao próprio design biológico.

Essa camada se aplica mais diretamente à triagem de síntese de DNA. Um design digital de proteína torna‑se uma molécula física somente após a realização de um pedido a um fornecedor de síntese de DNA, e esses fornecedores analisam as solicitações recebidas contra bancos de dados de ameaças conhecidas. No passado, os avaliadores podiam razoavelmente tratar uma sequência desconhecida como um organismo natural ainda não descoberto. A DeepMind afirma que a IA elimina essa suposição porque pode gerar sequências totalmente novas que têm pouca semelhança com perigos conhecidos, e verificar se tal pedido representa uma ameaça projetada requer uma revisão manual exaustiva que pode atrasar pesquisas essenciais. O SynthID Bio tem como objetivo fornecer um sinal de verificação automatizado que mostre que um pedido se originou de um modelo confiável com salvaguardas incorporadas.

James Diggans, Vice‑presidente de Política e Biosegurança na Twist Bioscience, que forneceu feedback inicial sobre o artigo, disse que a marca d’água oferece \”uma nova e promissora adição ao conjunto de ferramentas de biosegurança\” que pode reforçar a triagem, concentrar recursos em sequências que merecem revisão mais aprofundada e tornar a biosegurança mais eficiente à medida que a biologia projetada por IA avança.

A DeepMind também afirma que o método pode ajudar a preservar a integridade de bancos de dados públicos como o Protein Data Bank, UniProt e GenBank, muitos dos quais aceitam submissões públicas. Como parte do processo de submissão, a marca d’água poderia garantir que as entradas sintéticas sejam rotuladas corretamente ou sinalizadas para revisão adicional.

Sarah Carter, especialista em política de biosegurança e diretora na Science Policy Consulting, que revisou o trabalho, chamou o SynthID Bio de \”uma peça importante do quebra‑cabeça para rastrear a proveniência de designs biológicos\”, acrescentando que vincular os designs ao desenvolvedor do modelo permite que os fornecedores de síntese simplifiquem a triagem para clientes que utilizaram esses modelos.

Extensão para Bacteriófagos e Lançamento Aberto

Entre os desafios restantes, a DeepMind lista tornar a marca d’água mais robusta contra adulteração deliberada. A empresa afirma que o SynthID Bio também pode ser combinado com abordagens de metadados de proveniência, semelhantes ao C2PA para mídia digital, ou com repositórios centrais de dados biológicos gerados por IA, para identificar e rastrear melhor proteínas geradas por IA.

A equipe também integrou o SynthID Bio ao Evo 2, um modelo genômico, em colaboração contínua com o laboratório Hie da Stanford University e do Arc Institute, marcando o genoma de um bacteriófago projetado pelo Evo 2. Testes laboratoriais iniciais em culturas bacterianas confirmaram que os bacteriófagos marcados são funcionais, disse a empresa, acrescentando que compartilhará mais detalhes em um manuscrito técnico em breve.

O SynthID Bio amplia SynthID, a ferramenta existente do Google DeepMind que incorpora marcas d’água digitais em imagens, áudio, texto e vídeo gerados por IA nos produtos de IA generativa da empresa. Essas marcas são imperceptíveis às pessoas, mas detectáveis pela tecnologia do SynthID, e a empresa também opera o SynthID Detector, um portal de verificação onde os usuários enviam uma imagem, vídeo ou arquivo de áudio para verificar se o conteúdo foi marcado.

Juntamente com o anúncio, a DeepMind está publicando um artigo de métodos, disponibilizando o código e os dados in vitro como código aberto, e liberando os pesos para a comunidade de pesquisa. Pushmeet Kohli iniciou o projeto, e Alexander I. Cowen‑Rivers e David Stutz lideraram a pesquisa e o desenvolvimento técnico, sob a orientação de Kohli.