Google DeepMind presentó SynthID Bio, una tecnología que inserta una marca de agua invisible en proteínas diseñadas con IA. El hallazgo permite rastrear su origen sintético incluso cuando esas moléculas ya fueron producidas físicamente.
La pieza clave es que la firma no queda guardada en un archivo. Puede incorporarse en la secuencia de aminoácidos, los pequeños componentes que forman una proteína, o en su estructura tridimensional, la forma que adopta para cumplir una función.
Herramientas como AlphaFold y AlphaProteo ya permiten predecir o diseñar proteínas que antes solo existían en la naturaleza. Sin embargo, esa oportunidad también abre un problema: un diseño nuevo podría no parecerse a amenazas biológicas conocidas y pasar sin alertas por algunos filtros de seguridad.
Twist Bioscience, por ejemplo, examina los pedidos de síntesis de ADN frente a bases de datos de riesgos antes de fabricar una secuencia. Pero un sistema de control funciona mejor cuando sabe de dónde viene cada plano.
Una etiqueta dentro del cableado molecular
La analogía central se parece a la instalación eléctrica de una casa. SynthID Bio no pega una etiqueta en la puerta ni deja un papel junto al tablero: incorpora una señal dentro del cableado, de modo que un especialista pueda reconocer de dónde salió el diseño aun cuando la proteína ya está terminada.
Para las secuencias, el mecanismo ajusta de forma sutil qué aminoácidos elige el modelo durante el diseño. Es como cambiar algunos recorridos internos de los cables sin alterar que la luz se encienda, el timbre funcione o el enchufe entregue energía.
En las estructuras predichas, la tecnología modifica coordenadas atómicas, las posiciones precisas de los átomos. Google DeepMind integró esa capacidad en una parte de la red de difusión de AlphaFold 3, un sistema que construye una forma molecular paso a paso.
Así, toda estructura generada por ese modelo podría incluir la firma, sin importar quién lo ejecute o qué programa use para obtenerla. La señal busca ser detectable sin cambiar el comportamiento biológico real de la proteína.
La compañía probó el sistema con VEGF-A, vinculada a la formación de vasos sanguíneos; con la proteína espiga del SARS-CoV-2; y con PD-L1, relacionada con la regulación inmunitaria. Según sus resultados, las versiones marcadas igualaron a las no marcadas en afinidad de unión, tasa de acierto y diversidad de secuencia.
Sarah Carter, especialista en políticas de bioseguridad de Science Policy Consulting, consideró que SynthID Bio es una pieza importante para rastrear diseños biológicos. James Diggans, vicepresidente de Política y Bioseguridad de Twist Bioscience, señaló que puede ayudar a concentrar las revisiones más profundas en las secuencias que realmente lo necesitan.
Una defensa con varias capas
Google DeepMind advierte que la marca no es un interruptor infalible. Una persona podría rediseñar la proteína con otra herramienta y obtener una secuencia funcional nueva, sin la firma original. Por eso, la empresa la propone como una capa adicional dentro de un modelo de “queso suizo”: varios controles superpuestos cubren los huecos de los demás.
Además, la tecnología puede ayudar a evitar que bases públicas como Protein Data Bank, UniProt y GenBank mezclen predicciones de IA con proteínas naturales mal etiquetadas. En colaboración con Stanford y el Arc Institute, el equipo también marcó el genoma de un bacteriófago, un virus que infecta bacterias, diseñado por IA. Las pruebas preliminares indicaron que siguió funcionando.
Google DeepMind planea publicar el estudio completo, el código, los datos de laboratorio y parámetros del modelo. La meta no es cerrar la puerta a la biología diseñada, sino colocar mejores señales en el camino para que su enorme potencial avance con controles visibles, aunque la marca permanezca oculta.
Directora de operaciones en GptZone. IT, especializada en inteligencia artificial. Me apasiona el desarrollo de soluciones tecnológicas y disfruto compartiendo mi conocimiento a través de contenido educativo. Desde GptZone, mi enfoque está en ayudar a empresas y profesionales a integrar la IA en sus procesos de forma accesible y práctica, siempre buscando simplificar lo complejo para que cualquiera pueda aprovechar el potencial de la tecnología.
