Google DeepMind opublikowało w „Nature” metodę znakowania sekwencji i przewidywanych struktur białek tworzonych przez sztuczną inteligencję. W testach laboratoryjnych oznaczone cząsteczki zachowały swoje właściwości wiążące.

Google DeepMind introduces SynthID Bio to watermark AI-designed proteins while maintaining biological function. Read the full research report here.

Google DeepMind presentó el 30 de septiembre de 2026 SynthID Bio, dos métodos para insertar marcas detectables en proteínas diseñadas o modeladas con inteligencia artificial. En un estudio publicado en Nature, los investigadores fabricaron proteínas con la marca en su secuencia y comprobaron que seguían uniéndose a tres objetivos. También evaluaron una marca distinta en estructuras 3D predichas por AlphaFold 3. El sistema podría ayudar a rastrear el origen de diseños biológicos, pero sigue siendo una prueba de concepto. ## La marca en la secuencia llegó a proteínas fabricadas Una proteína es una cadena de aminoácidos. La primera técnica altera de manera controlada la elección de algunos de ellos mientras un modelo genera la secuencia; después, un detector busca el patrón estadístico con ayuda de una clave. Como la marca forma parte de esa secuencia, no depende de una etiqueta externa que pueda separarse del archivo original. El equipo probó en laboratorio proteínas diseñadas para unirse a VEGF-A, a una región de la proteína de espícula del SARS-CoV-2 y a PD-L1. Partió de estructuras de proteínas cuya capacidad de unión ya se conocía y generó nuevas secuencias con y sin marca. En términos generales, la afinidad de unión fue comparable entre los grupos. Esa prueba mide una función específica en tres objetivos; no demuestra que la técnica conserve cualquier función biológica en toda clase de proteína. El anuncio de DeepMind afirma que las versiones marcadas igualaron a las demás en tasa de aciertos, afinidad y diversidad. El artículo científico introduce un matiz: con uno de los umbrales de afinidad evaluados, una configuración de marca tuvo una tasa de aciertos menor que la versión sin marca. ## La segunda marca está en una estructura 3D predicha Para la otra técnica, los investigadores ajustaron una parte de AlphaFold 3 a fin de introducir una señal en las coordenadas atómicas de las estructuras que predice. En su conjunto de evaluación, la detección superó el 99.8% con un umbral calibrado para 0.1% de falsos positivos, mientras las principales medidas de precisión estructural se mantuvieron cerca de las del modelo original. Esa cifra procede de evaluar **predicciones computacionales**. La prueba con proteínas fabricadas corresponde a la marca en la secuencia. Distinguir ambas importa para entender qué parte de SynthID Bio se comprobó físicamente y cuál se midió sobre modelos de estructuras. ## La señal de origen aún tiene límites DeepMind plantea que los proveedores de síntesis de ADN y las bases de datos científicas podrían usar la marca como una pista adicional sobre la procedencia de un diseño. Esa pista, por sí sola, no certifica que una secuencia sea segura. El propio estudio muestra que la marca de secuencia puede eliminarse mediante una nueva generación del diseño, y los autores señalan que su uso operativo requeriría más investigación y coordinación entre instituciones. El resultado verificado es más acotado: hubo proteínas marcadas que conservaron su capacidad de unión en las pruebas realizadas, y una marca en estructuras predichas mostró alta detectabilidad en la evaluación. La resistencia a alteraciones deliberadas sigue siendo una condición pendiente para el uso propuesto en bioseguridad. _Fuentes:_ 1, 2, 3

The SynthID Bio watermark tags AI-designed proteins and matched unwatermarked binders in wet-lab tests on three targets, DeepMind says.

Ένα νέο, ανοιχτού κώδικα εργαλείο που ενσωματώνει ψηφιακά υδατογραφήματα σε τεχνητά παραγόμενο DNA και πρωτεΐνες, ενισχύοντας την παγκόσμια βιοασφάλεια χωρίς να αλλοιώνει τις λειτουργίες τους.

Watermarking AI Designed Proteins to Flag Threats

Google DeepMindは、AI設計のタンパク質向けウォーターマーク「SynthID Bio」を開発しました。タンパク質バインダーを使ったウェットラボ試験では、ウォーターマークを入れても機能に影響がないことが示されています。この手法は、設計したタンパク質のアミノ酸配列と、予測した3D構造の原子座

Google DeepMind presentó el 30 de septiembre de 2026 **SynthID Bio** , una familia de métodos experimentales que introduce señales detectables en secuencias de proteínas diseñadas con IA y en estructuras tridimensionales predichas. En ensayos de laboratorio, las proteínas marcadas que se probaron conservaron una capacidad de unión comparable a la de versiones sin marca. La propuesta podría ayudar a identificar el origen de algunos diseños biológicos, pero la señal no certifica que una proteína sea segura. ## Una marca que puede permanecer en la proteína física Una proteína es una cadena de aminoácidos. El primero de los métodos adapta ProteinMPNN, una herramienta de diseño, para incorporar una señal estadística mientras elige esos componentes. La marca queda en la **secuencia** y puede comprobarse también después de producir la proteína, según el artículo de investigación publicado en Nature. El equipo partió de 15 estructuras de proteínas que ya se sabía que podían unirse a cada uno de tres objetivos: VEGF-A, PD-L1 y una región de la proteína de la espícula del SARS-CoV-2. A partir de ellas generó nuevas secuencias con y sin marca, y midió su unión en el laboratorio. En conjunto, no encontró diferencias estadísticamente significativas en la afinidad de unión entre ambos grupos, aunque sí observó una diferencia en una de las comparaciones de tasas de éxito. El ensayo prueba una función concreta en esas condiciones; no demuestra que la marca preserve todas las funciones de cualquier proteína. ## La señal de AlphaFold 3 se aplica a una predicción digital El segundo método modifica una parte del modelo AlphaFold 3 para dejar una marca detectable en las **coordenadas 3D que predice**. Esa señal corresponde al archivo de estructura calculada, no a una marca que por sí sola pase a una proteína fabricada. DeepMind plantea usarla para ayudar a identificar datos sintéticos dentro de bases científicas. En la evaluación descrita por los investigadores, la detección de estas estructuras marcadas superó el 99.8% con un umbral calibrado para una tasa de falsos positivos del 0.1%. Con la configuración que recomiendan, las métricas principales de precisión estructural no bajaron frente a AlphaFold 3 sin marca. Son resultados de la variante para estructuras predichas y no una tasa de detección aplicable a proteínas físicas. ## Una pista de procedencia, no un dictamen de bioseguridad Los proveedores que sintetizan ADN revisan solicitudes en busca de secuencias de riesgo conocidas. Un diseño nuevo puede parecerse poco a esas referencias, una dificultad que también describe Ars Technica. DeepMind propone que una marca válida aporte una pista sobre la herramienta utilizada y permita orientar una revisión adicional. La ausencia de marca tampoco demostraría que un diseño sea peligroso: muchos modelos pueden generar secuencias sin esta tecnología. El propio artículo científico presenta esos usos como **hipotéticos**. Reconoce que modificar una secuencia puede hacer desaparecer la señal y que aún hacen falta acuerdos para verificarla entre desarrolladores y proveedores. También advierte que conservar el análisis convencional de las solicitudes sigue siendo necesario. Por ahora, SynthID Bio demuestra que cierta información de procedencia puede incorporarse sin perder la función de unión evaluada; convertirla en una medida práctica de bioseguridad exige más investigación y adopción coordinada. _Fuentes:_ 1, 2, 3

Proof of concept for watermarking AI-generated proteins while preserving biological function.

Google DeepMindが2026年9月30日、AIが設計したタンパク質などに検出可能な「透かし」を埋め込む技術「SynthID Bio」を発表しました。タンパク質の働きを維持しながらAIによる設計物だと識別できる仕組みで、デジタル上のデータだけでなく実際に合成されたタンパク質からも透かしを確認できるとされています。

Googleの研究チームが、AI生成タンパク質に透かし入れ（ウォーターマーク）を埋め込む技術「SynthID Bio」を発表した。この技術は生物学的コード内に目に見えない署名を直接組み込み、合成された物理的なタンパク質自体で検証可能であり、かつタンパク質の生物学的機能を損なわないことが実験室での試験で確認されている。