Els models d'IA que dissenyen proteïnes han obert la porta a fàrmacs i enzims nous, però també a un problema de bioseguretat: si una proteïna perillosa o suplantada circula per les xarxes de laboratoris, és difícil saber d'on ve i si l'ha creat una màquina. Google DeepMind proposa una resposta inspirada en les marques d'aigua que ja fa servir per a textos i imatges.
Segons l'explicació de DeepMind, que ha publicat el treball també en un article a la revista *Nature*, SynthID Bio incrusta una signatura imperceptible en dos nivells. A les seqüències d'aminoàcids, orienta subtilment les eleccions que fa el programa ProteinMPNN; a les estructures en tres dimensions, ajusta la xarxa de difusió d'AlphaFold 3 perquè les coordenades continuïn prediint la mateixa estructura però portin la marca. L'equip va provar el sistema amb proteïnes que s'uneixen a tres dianes (VEGF-A, el domini RBD de la proteïna de l'espiga del SARS-CoV-2 i PD-L1) i, amb la validació in vitro d'Adaptyv Bio, les versions marcades van igualar les no marcades en afinitat d'unió, taxa d'èxit i diversitat. La signatura continua detectable en proteïnes fabricades físicament.
La rellevància és doble. Per als investigadors, vol dir que es poden distingir les proteïnes dissenyades amb IA sense renunciar a la qualitat del disseny. Per als qui vigilen la bioseguretat, és una eina possible per rastrejar-ne l'origen, amb la col·laboració d'altres equips com el laboratori Hie de Stanford, l'Arc Institute i el proveïdor de síntesi d'ADN Twist Bioscience.
De moment hi ha límits que la mateixa DeepMind reconeix: la marca s'ha de fer més robusta davant d'una manipulació deliberada, el mètode serveix sobretot per a proteïnes que s'uneixen a una diana i encara no s'ha estès a objectes genòmics complexos. Només serveix, a més, si els qui dissenyen proteïnes l'adopten voluntàriament.