Cuando AlphaFold2 resolvió el problema del plegamiento de proteínas en 2020, abrió una posibilidad enorme: diseñar proteínas nuevas con funciones específicas usando modelos de lenguaje. La promesa médica es inmensa. El riesgo también. Los modelos de IA pueden diseñar secuencias de aminoácidos que no existen en la naturaleza y que las bases de datos de seguridad actuales no pueden identificar como amenazas. La detección —que se basa en comparar con secuencias conocidas— deja de funcionar cuando la secuencia no tiene precedentes.Google DeepMind ha presentado hoy una respuesta técnica a ese riesgo: SynthID Bio, una extensión del sistema de marcas de agua SynthID que incrusta una firma criptográfica invisible directamente en el diseño de proteínas. El anuncio viene acompañado de un paper publicado en Nature y de la publicación de código open source para investigadores.¿Cómo funciona el sistema de marca de agua en una proteína?SynthID ya existe para texto, imágenes, audio y vídeo. Llevarlo a proteínas es técnicamente diferente: el «contenido» no son bits de imagen o tokens de texto, sino decisiones de diseño molecular con consecuencias físicas. Alterar la secuencia de aminoácidos para incrustar una firma puede afectar cómo se pliega la proteína y, por tanto, si funciona.El sistema funciona dentro de ProteinMPNN, la herramienta de diseño de proteínas del Baker Lab que es el estándar de facto del campo. La clave criptográfica sugiere qué aminoácido elegir en cada posición de la secuencia. ProteinMPNN solo acepta la sugerencia si encaja en una proteína funcional —si no, la descarta—. Para detectar la marca, el software escanea la secuencia completa con esa misma clave y mide con qué frecuencia aparecen los aminoácidos sugeridos. La estadística es la señal.Para estructuras 3D, el sistema funciona de forma diferente: ajusta las coordenadas atómicas en una fracción de la red de difusión de AlphaFold 3. La firma queda grabada en los pesos del modelo. La detección es casi perfecta según los datos publicados.Las pruebas de laboratorio cubrieron tres objetivos distintos: VEGF-A (factor de crecimiento vascular), la proteína spike RBD del SARS-CoV-2 y PD-L1 (relevante en inmunoterapia oncológica). En todos los casos, las proteínas marcadas igualaron a las no marcadas en tasa de éxito, afinidad de unión y diversidad de secuencia. Adaptyv Bio verificó los resultados en laboratorio húmedo.¿Para qué sirve en la práctica marcar proteínas diseñadas por IA?La aplicación más inmediata es el screening de órdenes de síntesis de ADN. Para fabricar físicamente una proteína diseñada por IA, el laboratorio necesita encargar la síntesis de la secuencia de ADN correspondiente a una empresa especializada. Esas empresas —como Twist Bioscience, que ha colaborado en el proyecto— tienen sistemas de detección que comparan los pedidos con bases de datos de secuencias peligrosas conocidas. Pero si la secuencia es nueva, el sistema no tiene referencia para compararla y el pedido pasa a revisión manual lenta.Con SynthID Bio, las empresas de síntesis podrían verificar si una secuencia viene de un modelo de diseño confiable y marcado. Eso no elimina el riesgo —un actor malintencionado podría simplemente no marcar— pero reduce el volumen de secuencias no verificadas que requieren revisión manual y permite enfocar los recursos humanos en lo que no tiene firma reconocida.La segunda aplicación es la trazabilidad en bases de datos científicas. A medida que más proteínas diseñadas con IA entran en el Protein Data Bank, UniProt y GenBank, distinguir las de origen computacional de las observadas en organismos reales tiene valor científico y de seguridad. La marca hace posible esa distinción a escala.La gobernanza de las capacidades más avanzadas de la IA requiere marcos técnicos, no solo normativos. SynthID Bio es un ejemplo de lo que ese tipo de herramienta técnica puede hacer: no reemplaza la regulación, pero hace posible la verificación que cualquier regulación eficaz necesita. El problema de identificar qué contenido ha sido generado por IA existe en todas las modalidades; en biología sintética tiene consecuencias particularmente graves si el origen no puede verificarse.¿Qué limitaciones tiene el sistema?El equipo es explícito sobre lo que no funciona. La seguridad del sistema es tan robusta como la del proceso de custodia de la clave criptográfica: si la clave se filtra, el sistema pierde sentido. Las proteínas muy cortas tienen muy pocos aminoácidos marcados para producir una señal estadística fiable. Fusionar una proteína marcada con una no marcada puede diluir o destruir la firma. Y la detección es probabilística, no absoluta: hay que calibrar el umbral entre falsos positivos y falsos negativos.Más importante: el sistema solo funciona con herramientas que lo implementen. La mayoría de pipelines de diseño de proteínas con IA no usan ProteinMPNN, y el equipo admite que queda trabajo por hacer para que la marca sea más difícil de eliminar deliberadamente. Es una primera solución técnica, no un sistema cerrado.La extensión más interesante del proyecto es la colaboración con el Hie Lab de Stanford y el Arc Institute para marcar el genoma completo de un bacteriófago —virus que infecta bacterias— diseñado con Evo 2, un modelo genómico. Las pruebas en cultivos bacterianos muestran que los fagos marcados funcionan. Es la primera vez que una firma de este tipo se aplica a un organismo completo vivo. El calendario de despliegue regulatorio de la IA en sectores sensibles necesitará herramientas técnicas como esta para ser operativo, no solo aspiracional.El código y los pesos del modelo son open source desde hoy, disponibles para investigadores. Es la apuesta correcta: una herramienta de bioseguridad funciona mejor cuanta más adopción tiene, y la adopción requiere transparencia sobre cómo funciona.Una marca de agua en el centro de una controversia de microscopíaComo nota adicional relevante al alcance de SynthID: el sistema para imágenes y vídeo está en el centro de un debate en curso sobre el concurso de microscopía Small World in Motion de Nikon. El vídeo ganador —que muestra cilios del tracto aéreo de un niño con un trastorno genético raro— tiene en su caption la indicación «AI-assisted in post-processing», y un investigador del UT Southwestern Medical Center ha afirmado haber encontrado una marca de agua SynthID incrustada en el vídeo.El autor del vídeo, el Dr. Ning Xu de la Universidad Tsinghua, ha explicado que la IA se usó para distinguir y visualizar características en las imágenes reconstruidas en escala de grises, no para generar los cilios ni su movimiento. Nikon está revisando el caso y ha pedido documentación técnica detallada, que según el propio Xu ya fue aportada.El caso ilustra algo importante sobre SynthID: la marca de agua no distingue entre «generado completamente por IA» y «asistido por IA en postprocesado». Es una firma de uso de herramientas, no un certificado de originalidad o falsificación. La misma tecnología que ayuda a detectar un abuso en biosíntesis puede crear confusión en un concurso científico cuando el contexto no está suficientemente explicado. Esa ambigüedad es una limitación real del sistema que los propios creadores tendrán que resolver.La noticia Google DeepMind incrusta una firma invisible en las proteínas diseñadas por IA: bioseguridad en la era del diseño molecular fue publicada originalmente en Wwwhatsnew.com por Natalia Polo.