Un nuevo método inserta marcas de agua en proteínas diseñadas con inteligencia artificial sin alterar su función biológica. La técnica, llamada SynthID Bio, marca las secuencias y las estructuras tridimensionales de las proteínas con una firma imperceptible y verificable. El anuncio llegó el 30 de septiembre de 2026.
De acuerdo con lo anunciado por Google DeepMind, los ensayos de laboratorio cubrieron proteínas de unión. Los diseños marcados igualan el rendimiento y la diversidad natural de las versiones sin marca. El método queda disponible como código abierto en un repositorio de GitHub.
Las proteínas diseñadas por inteligencia artificial ya intervienen en la búsqueda de fármacos y en la biología sintética. Herramientas como AlphaFold predicen estructuras a partir de una secuencia. Modelos como ProteinMPNN generan secuencias nuevas con funciones específicas. Hasta ahora faltaba una forma de distinguir una proteína salida de una máquina de una natural. La necesidad de marcas de agua en proteínas responde a dos problemas: la bioseguridad y la integridad de las bases de datos científicas abiertas.
DeepMind lleva años aplicando su familia SynthID a textos, imágenes, audio y video. El salto a la biología llega cuando los modelos generan cada vez más diseños que un laboratorio puede sintetizar. Sin procedencia, esos diseños circulan sin que se sepa si los creó una persona, un programa o la evolución.
La preocupación tiene base. Un modelo puede diseñar una proteína que una persona no reconocería como artificial.
Cómo funcionan las marcas de agua en proteínas
SynthID Bio reúne dos métodos complementarios. El primero guía la elección de aminoácidos mientras el modelo ProteinMPNN genera la secuencia. El método integra la firma en el orden de esos aminoácidos, como una letra adicional en un texto.
El segundo método ajusta una parte pequeña de la red de difusión de AlphaFold 3. Así, las coordenadas que describen la estructura tridimensional prevista llevan la marca dentro. La firma sobrevive a quien ejecute el modelo, porque viaja en los pesos del sistema.
La compañía probó los diseños marcados sobre tres proteínas de unión. Los resultados mostraron una afinidad de unión y una diversidad natural equivalentes a las de los diseños sin marca. La empresa sostiene que es la primera vez que se sintetizan proteínas diseñadas por IA que conservan su función y llevan marca.
Qué logra la marca de agua y qué queda pendiente
La marca no resiste todavía la manipulación deliberada: la compañía lo reconoce como un desafío pendiente. El sistema señala una secuencia como sintética, pero no identifica a su autor individual, así que la atribución personal queda fuera de su alcance.
Las bases abiertas son el otro frente. Protein Data Bank, UniProt y GenBank aceptan envíos de cualquier origen, y una entrada sintética mal etiquetada puede desviar la investigación que la use después. Una marca verificable separa el diseño computacional del natural sin cerrar la publicación abierta de resultados.
En bioseguridad, el punto de contacto es la síntesis de ADN. Convertir un diseño digital en una molécula física exige un pedido a un proveedor, que revisa la solicitud contra bases de datos de amenazas conocidas. Los diseños nuevos se parecen poco a lo ya catalogado. La marca da al proveedor una señal adicional sobre qué pedido merece una revisión más atenta.
El método ya salió de las proteínas de unión. La compañía lo integró en Evo 2, un modelo genómico, para marcar el genoma de un bacteriófago diseñado. El trabajo se hizo con el laboratorio Hie de Stanford y el Arc Institute. Las pruebas en cultivos de bacterias confirmaron que los fagos marcados mantienen su función.
Otras fuentes consultadas: Help Net Security (01/10), GIGAZINE (01/10), Unite.AI (30/09). (Resultados de laboratorio aportados por la propia compañía.)
