Google DeepMind describe SynthID Bio como una familia de métodos para marcar secuencias de proteínas diseñadas con inteligencia artificial y estructuras proteicas predichas. La marca busca aportar una señal de procedencia: permite detectar si una secuencia o estructura lleva ese marcado, pero no certifica que la proteína sea segura.
Qué marca SynthID Bio
Los métodos actúan sobre dos representaciones distintas. SynthIDBio-sequence incorpora una señal a la secuencia de aminoácidos; SynthIDBio-structure la integra en las coordenadas de una estructura tridimensional predicha. En ambos casos, la marca indica su presencia, pero no codifica una identidad detallada ni un historial de procedencia.
La diferencia importa porque una secuencia y una estructura no son intercambiables. La primera es el orden de los aminoácidos que forman la proteína; la segunda representa su disposición espacial predicha.
Dos métodos para dos representaciones
SynthIDBio-sequence se integra con ProteinMPNN, un modelo que diseña secuencias de proteínas. El método utiliza muestreo por torneo y filtra las secuencias según una puntuación de marca. Para detectarla, se recalcula esa puntuación con una clave secreta.
SynthIDBio-structure ajusta dos componentes de AlphaFold 3 —el módulo de difusión y el módulo de confianza— para incorporar la señal en las coordenadas predichas. Su detector se entrena por separado y no se comparte con quienes usan el modelo ajustado.
Qué midieron las pruebas
Las pruebas de secuencia fueron ensayos in vitro con diseños existentes, no un proceso completo de diseño de proteínas desde cero. Se usaron 15 estructuras de partida por cada uno de tres objetivos: SC2RBD, VEGF-A y PD-L1.
La tasa de verdaderos positivos (TPR) indica qué proporción de los diseños marcados detecta el sistema. La tasa de falsos positivos (FPR) indica con qué frecuencia señala por error diseños sin marca. En las pruebas in vitro, la detección de los diseños filtrados alcanzó un 100 % de TPR con un umbral calibrado para un 0,1 % de FPR.
En los ensayos con esos ligandos, las distribuciones de afinidad de unión no mostraron una diferencia significativa a nivel de grupo entre diseños marcados y sin marcar. Los resultados sobre la proporción de diseños que superaban determinados umbrales de afinidad sí variaron según el umbral y el ajuste de la marca.
Para las estructuras, la detección superó el 99,8 % de TPR con un 0,1 % de FPR en el conjunto de evaluación, en modelos entrenados con ajustes de ruido de coordenadas de s = 0,001, 0,01 y 0,1 Å. Con el ajuste s = 0,001, las puntuaciones LDDT y de modelado por plantilla no fueron inferiores a las de referencia de AlphaFold 3 en la evaluación descrita.
| Método | Qué marca y cómo | Evaluación | Ataque descrito |
| SynthIDBio-sequence | Secuencia de aminoácidos; muestreo por torneo y filtrado de puntuación con ProteinMPNN. | Ensayos in vitro con diseños para SC2RBD, VEGF-A y PD-L1: 100 % de TPR con un umbral calibrado para un 0,1 % de FPR. | La resecuenciación con ProteinMPNN sin marca eliminó eficazmente la señal en el ensayo descrito. |
| SynthIDBio-structure | Coordenadas de estructuras predichas; ajuste de los módulos de difusión y confianza de AlphaFold 3. | En el conjunto de evaluación, más del 99,8 % de TPR con un 0,1 % de FPR para s = 0,001, 0,01 y 0,1 Å. | La relajación estructural restringida con OpenMM y Amber99sb destruyó la señal en el experimento descrito. |
Los ataques documentados y los límites de la marca
La marca de secuencia resistió las condiciones de los ensayos funcionales descritos, pero la resecuenciación con ProteinMPNN sin marca la eliminó eficazmente. En el método estructural, las transformaciones rígidas y pequeñas perturbaciones de las coordenadas conservaron una detección alta en las pruebas; la relajación restringida con OpenMM y el campo de fuerza Amber99sb destruyó la señal.
Estos resultados corresponden a manipulaciones concretas. Una marca de procedencia no certifica que una proteína sea inocua ni sustituye otras salvaguardas. Su posible uso en el cribado de síntesis de ADN o en la curación de bases de datos requeriría más investigación, coordinación y estandarización.
