Google DeepMind décrit SynthID Bio comme une famille de méthodes conçues pour intégrer un signal détectable aux séquences de protéines conçues par IA et aux structures protéiques prédites. L’objectif est de repérer la provenance d’une conception biologique ; un filigrane ne certifie pas qu’une protéine est sûre.
Ces méthodes marquent deux types de données différents. Les essais rapportés évaluent leur capacité à détecter le signal dans des conditions définies, et montrent aussi que certaines transformations peuvent l’effacer.
Ce que SynthID Bio marque
SynthID Bio comprend deux approches : SynthIDBio-sequence inscrit un signal dans une séquence d’acides aminés, tandis que SynthIDBio-structure l’intègre aux coordonnées d’une structure prédite en trois dimensions.
Une séquence décrit l’ordre des acides aminés qui composent une protéine. Une structure prédite représente la forme tridimensionnelle que pourrait prendre cette protéine. Le filigrane de séquence concerne donc les lettres de la recette ; celui de structure, les coordonnées de la forme calculée.
Deux méthodes, deux types de données
SynthIDBio-sequence s’appuie sur ProteinMPNN. La méthode sélectionne des séquences selon un procédé d’échantillonnage par tournoi, puis les filtre à l’aide d’un score de filigrane. Pour détecter le signal, le système recalcule les scores à partir d’une clé secrète.
Les essais in vitro — réalisés en laboratoire sur des échantillons — ont porté sur des conceptions existantes issues d’AlphaProteo : 15 structures de départ pour chacun des trois objectifs, SC2RBD, VEGF-A et PD-L1. Il s’agissait de modifier la séquence de conceptions déjà réalisées, et non de tester un processus complet de conception de novo.
SynthIDBio-structure ajuste les modules de diffusion et de confiance d’AlphaFold 3 afin d’inscrire le signal dans les coordonnées prédites. Son détecteur est entraîné séparément ; il n’est pas partagé avec les utilisateurs du modèle ajusté.
| Méthode | Donnée marquée et fonctionnement | Évaluation rapportée | Attaque testée et résultat |
| SynthIDBio-sequence | Séquence d’acides aminés ; échantillonnage par tournoi et filtrage d’après le score, avec ProteinMPNN | 100 % de vrais positifs parmi les séquences de conceptions in vitro filtrées, avec un seuil réglé pour 0,1 % de faux positifs | Un reséquençage par ProteinMPNN sans filigrane a efficacement supprimé le signal dans l’attaque rapportée |
| SynthIDBio-structure | Coordonnées d’une structure prédite ; ajustement des modules de diffusion et de confiance d’AlphaFold 3 | Plus de 99,8 % de vrais positifs à 0,1 % de faux positifs sur l’ensemble évalué, pour s = 0,001, 0,01 et 0,1 Å | Les transformations rigides et un faible bruit sur les coordonnées ont préservé la détection dans les essais ; une relaxation contrainte avec OpenMM et Amber99sb a détruit le signal |
Ce que les essais de détection mesurent
Le taux de vrais positifs (TPR) indique la part des séquences ou structures marquées que le détecteur reconnaît. Le taux de faux positifs (FPR) mesure la part des éléments sans filigrane que le détecteur identifie à tort comme marqués. Les deux chiffres vont ensemble : un TPR élevé n’a de sens qu’avec son seuil de FPR et son ensemble d’évaluation.
Pour les conceptions de séquence testées, le TPR rapporté atteint 100 % après filtrage, avec un seuil calibré à 0,1 % de FPR. Pour les structures, le TPR dépasse 99,8 % à 0,1 % de FPR dans l’ensemble évalué, pour les trois réglages de bruit indiqués dans le tableau. Ces résultats appartiennent à leurs essais respectifs.
Les mesures de liaison des échantillons in vitro n’ont pas révélé de différence significative, à l’échelle des groupes, entre les distributions d’affinité des conceptions filigranées et non filigranées. Les comparaisons de taux de réussite variaient toutefois selon le seuil d’affinité et le réglage du filigrane.
Les attaques peuvent effacer le signal
La robustesse dépend de la transformation appliquée. Dans l’essai rapporté, ProteinMPNN a efficacement effacé le filigrane de séquence en produisant un nouveau séquençage sans filigrane. Pour le filigrane structurel, les transformations rigides et un faible bruit sur les coordonnées ont laissé le signal détectable, mais une relaxation contrainte avec OpenMM et le champ de force Amber99sb l’a détruit.
Le filigrane renseigne sur la présence d’un signal associé à une conception ; il ne démontre pas qu’une protéine est sans danger. Les deux méthodes sont des filigranes dits « zéro bit » : elles signalent une présence, sans encoder l’identité de plusieurs utilisateurs ni un historique détaillé de provenance. Le dépistage de séquences et le tri de bases de données figurent parmi les usages envisagés ; leur mise en œuvre demande encore des travaux, de la coordination et une standardisation.
