✨︎ Resumen (TL;DR):
- Google DeepMind presentó SynthID Bio el 30 de septiembre de 2026 para introducir señales detectables en secuencias de proteínas diseñadas con IA y estructuras 3D predichas.
- Las proteínas marcadas conservaron una capacidad de unión comparable en las pruebas de laboratorio; en las estructuras digitales, la detección superó 99.8% con una tasa de falsos positivos de 0.1%.
- La señal puede aportar una pista sobre el origen de un diseño, pero no certifica que una proteína sea segura ni sustituye la revisión convencional de solicitudes de síntesis de ADN.
Google DeepMind presentó el 30 de septiembre de 2026 SynthID Bio, una familia de métodos para ayudar a identificar el origen de algunos diseños biológicos creados con IA. La propuesta introduce señales detectables en secuencias de proteínas y en estructuras tridimensionales predichas, pero no certifica que una proteína sea segura. En laboratorio, las proteínas marcadas conservaron una capacidad de unión comparable a la de versiones sin marca.
SynthID Bio es una familia de métodos experimentales que introduce señales detectables en secuencias de proteínas diseñadas con IA y en estructuras tridimensionales predichas. El artículo publicado en Nature describe dos rutas distintas: una puede comprobarse en la proteína producida y la otra queda en el archivo digital de una predicción.
Una marca que puede permanecer en la proteína física
Una proteína es una cadena de aminoácidos. El primer método adapta ProteinMPNN, una herramienta de diseño, para incorporar una señal estadística mientras elige esos componentes. La marca queda en la secuencia y, según el artículo de investigación, también puede comprobarse después de producir la proteína.
El equipo partió de 15 estructuras de proteínas que ya se sabía que podían unirse a cada uno de tres objetivos: VEGF-A, PD-L1 y una región de la proteína de la espícula del SARS-CoV-2. A partir de ellas generó nuevas secuencias con marca y sin marca, y midió su unión en el laboratorio.
En conjunto, no encontró diferencias estadísticamente significativas en la afinidad de unión entre ambos grupos. Sí observó una diferencia en una de las comparaciones de tasas de éxito. La prueba evalúa una función concreta bajo esas condiciones; no demuestra que la marca preserve todas las funciones de cualquier proteína.
La otra señal vive en una estructura digital
El segundo método modifica una parte del modelo AlphaFold 3 para dejar una marca detectable en las coordenadas 3D que predice. Esa señal corresponde al archivo de la estructura calculada, no a una marca que por sí sola pase a una proteína fabricada.
DeepMind plantea usar este método para ayudar a identificar datos sintéticos dentro de bases científicas. En la evaluación descrita por los investigadores, la detección de las estructuras marcadas superó 99.8% con un umbral calibrado para una tasa de falsos positivos de 0.1%.
Con la configuración recomendada, las métricas principales de precisión estructural no bajaron frente a AlphaFold 3 sin marca. Estos resultados corresponden a la variante para estructuras predichas, no a una tasa de detección aplicable a proteínas físicas.
Las dos rutas no hacen lo mismo:
- ProteinMPNN: incorpora la señal en la secuencia de una proteína diseñada y permite revisarla después de producirla.
- AlphaFold 3: incorpora la señal en las coordenadas de una estructura 3D predicha, sin marcar por sí mismo la proteína que alguien fabrique.
Una pista de procedencia, no un dictamen de bioseguridad
Los proveedores que sintetizan ADN revisan las solicitudes en busca de secuencias de riesgo conocidas. Un diseño nuevo puede parecerse poco a esas referencias, lo que dificulta esa revisión.
DeepMind propone que una marca válida aporte una pista sobre la herramienta utilizada y permita orientar una revisión adicional. La ausencia de marca tampoco demostraría que un diseño sea peligroso, porque muchos modelos pueden generar secuencias sin esta tecnología.
El artículo científico presenta esos usos como hipotéticos. También reconoce que modificar una secuencia puede hacer desaparecer la señal y que todavía hacen falta acuerdos para verificarla entre desarrolladores y proveedores. Además, la revisión convencional de las solicitudes sigue siendo necesaria.
Por ahora, SynthID Bio demuestra que cierta información de procedencia puede incorporarse sin perder la función de unión evaluada. Convertir esa señal en una medida práctica de bioseguridad exige más investigación y adopción coordinada, y todavía no se ha adoptado como filtro de rutina.
