Un equipo de Google DeepMind ha desarrollado una técnica para insertar marcas de agua invisibles en proteínas diseñadas por inteligencia artificial (IA), con el objetivo de rastrear su origen y evitar que se utilicen para crear biopeligros. Sin embargo, expertos advierten que el sistema aún puede ser eludido con relativa facilidad, lo que limita su utilidad como medida de bioseguridad.
El desafío de las proteínas sintéticas
La IA se ha convertido en una herramienta poderosa para diseñar proteínas nunca antes vistas, que podrían dar lugar a medicamentos innovadores o, en manos malintencionadas, a armas biológicas devastadoras. Herramientas como AlphaFold, que en 2020 revolucionó la predicción de estructuras proteicas y llevó a sus creadores a ganar el Premio Nobel de Química en 2024, han abierto la puerta a la generación de proteínas personalizadas. Si bien esto representa un avance científico sin precedentes, también plantea riesgos significativos de bioseguridad.
Los métodos actuales de detección identifican moléculas peligrosas comparando sus secuencias de aminoácidos con las de amenazas conocidas. El problema es que la IA puede generar proteínas completamente nuevas que no se parecen a nada conocido, evadiendo así los filtros de seguridad. Para abordar este desafío, DeepMind ha creado una familia de técnicas denominada SynthIDBio, que codifica marcas de agua en las proteínas generadas por IA.
¿Cómo funcionan las marcas de agua?
La primera técnica, SynthIDBio-sequence, introduce una marca de agua en la secuencia de aminoácidos de proteínas creadas por el programa ProteinMPNN. Cuando el usuario especifica la forma 3D deseada, el programa elige los aminoácidos que se plegarán para adoptar esa estructura. SynthIDBio-sequence influye sutilmente en esa elección mediante una “clave” secreta. Una vez generada la secuencia, cualquiera que conozca el código puede evaluar la probabilidad de que haya sido creada bajo esa influencia.
La segunda técnica, SynthIDBio-structure, incrusta la marca directamente en la estructura de la proteína. Para ello, modifica el funcionamiento de AlphaFold 3, la herramienta insignia de predicción de estructuras de DeepMind. Cuando AlphaFold predice una estructura, SynthIDBio-structure le asigna una tarea adicional: realizar ajustes minúsculos en la disposición de los átomos. Estos cambios son detectables posteriormente y lo suficientemente pequeños como para no distorsionar la función de la proteína.
En pruebas de laboratorio, ambos sistemas lograron detectar con enorme precisión las proteínas marcadas: identificaron más del 99% de las que llevaban la marca y descartaron correctamente el 99.9% de las no marcadas. Los resultados se publicaron en la revista Nature en 2026.
Limitaciones y escepticismo
A pesar de la hazaña técnica, los expertos consultados por Live Science coinciden en que la tecnología aún no está lista para su implementación generalizada. Bruce Wittmann, científico principal de Microsoft, calificó los métodos como “efectivos pero frágiles”, ya que las marcas de agua pueden eliminarse fácilmente. En el caso de las secuencias, basta con “resecuenciar” la proteína alterando los aminoácidos para que la marca deje de ser detectable. En las estructuras, añadir ruido o modificar las coordenadas espaciales también elimina la marca. Además, las herramientas de detección no podrían saber si una proteína ha sido desmarcada.
Otros especialistas dudan que el marcado de agua sea una solución a largo plazo para la bioseguridad. Max Brackmann, experto en armas químicas, biológicas, radiológicas y nucleares del Laboratorio de Spiez (Suiza), señala que si bien una marca indeleble podría disuadir a algunos delincuentes, es poco probable que detenga a terroristas dispuestos a crear un arma biológica, ya que no les importaría ser identificados después de un ataque exitoso.
Además, la gran mayoría del software de predicción y generación de proteínas es de código abierto, lo que significa que gran parte del código está disponible gratuitamente para usarlo y modificarlo. Esto dificulta la incorporación generalizada de marcas de agua. Wittmann advierte que el campo tendría que migrar hacia modelos de código cerrado para que las marcas se conviertan en un estándar de la industria. A su juicio, el marcado de agua podría funcionar como una capa más dentro de un escudo de defensa de bioseguridad, pero no como protección única.
La regulación gubernamental también enfrenta obstáculos. George Rose, profesor emérito de biofísica de la Universidad Johns Hopkins, se mostró escéptico: “Estoy convencido de que no funcionará. Una vez que existe una tecnología atractiva que hace algo, la regulación gubernamental para mantenerla bajo control nunca ha sido realmente exitosa”.
Un paso adelante, pero no definitivo
El desarrollo de SynthIDBio representa un avance importante en la búsqueda de herramientas que permitan rastrear el origen de proteínas sintéticas y alertar sobre posibles usos indebidos. Sin embargo, sus limitaciones técnicas y la facilidad para eludirlas sugieren que la comunidad científica y los reguladores deberán seguir trabajando en estrategias complementarias. La bioseguridad en la era de la IA generativa requiere un enfoque multifacético que combine tecnología, supervisión y cooperación internacional.
Mientras tanto, los investigadores continúan perfeccionando estas técnicas y explorando nuevas formas de proteger los avances científicos sin frenar la innovación. El debate sobre cómo equilibrar el progreso y la seguridad está más vigente que nunca.