Google DeepMind inserta una marca de agua invisible dentro de proteínas cultivadas en laboratorio

Puntos clave

• Google DeepMind anunció el 30 de septiembre de 2026 que ha creado la primera marca de agua que persiste dentro de una proteína física fabricada en laboratorio, no solo en el archivo digital.
• SynthID Bio fue probada en proteínas ligantes dirigidas a tres objetivos, incluyendo VEGF-A, la proteína de espiga del SARS-CoV-2 y PD-L1, un marcador de cáncer, igualando la capacidad de unión de los diseños sin marcar.
• La empresa de síntesis de ADN Twist Bioscience proporcionó retroalimentación inicial y afirma que la marca de agua podría acelerar el análisis de seguridad de órdenes diseñadas por IA.
• DeepMind está publicando el documento de métodos, el código, los pesos del modelo y datos de laboratorio para que otros investigadores los prueben.
• El lanzamiento ocurre tres semanas después de que AI2Day informara que investigadores descifraron las marcas de agua de texto invisible de Anthropic en cuatro horas.

Google DeepMind ha extendido su sistema de marca de agua SynthID, creado inicialmente para etiquetar imágenes y texto generados por IA, hacia la biología sintética, el campo donde los científicos diseñan nuevas proteínas y organismos en una computadora antes de cultivarlos en un laboratorio.

SynthID Bio oculta una señal dentro de la proteína misma. No dentro de un PDF del diseño. Dentro de la molécula real que sale de la máquina.

Esto es genuinamente nuevo, y merece reflexionar al respecto.

¿Qué construyó realmente DeepMind?

SynthID Bio es una familia de métodos de marca de agua para biología generada por IA. Ajusta la elección de aminoácidos, los bloques de construcción químicos que componen una proteína, y desplaza las coordenadas atómicas de las estructuras 3D predichas en cantidades minúsculas. Estos pequeños cambios forman un patrón que un detector puede leer posteriormente.

El truco es que el patrón debe sobrevivir al salto de la pantalla a la probeta. Una marca de agua en una imagen solo tiene que sobrevivir a ser guardada nuevamente. Una marca de agua en una proteína tiene que sobrevivir a ser construida físicamente a partir de átomos y aún así plegarse en la forma correcta.

El equipo de DeepMind la probó en proteínas ligantes dirigidas a tres objetivos: VEGF-A, la proteína de espiga del SARS-CoV-2 y la proteína de punto de control inmunológico PD-L1. Los diseños marcados se unieron a sus objetivos con la misma fuerza que los no marcados, sin pérdida en la tasa de aciertos ni en la diversidad natural de secuencias.

Para la predicción de estructuras 3D, ajustaron la red de difusión de AlphaFold 3 de manera que la marca de agua esté integrada en los pesos del modelo. Cualquiera que ejecute esa versión obtiene salidas marcadas por defecto.

¿Por qué es importante esto para la bioseguridad?

Porque la IA ahora puede diseñar secuencias biológicas que no se parecen a nada en la naturaleza, las empresas que convierten órdenes de ADN digitales en moléculas reales están operando parcialmente a ciegas. Analizan órdenes contra bases de datos de secuencias conocidas y peligrosas. Un diseño novedoso de IA puede eludir esa verificación simplemente por ser novedoso.

James Diggans, Vicepresidente de Política y Bioseguridad en Twist Bioscience, afirmó que las marcas de agua podrían permitir a los analizadores confirmar rápidamente que una orden proviene de un modelo de confianza con sus propias medidas de seguridad, y enfocarse en la revisión humana de órdenes que no lleven una señal.

Sarah Carter, experta en política de bioseguridad y directora en Science Policy Consulting que revisó el trabajo, dijo que el enfoque permitiría a los proveedores de síntesis optimizar el análisis para clientes que ya utilizan modelos marcados con agua.

Las bases de datos públicas como el Protein Data Bank, UniProt y GenBank son la otra preocupación. Las entradas generadas por IA etiquetadas incorrectamente como naturales distorsionan los datos en los que se toman decisiones de seguridad posteriores.

Hemos estado siguiendo los desarrollos de bioseguridad desde el 16 de julio de 2026, y esta es la primera vez que vemos una afirmación de marca de agua respaldada por datos de unión de laboratorio húmedo en lugar de solo simulación.

¿Se puede eliminar esta marca de agua?

Probablemente, y DeepMind lo admite. Hacer que la señal sea más difícil de eliminar deliberadamente se menciona como trabajo futuro.

Esto importa porque el historial de marcas de agua invisibles de IA no es bueno. En agosto, AI2Day informó que las marcas de agua de texto invisible de Anthropic fueron descifradas en aproximadamente cuatro horas por investigadores externos. Google mismo hizo que la marca de agua visible en sus herramientas de imagen fuera opcional alrededor de la misma época, mientras mantenía la invisible activada por defecto.

Entonces la lectura honesta: SynthID Bio aumenta el costo de pasar desapercibidamente una proteína diseñada por IA como si fuera otra cosa, y ofrece a las empresas de síntesis una nueva señal para verificar. No convierte el análisis de bioseguridad en un problema resuelto, y DeepMind no afirma que lo haga. La empresa lo presenta como una pieza de una defensa en capas, junto con revisión humana y selección de clientes.

DeepMind también está probando el enfoque en genomas completos, trabajando con el laboratorio Hie en Stanford y el Arc Institute para marcar un bacteriófago diseñado por el modelo genómico Evo 2. Los cultivos iniciales muestran que los fagos marcados aún funcionan.

Esté atento a dos cosas: si los principales proveedores de síntesis de ADN realmente integran la detección de SynthID Bio en su análisis de órdenes, y si investigadores independientes pueden eliminar la señal de una secuencia de proteína sin arruinar la molécula. Ambas respuestas deberían llegar dentro de un año.