Google DeepMind apresenta o SynthID Bio para marcar proteínas projetadas por IA

O Google DeepMind revelou um novo método chamado SynthID Bio, projetado para incorporar marcas d'água invisíveis e verificáveis em proteínas criadas por inteligência artificial. Este desenvolvimento visa abordar as crescentes preocupações de biossegurança à medida que as ferramentas de IA se tornam cada vez mais capazes de projetar estruturas biológicas complexas do zero. A pesquisa, publicada na revista Nature, serve como uma prova de conceito para garantir que os projetos biológicos sintéticos possam ser rastreados até modelos confiáveis. As proteínas são blocos de construção essenciais da vida, consistindo em longas cadeias de aminoácidos. Quando os sistemas de IA projetam essas proteínas, eles selecionam aminoácidos um a um para alcançar funções específicas. O SynthID Bio funciona ajustando sutilmente essas escolhas usando uma chave digital, criando um padrão que é imperceptível aos humanos, mas detectável por software especializado. Os pesquisadores confirmaram que essas proteínas marcadas funcionam tão eficazmente quanto suas contrapartes não marcadas em ambientes de laboratório. Para testar a eficácia do sistema, a equipe usou o AlphaProteo, uma ferramenta para projetar ligantes de proteína, ao lado de uma versão com marca d'água do ProteinMPNN, um método comum de geração de sequências. Eles conduziram experimentos em laboratório úmido com três proteínas-alvo, incluindo a proteína spike RBD do SARS-CoV-2 e o VEGF-A. Os resultados não mostraram diferença estatisticamente significativa na força de ligação entre os projetos com marca d'água e aqueles criados sem a tecnologia. Pushmeet Kohli, que lidera iniciativas científicas e estratégicas no Google DeepMind, enfatizou a importância de manter a integridade dos dados científicos. Ele observou que, à medida que as previsões geradas por IA se tornam mais comuns, há o risco de poluir bancos de dados públicos com entradas rotuladas incorretamente. As marcas d'água poderiam ajudar pesquisadores e instituições a rotular e revisar adequadamente as submissões sintéticas para garantir que permaneçam confiáveis para estudos futuros. Especialistas em biossegurança há muito se preocupam com o fato de a IA permitir que indivíduos contornem a triagem tradicional de síntese de DNA criando sequências inteiramente novas que não se assemelham a riscos conhecidos. Anteriormente, os triadores podiam presumir que uma sequência desconhecida poderia ser um organismo natural, mas os projetos gerados por IA removem essa certeza. O SynthID Bio fornece um sinal automatizado de que um pedido originou-se de um modelo confiável com salvaguardas de segurança integradas. Sarah Carter, uma especialista em política de biossegurança que revisou o trabalho, afirmou que as marcas d'água capacitam os desenvolvedores a liderar em segurança. Ela acrescentou que a tecnologia ajuda os provedores de síntese a agilizar seus processos de triagem para clientes que usam essas ferramentas avançadas. Ao fornecer uma procedência clara para projetos sintéticos, o sistema visa equilibrar a inovação com uma supervisão responsável. O Google DeepMind também está explorando como aplicar esta tecnologia de marca d'água a objetos biológicos mais complexos, como modelos genômicos. A empresa está trabalhando com o laboratório Hie da Universidade de Stanford e o Arc Institute para integrar esses métodos em estruturas de pesquisa biológica mais amplas. Este esforço colaborativo busca garantir que as medidas de segurança acompanhem a velocidade rápida da descoberta impulsionada por IA. Além dos benefícios imediatos de segurança, os pesquisadores sugerem que a marca poderia ajudar grandes bancos de dados como o Protein Data Bank e o UniProt. Ao sinalizar automaticamente o conteúdo gerado por IA, esses repositórios podem organizar e verificar melhor a vasta quantidade de dados sendo produzidos pela biologia computacional moderna. Isso poderia ajudar a preservar o patrimônio científico para pesquisadores ao redor do mundo. Para incentivar um maior desenvolvimento, o Google DeepMind decidiu disponibilizar o código como código aberto e liberar os dados in vitro para a comunidade de pesquisa. A empresa também está publicando seu artigo de métodos para permitir que outros cientistas construam sobre este trabalho. Esta abordagem aberta pretende promover um padrão global de segurança no campo da biologia sintética. À medida que a tecnologia avança, a equipe planeja continuar refinando o processo de detecção para garantir alta precisão. Em testes iniciais, o detector identificou com sucesso a marca em mais de 99,8 por cento das estruturas com marca d'água. Iterações futuras provavelmente se concentrarão em escalar essas proteções para acomodar o volume crescente de materiais biológicos projetados por IA.