Con la inteligencia artificial (IA), los científicos disponen de una herramienta poderosa para crear proteínas que nunca antes se habían visto, las cuales pueden emplearse tanto para desarrollar fármacos innovadores como para generar armas biológicas devastadoras.
Para ayudar a prevenir usos nefastos de estas proteínas, los científicos han ideado recientemente una manera de incrustarles una marca de agua sin comprometer su función. Un equipo de Google DeepMind desarrolló esta técnica para rastrear con mayor precisión el origen de las proteínas diseñadas por IA.
«Esto tiene el potencial de reducir las amenazas de bioseguridad, como la creación no autorizada de toxinas, y podría ayudar en la curación de bases de datos, evitando que diseños artificiales saturen las bases de datos estándar», dijo Roy Sleator, profesor de biología en la Munster Technological University de Irlanda, quien no participó en la investigación.
«En la práctica, podría ayudar a rastrear el origen de un diseño, señalar proteínas diseñadas para controles de bioseguridad adicionales y reducir afirmaciones engañosas sobre cómo se fabricó una proteína», dijo Sleator a Live Science por correo electrónico.
Sin embargo, en su forma actual, las mismas tecnologías de IA que añaden marcas de agua también pueden quitarlas, advirtieron otros expertos.
Nuevas formas de ocultar las marcas de agua
La presentación del programa de IA AlphaFold en 2020 fue un hito en la ingeniería de proteínas. La herramienta, que llevó a Demis Hassabis, John Jumper y David Baker al Premio Nobel de Química en 2024, puede revelar la estructura tridimensional de una proteína a partir de la secuencia de sus componentes, llamados aminoácidos. Las proteínas se pliegan como origami, adoptando formas 3D que dictan su función.
Sin embargo, la tecnología de AlphaFold también abrió la puerta a generar proteínas totalmente nuevas que podrían usarse para crear amenazas biológicas, incluidas proteínas virales que pueden evadir nuestro sistema inmunológico y las vacunas existentes.
«Todo lo que puede hacerse para bien puede hacerse para mal», afirmó George Rose, profesor emérito de biofísica en la Universidad Johns Hopkins.
Las herramientas de detección actuales identifican moléculas nuevas, peligrosas o restringidas al observar cuán parecidas son sus secuencias de aminoácidos a las de amenazas reconocidas. Pero el problema es que la IA podría proponer proteínas que no se parezcan a nada que hayamos visto. Eso es a lo que busca resolver la nueva técnica de marcas de agua.
El equipo de DeepMind enmarcó el esfuerzo de marcas de agua como una «familia» de técnicas relacionadas a las que llaman SynthIDBio. El primer miembro de esta familia es SynthIDBio-sequence, que codifica marcas de agua en las secuencias de aminoácidos de proteínas creadas por un programa llamado ProteinMPNN.
Cuando los usuarios indican a ProteinMPNN la forma tridimensional deseada para su proteína, el programa elige opciones de aminoácidos que finalmente se pliegan en esa forma. SynthIDBio-secuencia influye sutilmente en la forma en que el programa elige cada aminoácido según una clave secreta de marca de agua. Una vez generada la secuencia, cualquiera que conozca el código oculto puede evaluar cuán probable es que la secuencia haya sido creada bajo la sesgo de la clave. En su estudio reciente, el equipo de DeepMind mostró que las proteínas construidas con esta marca de agua podían seguir unirse a sus dianas tan bien como las proteínas sin marca de agua.
Una técnica hermana, llamada SynthIDBio-estructura, incrusta en su lugar una marca de agua directamente en la estructura de la proteína. Lo logra alterando la función de AlphaFold 3, el algoritmo de predicción de proteínas insignia de DeepMind.
Cuando AlphaFold predice una estructura, SynthIDBio-estructura le asigna una misión secundaria: la IA debe hacer ajustes mínimos en la forma en que se disponen los átomos de la proteína. Estos cambios pueden ser detectados más tarde por un detector, y son lo bastante pequeños como para que no parezcan distorsiones evidentes.
En una prueba, estos dos sistemas crearon marcas de agua ocultas que pudieron detectarse con una precisión increíble, marcando más del 99% de las proteínas con marca de agua y descartando correctamente el 99.9% de las proteínas sin marca.
Cómo evadir una marca de agua de proteína
Live Science habló con varios expertos que coincidieron en que SynthIDBio fue un logro técnico impresionante. Sin embargo, dijeron que aún no está listo para una implementación generalizada.
Las dos técnicas son «efectivas pero frágiles», comentó Bruce Wittmann, científico aplicado principal en Microsoft, a Live Science por correo electrónico. Eso se debe a que, como también señala el equipo de DeepMind en su artículo, las marcas de agua pueden eliminarse fácilmente.
Me imagino que sería muy difícil asegurar que se cumplan las regulaciones.
Bruce Wittmann, científico aplicado principal en Microsoft
«Para las secuencias, las marcas de agua pueden eliminarse mediante ‘resecuenciación’ —es decir, alterar la secuencia de aminoácidos de la proteína de modo que la marca ya no sea detectable», afirmó Wittmann. «Para las estructuras, las marcas de agua pueden eliminarse añadiendo ruido a o modificando de alguna manera las coordenadas espaciales de la estructura». Las herramientas de cribado no serían capaces de detectar si se eliminó una marca de agua de una proteína.
Los expertos también se mantienen escépticos de que la marcación ofrezca una solución a largo plazo para la bioseguridad.
Una marca de agua indeleble podría identificar quién creó originalmente una proteína nefast‑a, o identificar cuándo un usuario accedió al software de generación de proteínas sin permiso. Esto podría disuadir a algunos delincuentes, pero los terroristas que buscan crear una proteína novedosa para un arma biológica probablemente no les importaría ser identificados tras un ataque exitoso, afirmó Max Brackmann, experto en armamento químico, biológico, radiológico y nuclear en el Spiez Laboratory de Suiza.
Además, la gran mayoría del software para predicción y generación de proteínas es de código abierto, lo que significa que gran parte del código está disponible para usar y modificar libremente. Eso dificulta mucho incrustar marcas de agua en estos programas. Wittmann advirtió que el campo tendría que desplazarse hacia modelos de código cerrado antes de que las marcas de agua pudieran convertirse en un estándar de la industria.
Agregó que la marcación podría funcionar como una capa dentro de un escudo de defensa de bioseguridad, más que brindar protección por sí sola. Regularlo de arriba hacia abajo sería difícil de hacer cumplir. «Me imagino que sería muy difícil garantizar que se cumplan las regulaciones», dijo.
Rose fue aún más directo respecto a la regulación del uso de proteínas generativas.
«Estoy convencido de que no funcionará», afirmó. «Una vez que existe una tecnología atractiva que hace algo, la regulación gubernamental para mantenerla bajo control nunca ha tenido realmente éxito».
Ayúdanos a mejorar El Disparador Uruguay: Siempre estamos tratando de hacer que nuestro contenido sea mejor. Déjanos tus comentarios sobre Pro aquí.
