The Pulse
Google DeepMind aggiunge filigrane SynthID alle proteine progettate dall’IA
Google DeepMind ha presentato SynthID Bio, un metodo per incorporare filigrane rilevabili nelle sequenze proteiche progettate dall’IA e nelle strutture proteiche previste. Nei test di laboratorio, le proteine leganti con filigrana hanno man
AI.info Team · Scritto con l’IA ·
Google DeepMind ha presentato SynthID Bio il 30 settembre: un metodo per inserire filigrane nelle sequenze proteiche generate dall’IA e nelle strutture proteiche previste. Secondo l’azienda, questa prova di fattibilità incorpora una firma rilevabile nel progetto biologico stesso, anche nelle proteine prodotte in laboratorio, preservandone la funzionalità nei test.
Filigrane nelle sequenze e nelle strutture
SynthID Bio usa metodi diversi per diversi tipi di dati biologici. Per le sequenze proteiche, orienta in modo sottile la scelta degli amminoacidi; per le strutture tridimensionali previste, modifica le coordinate atomiche per creare un segnale rilevabile in seguito.
DeepMind ha testato l’inserimento di filigrane nelle sequenze di proteine leganti, molecole progettate per legarsi selettivamente ad altre proteine. Il team ha abbinato il proprio metodo di progettazione delle proteine leganti AlphaProteo a una versione di ProteinMPNN abilitata per SynthID Bio, poi ha testato i progetti contro VEGF-A, il dominio di legame al recettore della proteina spike di SARS-CoV-2 e PD-L1.
Nei test di laboratorio, secondo DeepMind, i progetti con filigrana hanno ottenuto risultati pari a quelli delle versioni senza filigrana per tasso di successo, affinità di legame e diversità naturale delle sequenze. L’annuncio li descrive come le prime proteine leganti con filigrana che, nei test, hanno dimostrato di conservare la funzionalità biologica.
AlphaFold 3 incorpora una firma strutturale
Per le strutture proteiche previste, SynthID Bio esegue il fine-tuning di una parte della rete di diffusione di AlphaFold 3, in modo che la filigrana sia incorporata nei pesi del modello. Secondo DeepMind, le strutture risultanti mantengono l’accuratezza delle previsioni di AlphaFold 3 e le distribuzioni delle principali caratteristiche strutturali, con una rilevabilità quasi perfetta nei suoi test. Il segnale ha inoltre resistito al rumore digitale e a piccole modifiche delle coordinate.
I due approcci affrontano un problema di provenienza che diventa più difficile quando l’IA genera progetti biologici diversi dalle sequenze naturali note. I fornitori di servizi di sintesi del DNA controllano gli ordini confrontandoli con database di rischi noti; una sequenza sconosciuta può altrimenti richiedere una verifica manuale per stabilire se sia una nuova sequenza naturale o un progetto ingegnerizzato. Un marcatore rilevabile potrebbe aiutare gli addetti allo screening a verificare che un progetto provenga da un modello dotato di misure di sicurezza, ma DeepMind lo presenta come un possibile impiego, non come un sistema già adottato dai fornitori di servizi di sintesi.
Una prova di provenienza, non una certificazione di sicurezza
«SynthID Bio è un tassello importante per tracciare la provenienza dei progetti biologici», ha dichiarato Sarah Carter, esperta di politiche sulla biosicurezza e dirigente presso Science Policy Consulting, che ha esaminato il lavoro.
Le filigrane potrebbero anche aiutare a individuare le voci sintetiche inviate a risorse pubbliche come il Protein Data Bank, UniProt e GenBank, dove dati etichettati in modo errato possono influire sulle ricerche successive e sulle decisioni in materia di biosicurezza. Secondo DeepMind, il metodo potrebbe segnalare tali voci per una verifica; l’azienda non sostiene che la filigrana, da sola, stabilisca se una proteina sia sicura.
L’azienda sta pubblicando un articolo sui metodi e afferma che metterà a disposizione della comunità scientifica codice, dati in vitro e pesi del modello. Indica inoltre un limite importante: la manomissione deliberata resta una sfida. DeepMind suggerisce di affiancare alle filigrane metadati sulla provenienza o archivi centralizzati di dati biologici generati dall’IA, anziché considerare il marcatore una misura di sicurezza a sé stante.
Le prime ricerche si estendono ai batteriofagi
DeepMind afferma di aver collaborato anche con il laboratorio di Hie alla Stanford University e con l’Arc Institute per applicare SynthID Bio al genoma di un batteriofago progettato con il modello Evo 2. I primi test in colture batteriche hanno mostrato che i batteriofagi con filigrana erano funzionali, ma l’azienda afferma che condividerà i dettagli più avanti in un manoscritto tecnico.
Per ora, SynthID Bio è una dimostrazione in fase di ricerca che comprende sequenze proteiche, strutture previste e un primo esperimento di progettazione genomica. I test sulle proteine riportati dall’azienda suggeriscono che un segnale di provenienza possa coesistere con la funzionalità biologica; restano da chiarire se il segnale possa resistere a una rimozione deliberata e come i fornitori di servizi di screening potrebbero utilizzarlo.