DeepMind testa marca d'água SynthID Bio em DNA e proteínas

O SynthID Bio insere assinaturas estatísticas em moléculas geradas por IA sem alterar sua função química, mas a resistência contra fraudes deliberadas ainda não tem solução.

Sundar Pichai, diretor-executivo da Alphabet, destacou no X o lançamento do SynthID Bio, anunciado pelo Google DeepMind em 30 de setembro de 2026. O executivo classificou a ferramenta como um avanço para a integridade científica e para a biossegurança. Trata-se de uma tecnologia experimental que insere marcas d’água matemáticas em sequências de proteínas e predições de estruturas biológicas criadas por inteligência artificial. O objetivo é rastrear a procedência de materiais sintéticos antes que saiam do arquivo digital e cheguem ao mundo físico.

Da tela digital para a bancada biológica

Marcas d’água digitais em IA costumam operar sobre pixels, áudio e texto. O DeepMind levou esse conceito para polímeros biológicos sintetizados em laboratório. Em ensaios in vitro (testes físicos em tubos de ensaio) conduzidos em parceria com a empresa de testes biológicos Adaptyv Bio, a equipe avaliou ligantes de proteínas gerados pelos modelos AlphaProteo e ProteinMPNN. Ligantes funcionam como chaves químicas feitas sob medida para se encaixar em alvos celulares específicos.

Os testes envolveram três alvos terapêuticos reais: a proteína VEGF-A (associada ao crescimento vascular), o domínio de ligação do SARS-CoV-2 e o receptor PD-L1 (foco comum em imunoterapia). Nas bancadas de laboratório, as versões que receberam a assinatura estatística mantiveram o mesmo comportamento das moléculas convencionais. A afinidade química, a taxa de acerto nas ligações e a diversidade das sequências não sofreram perdas mensuráveis, segundo os dados divulgados no The Keyword.

Como o SynthID Bio atua no AlphaFold 3 e no genoma

O método opera em duas camadas computacionais diferentes. No modelo AlphaFold 3, voltado à previsão de estruturas tridimensionais, o DeepMind realizou um ajuste fino diretamente nos pesos da rede de difusão. Esse ajuste faz com que as coordenadas atômicas de saída carreguem um padrão estatístico rastreável, capaz de resistir ao ruído natural de medições digitais.

Em uma segunda frente, desenvolvida em colaboração com o laboratório de Brian Hie na Universidade de Stanford e no Instituto Arc, o sistema foi adaptado ao modelo genômico Evo 2. Os pesquisadores inseriram marcas d’água em genomas completos de bacteriófagos, que são vírus que atacam bactérias. Em culturas de laboratório, os vírus marcados continuaram ativos e exerceram suas funções biológicas normais.

Por que a biologia sintética exige rastreamento

Modelos generativos atuais conseguem projetar moléculas inexistentes na natureza. Essa capacidade cria gargalos para fornecedores comerciais de síntese genética, como a Twist Bioscience, que checam pedidos contra bancos de dados de patógenos e toxinas conhecidas. Como uma proteína criada do zero por IA pode ter sequência muito diferente de qualquer ameaça catalogada, os filtros habituais têm dificuldade para identificá-la.

Uma assinatura verificável permite que empresas de síntese e repositórios científicos, como o Protein Data Bank, confirmem se uma sequência veio de um modelo auditado antes de produzir o material físico. James Diggans, diretor da Twist Bioscience, e especialistas em políticas científicas apontam que a procedência ajuda na triagem. Vale notar que a Twist é parte comercial interessada na regulação desse fluxo.

Prova de conceito e limites práticos

O DeepMind reconhece que o sistema é uma prova de conceito inicial. A marca d’água suporta ruídos normais de manipulação laboratorial e digital, mas a proteção contra ataques adversários deliberados continua sendo um desafio técnico em aberto. Se alguém modificar intencionalmente trechos estratégicos da sequência para apagar a marca sem perder a função da molécula, o sistema pode falhar na detecção.

Além disso, a adoção é estritamente voluntária. Alegações sobre regras internacionais ou imposição governamental obrigatória não passam de RUMOR: nenhuma agência reguladora oficial estabeleceu a tecnologia como padrão compulsório. O DeepMind disponibilizou o código-fonte e modelos de referência no GitHub para avaliação da comunidade científica, e sua utilidade real dependerá de acordos entre desenvolvedores de modelos e fábricas de síntese.

Fontes

• Declaração de Sundar Pichai no X
• Anúncio oficial do Google DeepMind
• Comunicado no blog The Keyword
• Repositório de código e modelos no GitHub
• Cobertura na Unite.AI
• Análise técnica na Mixed News