Tempo de leitura: 5 minutos
Olá, é um prazer inenarrável estar mais uma vez escrevendo este post. A inteligência artificial já consegue ajudar pesquisadores a projetar proteínas e outras estruturas biológicas, mas essa capacidade cria um problema difícil de ignorar: como saber se uma sequência ou estrutura foi criada por um modelo de IA e de onde ela veio? Em 30 de setembro de 2026, o Google DeepMind anunciou o SynthID Bio, uma família de métodos que tenta responder a essa pergunta inserindo marcas d’água diretamente em designs biológicos.
A proposta chama atenção porque a assinatura não ficaria apenas em um arquivo digital. Segundo o Google DeepMind, ela pode ser identificada também na proteína sintetizada em laboratório, sem comprometer sua função biológica nos testes realizados. Essa diferença transforma a marca d’água em algo mais próximo de um selo de procedência do que de um simples rótulo em um banco de dados.
Como o SynthID Bio marca proteínas criadas por IA
O SynthID Bio adapta a técnica ao tipo de informação que precisa ser protegido. Em sequências de proteínas, o método orienta sutilmente a escolha de aminoácidos. Já em estruturas tridimensionais previstas por modelos, ele ajusta coordenadas atômicas de maneira quase imperceptível. O objetivo é criar um sinal detectável sem alterar as propriedades importantes do design.
Para testar a abordagem, os pesquisadores combinaram o método de design de proteínas AlphaProteo com uma versão do ProteinMPNN habilitada para o SynthID Bio. Os experimentos envolveram proteínas ligantes voltadas para três alvos: VEGF-A, o domínio RBD da proteína spike do SARS-CoV-2 e PD-L1.
De acordo com os resultados divulgados, os designs com marca d’água apresentaram taxa de acerto, afinidade de ligação e diversidade de sequência semelhantes às versões sem marca d’água. Em outras palavras, a assinatura foi adicionada sem eliminar a característica mais importante de uma proteína funcional: sua capacidade de desempenhar o papel para o qual foi projetada.
O que o SynthID Bio muda na verificação de estruturas biológicas
O método também foi aplicado a estruturas tridimensionais previstas pelo AlphaFold 3. Nesse caso, uma pequena parte da rede de difusão do modelo foi ajustada para que as coordenadas geradas carregassem o sinal de marca d’água.
O Google DeepMind afirma que o SynthID Bio preservou a precisão das previsões do AlphaFold 3 e alcançou detecção próxima do perfeito nos testes apresentados. A marca também resistiu a ruídos digitais e a pequenas alterações nas coordenadas, dois problemas que poderiam apagar sinais frágeis depois que um arquivo fosse editado ou compartilhado.
Essa possibilidade é relevante porque estruturas e sequências biológicas circulam por bancos de dados públicos e podem ser reutilizadas por outros pesquisadores. Se uma entrada for apresentada como natural quando, na verdade, foi criada por IA, ela pode confundir análises posteriores. A marca d’água não resolve sozinha o problema da autenticidade, mas oferece uma pista técnica adicional para sinalizar a origem do material.
Por que o SynthID Bio interessa à biosegurança
O anúncio ocorre em um momento no qual modelos de IA ampliam a capacidade de projetar proteínas, genomas e bacteriófagos. Isso pode acelerar pesquisas importantes, mas também dificulta a triagem de sequências potencialmente perigosas. Uma sequência criada artificialmente pode não se parecer com ameaças conhecidas e, por isso, escapar de filtros baseados apenas em comparação com bancos de dados existentes.
Os fornecedores de síntese de DNA já analisam pedidos para identificar riscos. Entretanto, sequências novas e pouco semelhantes às referências conhecidas podem exigir revisões manuais demoradas. Nesse cenário, o SynthID Bio poderia funcionar como uma camada complementar: um sinal verificável de que determinado design veio de um modelo com salvaguardas conhecidas.
A lógica se parece com um modelo de defesa em camadas. A marca d’água não substitui a avaliação humana, a triagem de pedidos, o controle de acesso ou outras medidas de segurança. Ela acrescenta uma informação de procedência que pode ajudar laboratórios e empresas de síntese a direcionar melhor seus esforços de revisão.
O mesmo princípio poderia ser aplicado a bases como Protein Data Bank, UniProt e GenBank. Durante o envio de uma nova entrada, o sinal poderia ajudar a identificar materiais sintéticos ou encaminhá-los para uma análise mais cuidadosa. Isso é especialmente importante em bases abertas, nas quais dados incorretamente rotulados podem influenciar pesquisas futuras e decisões de biosegurança.
Os limites e os próximos passos do SynthID Bio
O próprio Google DeepMind reconhece que nenhuma intervenção isolada é uma solução definitiva. Um dos próximos desafios é tornar a marca d’água mais resistente a tentativas deliberadas de remoção ou adulteração. Também será necessário avaliar como o método se comporta diante de diferentes modelos, formatos de dados e processos experimentais.
A empresa afirma que o SynthID Bio pode ser combinado com metadados de procedência, em uma abordagem comparável ao C2PA usado para rastrear a origem de conteúdos digitais. Repositórios centralizados de dados biológicos gerados por IA também poderiam complementar a identificação, criando um histórico mais completo para cada sequência ou estrutura.
O trabalho já avançou para além das proteínas. Em colaboração com o laboratório Hie, da Universidade Stanford, e o Arc Institute, os pesquisadores integraram o SynthID Bio ao Evo 2 para marcar o genoma de um bacteriófago projetado por IA. Testes iniciais em culturas de bactérias indicaram que os bacteriófagos marcados continuaram funcionais, embora a equipe ainda planeje divulgar mais detalhes em um manuscrito técnico.
O Google DeepMind diz que publicou os métodos, os dados in vitro e o código, além de disponibilizar os pesos para a comunidade de pesquisa. Essa abertura será importante para que pesquisadores independentes testem a robustez da técnica e descubram em quais situações ela realmente oferece proteção.
O que o SynthID Bio representa para a IA na biologia
O SynthID Bio não impede que uma IA crie proteínas, nem transforma automaticamente um design marcado em algo seguro. Seu papel é mais específico: tornar a origem de sequências e estruturas verificável, mesmo quando elas deixam o ambiente digital e chegam ao laboratório.
Essa distinção é fundamental. À medida que modelos generativos passam a produzir objetos biológicos mais complexos, a sociedade precisará de mecanismos para acompanhar não apenas o que foi criado, mas também quem criou, com qual modelo e sob quais controles. A marca d’água pode ser uma peça dessa infraestrutura de confiança.
A resposta à pergunta inicial, portanto, não está em uma única tecnologia. Saber se uma proteína foi gerada por IA exigirá a combinação de marcas d’água, metadados, triagem, bancos de dados e revisão especializada. O SynthID Bio é um passo nessa direção: ainda experimental e sujeito a limitações, mas relevante por levar a ideia de procedência para o próprio código da biologia.
