DeepMind crée des filigranes invisibles pour protéines IA
Google DeepMind a présenté SynthIDBio, un système de marquage invisible conçu pour protéger et tracer les protéines et structures biomoléculaires conçues par l'intelligence artificielle. Publiée dans la revue Nature, cette méthode répond aux défis croissants de la biologie synthétique, où les outils numériques accélèrent la conception de protéines fonctionnelles tout en soulevant des risques de sécurité biologique et de désinformation scientifique. Le principe repose sur l'intégration discrète d'un code secret directement dans les données générées par l'IA. Lorsque le modèle produit une séquence d'acides aminés, le filigrane est inséré dans leur ordre. Lorsqu'il prédit une structure tridimensionnelle, un motif invisible est dissimulé dans les coordonnées atomiques. Cette approche vise à garantir l'authenticité des créations sans altérer leurs propriétés biologiques. Pour valider la technologie, les chercheurs ont synthétisé en laboratoire des protéines marquées ciblant trois molécules spécifiques : une partie de la protéine de spike du coronavirus, une protéine impliquée dans la croissance vasculaire et une autre jouant un rôle dans la régulation immunitaire. Les tests ont montré que les protéines marquées conservent une capacité de fixation identique à leurs versions non modifiées. Le détecteur conçu par l'équipe a réussi à identifier cent pour cent des séquences marquées et plus de 99,8 % des structures tridimensionnelles, confirmant que le procédé ne compromet ni le fonctionnement des protéines ni la précision des modèles. Malgré ces résultats prometteurs, des limites techniques subsistent. La méthode appliquée aux structures tridimensionnelles reste vulnérable aux ajustements computationnels standards, dits relaxation, qui peuvent effacer le filigrane. Les auteurs indiquent que l'intégration de ces transformations durant l'entraînement du modèle devrait permettre de renforcer sa robustesse à l'avenir. SynthIDBio marque une étape significative vers une bio-informatique plus sécurisée et transparente. En prouvant qu'un marquage biologique préservant fonction et qualité est réalisable, l'initiative offre aux chercheurs et aux organismes de régulation un outil pour lutter contre la fraude scientifique et les utilisations détournées des molécules synthétiques. Le code source de la version dédiée aux séquences est d'ores et déjà mis à disposition gratuitement sur la plateforme GitHub.
