Google DeepMind filigrane les protéines conçues par IA

Google DeepMind a conçu SynthID Bio, un filigrane destiné aux protéines conçues par intelligence artificielle. Le système encode une signature dans la séquence d’acides aminés d’une protéine. Il l’inscrit aussi dans les coordonnées atomiques d’une structure tridimensionnelle prédite. DeepMind indique que cette signature peut être vérifiée sur la protéine physique après sa synthèse. Le groupe a présenté ses résultats le 1er octobre 2026. Les essais en laboratoire humide portent sur des protéines de liaison. Ces molécules sont conçues pour s’attacher à une protéine cible. SynthID Bio cherche ainsi à identifier automatiquement une conception issue d’un modèle considéré comme fiable.

Le criblage ADN constitue l’application visée par DeepMind. Les fournisseurs qui transforment des modèles numériques en molécules physiques vérifient chaque commande contre des bases de menaces connues. Les modèles d’IA peuvent toutefois produire des séquences ressemblant peu aux dangers déjà répertoriés. Un criblage manuel peut alors ralentir les travaux de recherche. Le filigrane fournirait un signal automatisé indiquant qu’une commande vient d’un modèle doté de mesures de protection. DeepMind envisage aussi son usage dans la Protein Data Bank, UniProt et GenBank. À la soumission, la signature pourrait aider à repérer des entrées synthétiques nécessitant un étiquetage ou un examen.

DeepMind préserve trois fonctions protéiques

Trois cibles ont servi aux essais de SynthID Bio. DeepMind a associé sa méthode de conception AlphaProteo à une version marquée de ProteinMPNN, un générateur de séquences largement utilisé. Les tests ont porté sur VEGF-A, le domaine de liaison au récepteur de la protéine Spike du SARS-CoV-2 et PD-L1. Pour ces trois cibles, les conceptions marquées ont obtenu les mêmes résultats que les versions non marquées. La comparaison couvre le taux de réussite, l’affinité de liaison et la diversité des séquences naturelles. Le taux de réussite mesure la part des conceptions qui se lient à leur cible. Les résultats indiquent donc que le filigrane n’a pas réduit ces performances mesurées.

La structure prédite reçoit aussi une signature. DeepMind a ajusté une petite partie du réseau de diffusion d’AlphaFold 3. Ce réseau construit le filigrane directement dans les poids du modèle. Toute personne exécutant le modèle obtient des coordonnées portant cette signature. AlphaFold 3 conserve sa précision de prédiction, selon DeepMind. Le signal résiste également au bruit numérique et aux modifications mineures des coordonnées. DeepMind qualifie sa détectabilité de presque parfaite, sans publier de taux dans son article de blog. Les méthodes et les résultats sont détaillés dans une publication scientifique. DeepMind présente ainsi la signature comme un mécanisme vérifiable sur des données numériques et sur une protéine synthétisée.

Le filigrane garde des limites techniques

La falsification ciblée reste un défi identifié par DeepMind. Le groupe propose d’associer SynthID Bio à des métadonnées de provenance ou à des dépôts centraux de données biologiques générées par IA. Il décrit aussi le dispositif comme une couche parmi les mesures de protection intégrées aux modèles et la vérification des clients. Chacune de ces protections peut comporter des lacunes. James Diggans, vice-président chargé des politiques et de la biosécurité chez Twist Bioscience, a apporté un premier retour sur l’étude. Il considère le filigrane comme un ajout prometteur à l’outillage de biosécurité, susceptible de renforcer le criblage. DeepMind présente les détails dans son article consacré à SynthID Bio.

Les phages marqués élargissent les essais à la génomique. Dans un travail en cours avec le laboratoire Hie de Stanford et l’Arc Institute, DeepMind a intégré SynthID Bio à Evo 2, un modèle génomique. L’équipe a marqué le génome d’un bactériophage conçu par Evo 2. Un bactériophage est un virus qui infecte les bactéries. Des tests préliminaires en laboratoire, réalisés dans des cultures bactériennes, ont confirmé que les phages marqués restaient fonctionnels. DeepMind annonce un manuscrit technique ultérieur sur ce travail. Le groupe publie par ailleurs les méthodes, le code ouvert et les données in vitro. Il met également les poids à disposition de la communauté de recherche.