Vai al contenuto
Ora nel mondoEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portale su IA e tecnologiaeventi · analisi · interviste · approfondimenti tecnici

Cerca
LIVE
›

Google DeepMind marca con SynthIDBio le proteine progettate dall'IA

Il team DeepMind di Google ha pubblicato mercoledì 30 settembre una ricerca su SynthIDBio, una variante della tecnologia di watermarking SynthID che orienta le scelte di amminoacidi compiute dallo strumento di progettazione proteica ProteinMPNN senza compromettere la funzione della proteina che ne risulta.

ScienzaNotiziaSara GalloPubblicato: 30 settembre 20265 min di letturaFonti 4
Google DeepMind marca con SynthIDBio le proteine progettate dall'IA

Il lavoro, riportato da Ars Technica il 30 settembre, risponde a una lacuna segnalata quasi un anno prima. Il software usato per analizzare le sequenze di DNA alla ricerca di proteine potenzialmente pericolose non riconosce le proteine progettate dall'IA, perché nessuno le ha caratterizzate abbastanza da dire quali rappresentino una minaccia.

La proposta di DeepMind è marcare i progetti stessi. SynthIDBio usa una chiave, simile a una chiave crittografica, insieme all'identità degli amminoacidi scelti in precedenza per suggerire il successivo. ProteinMPNN verifica poi se quel suggerimento produce ancora una proteina funzionante. Se sì, lo tiene; se no, lo scarta. Secondo Ars Technica, il sistema inserisce gli amminoacidi del watermark solo quando sono compatibili con una proteina attiva, e poiché il bias è distribuito su tutta la sequenza, il marchio non si può rimuovere senza sapere come è stato codificato.

La chimica non concede margini. Le proteine sono costruite con appena 20 amminoacidi. Alcuni sono chimicamente simili, altri portano cariche opposte. Molte proteine hanno regioni in cui sono tollerate sostituzioni limitate e regioni in cui anche una minima deviazione annulla l'attività.

Sono anche piccole. Una proteina di 500 amminoacidi è considerata piuttosto grande, contro milioni di pixel in una tipica immagine, quindi c'è molto meno materiale grezzo in cui nascondere un segnale. Ars Technica osserva che non era affatto ovvio che l'approccio SynthID potesse trasferirsi: il team avrebbe potuto trovare troppo poco spazio per un watermark, oppure scoprire che stipare abbastanza informazioni produceva proteine inattive.

Perché il momento conta

Gli strumenti biologici tagliano in due direzioni. Gli stessi metodi di progettazione proteica che hanno prodotto enzimi capaci di digerire la plastica o di bloccare proteine velenose potrebbero in linea di principio essere rivolti verso tossine o proteine virali. La lacuna nello screening è il problema pratico. Un watermark sui progetti affidabili dà a chi fa screening qualcosa da cercare, e spinge tutto ciò che non è marcato verso un esame più attento.

SynthID stesso precede questo lavoro. Aggiunge marchi impercettibili ai contenuti digitali generati dall'IA influenzando la probabilità di certe scelte del modello, così il bias finisce distribuito sistematicamente su tutto l'output. Google lo ha già applicato a testo e immagini, dove sopravvive all'esportazione e al ridimensionamento di base. Applicare la stessa idea a una molecola è un ordine di difficoltà diverso.

Lo strumento di progettazione proteica al centro dell'esperimento, ProteinMPNN, è stato sviluppato dal Baker Lab. David Baker ha condiviso il premio Nobel con il responsabile di DeepMind, un dettaglio che Ars Technica include nel suo racconto della discendenza della ricerca.

ProteinMPNN lavora in due fasi. Uno strumento separato descrive prima una configurazione di scheletro adatta al progetto. ProteinMPNN percorre poi quello scheletro, collocando le catene laterali un amminoacido alla volta, scegliendo ciascuno in base alla capacità di adattarsi alla forma, interagire con i vicini e soddisfare altri vincoli come formare tasche catalitiche o legare un'altra proteina. SynthIDBio interviene durante questo percorso.

Il resoconto di Ars Technica è la descrizione del meccanismo più dettagliata pubblicata finora. Un pezzo più breve datato 30 settembre, intitolato "SynthID Bio Watermarks Secure AI Proteins", è apparso tra i titoli recenti che circolano accanto all'articolo di Ars, anche se il testo completo non era disponibile nel materiale esaminato qui. Analytics Insight, intanto, ha pubblicato il 29 settembre un profilo dell'amministratore delegato di DeepMind, Demis Hassabis, inquadrando più ampiamente il lavoro dell'azienda sulla scoperta scientifica. Quel pezzo è contesto, non prova sul metodo di watermarking.

Cosa mostra la copertura circostante

Il dossier contiene anche materiale che non ha nulla a che fare con le proteine, e vale la pena separarlo. Fox News ha riferito il 30 settembre che Tadhg O'Keeffe, professore di archeologia medievale all'University College Dublin, ha scoperto che il 70-80 per cento del castello medievale di Roebuck sopravvive sotto l'intonaco vittoriano all'interno di un edificio del campus. L'UCD ha annunciato la scoperta il 18 settembre. O'Keeffe ha detto a Fox News Digital di aver iniziato a indagare dopo aver studiato gli acquerelli settecenteschi dell'artista Gabriel Beranger. È una storia notevole, e non è una storia di biosicurezza.

Altre due fonti nel dossier sono tecniche e non collegate alla progettazione proteica. Una pagina di catalogo su vibecodingdiscover.com, datata 30 settembre, elenca strumenti IA open source per agenti, server MCP, skills e pipeline RAG, tra cui un'alternativa locale a ElevenLabs che copre 646 lingue e un runtime sandbox per agenti autonomi. Materialize ha pubblicato il 29 settembre un post sul blog che descrive il suo terzo tentativo di scrivere dati su disco, sostituendo lo swap di Linux con un buffer pool gestito in proprio, sull'argomento che la latenza della DRAM è intorno a 100 nanosecondi mentre le letture su NVMe locale sono decine di microsecondi, qualche centinaio di volte più lente, anche se il divario di banda è più vicino a 10 volte.

Questi due elementi sono qui perché sono tra i più freschi del dossier, non perché riguardino il lavoro sulle proteine. La domanda rilevante per l'articolo di DeepMind è più stretta: se un watermark possa resistere ai vincoli della chimica delle proteine abbastanza da essere utile a chi fa screening.

Il resoconto di Ars Technica non arriva a dire che il sistema sia stato adottato da qualche ente di screening o impiegato fuori dalla ricerca. L'articolo descrive una soluzione potenziale, pubblicata di mercoledì, a un rischio sollevato quasi un anno prima e rimasto irrisolto. Quello che succede dopo dipende da se i laboratori e i database che controllano le sequenze alla ricerca di minacce adotteranno lo schema di marcatura, e da se le proteine progettate dall'IA e non marcate diventeranno, per impostazione predefinita, un segnale che vale la pena indagare.

Per ora l'affermazione è tecnica, non operativa: un watermark può essere incorporato in una proteina progettata senza compromettere ciò che la proteina fa. Tutto il resto è ancora aperto.

Commenti 0

Fonti

4
  1. 01Google figures out how to watermark AI-designed proteinsEN
  2. 02Professor discovered lost medieval castle hiding inside a Victorian-era buildingEN
  3. 03Vibe Coding Discover - A Catalog of AI OSS for Agents, MCP, Skills, RAGEN
  4. 04Materialize, Out-of-Core: Replacing Swap with a Buffer PoolEN

Tutti i numeri e le citazioni di questo testo provengono dalle fonti elencate sotto.

I contenuti sono stati preparati dalla redazione con il supporto dell'IA.

Sara Gallo

Sara Gallo

Scienza e salute

Sara Gallo scrive di scienza e salute per FLASH24, partendo da studi originali, comunicati di enti di ricerca e dati di agenzie sanitarie, senza fermarsi ai titoli. Per ogni articolo controlla campioni, intervalli di confidenza e conflitti di interesse, confrontando i numeri con le serie storiche di ISS ed Eurostat. Segue le revisioni sistematiche in uscita e attende i briefing del ministero della Salute, parlando con ricercatori e clinici prima di pubblicare. La sua formazione in fisica dei materiali e il telescopio che usa nel tempo libero si ritrovano nella cura con cui legge misure e immagini. Non pubblica stime senza fonte primaria.

Redazione →

Commenti

0
  1. Nessun commento — sii il primo.

Scrivi un commento

I commenti sono pubblici. Non pubblichiamo insulti, spam né pubblicità.