Proteine create dall’AI: la filigrana segreta che può smascherarle

Riconoscere una proteina ottenuta con l’intelligenza artificiale potrebbe diventare possibile attraverso una sorta di firma invisibile. Per verificarne la presenza, però, occorrono una chiave segreta e un’analisi statistica della frequenza con cui determinati aminoacidi compaiono nella sequenza.

Una firma nascosta nella sequenza

Il sistema è stato progettato da Google DeepMind e prende il nome di SynthIDBio. La tecnologia distribuisce il segnale in diversi punti della proteina, scegliendo soltanto posizioni in cui più alternative risultano compatibili dal punto di vista chimico.

In questo modo la filigrana non viene aggiunta come un elemento esterno e non dovrebbe alterare né la struttura né l’attività della molecola. La sua individuazione non è quindi immediata: senza la chiave utilizzata durante la progettazione, il modello statistico non può confermare facilmente l’origine artificiale della proteina.

Il limite imposto dalla chimica

Nascondere informazioni in una proteina è più complesso rispetto all’inserimento di un segnale in un testo o in un’immagine. La sequenza dispone infatti di appena 20 aminoacidi e anche una variazione minima può cambiare il modo in cui la molecola si ripiega o interferire con la sua funzione.

A rendere il problema ancora più delicato contribuisce la quantità ridotta di posizioni disponibili. Una fotografia digitale può contare su milioni di pixel, mentre una proteina offre uno spazio molto più limitato per incorporare una traccia senza danneggiare le proprie caratteristiche.

Il controllo durante la progettazione

SynthIDBio è stato collegato a ProteinMPNN, uno degli strumenti impiegati per elaborare nuove proteine. Mentre il programma costruisce la sequenza, la tecnologia propone aminoacidi associati alla chiave segreta, ma ogni suggerimento deve superare una verifica strutturale e funzionale.

ProteinMPNN elimina le scelte che non risultano coerenti con l’obiettivo previsto. Il metodo, descritto in un articolo pubblicato su Nature, cerca così un equilibrio tra riconoscibilità statistica e conservazione delle proprietà della proteina.

Perché serve un nuovo strumento

L’intelligenza artificiale sta già favorendo la creazione di molecole con possibili applicazioni pratiche, dalla degradazione della plastica alla neutralizzazione di sostanze tossiche. La stessa capacità di progettazione, tuttavia, potrebbe essere utilizzata anche per ottenere proteine pericolose più difficili da individuare con i controlli tradizionali.

La filigrana nasce proprio per affrontare questo rischio. L’obiettivo è fornire un criterio aggiuntivo per stabilire se una sequenza sia stata elaborata con strumenti di intelligenza artificiale, senza compromettere l’utilità delle proteine sviluppate per scopi legittimi.