Robotica e AI

Google DeepMind svela la forma della vita

1 December 2020 | Scritto da Alberto Laratro

L’intelligenza artificiale di Google apre le porte in una rivoluzione in campo biomedico, determinando la forma tridimensionale delle proteine con una precisione senza precedenti

“Cambierà la medicina, cambierà la ricerca, la bioingegneria, cambierà tutto”. Le parole di Andrei Lupas, biologo evoluzionista del Max Planck Institute rivelano la portata di questo traguardo. L’intelligenza artificiale sviluppata da Google, DeepMind, tramite il suo programma AlphaFold, è stata in grado di risolvere una delle questioni più importanti della biologia moderna: determinare la forma tridimensionale di una proteina a partire dalla sua sequenza di amminoacidi.

Si tratta di una sfida che va avanti da decadi e che potrà avere enormi ricadute in ambito medico, e in qualsiasi settore che riguarda la biologia. La capacità di predire la struttura di una proteina permetterà di accelerare, per esempio, il design di farmaci specifici, o di svelare il ruolo di migliaia di proteine all’interno del genoma umano di cui ancora oggi non si conosce la forma e la funzione, aprendo le porte alla comprensione di quei geni che possono causare malattie genetiche.

 

CASP, una competizione per svelare la forma della vita. L’annuncio dei risultati ottenuti da AlphaFold è avvenuto nel contesto del CASP, Critical Assessment of Structure Prediction, una competizione internazionale che dal 1994 vede gruppi di ricerca di tutto il mondo affrontarsi per cercare di migliorare le tecniche computazionali per predire la struttura delle proteine. Già nel 2018 l’IA di Google aveva partecipato, piazzandosi bene ma senza ottenere risultati particolari. Il 30 novembre di quest’anno, invece, l’annuncio che sta smuovendo i laboratori di ricerca di tutto il mondo. Se in media i metodi e le tecniche di predizione si attestano su una precisione di circa il 70%, AlphaFold ha raggiunto il 90%.

Ad oggi, per verificare che la struttura predetta corrisponda a quella reale, viene usata la cristallografia ai raggi X e AlphaFold non andrà a sostituire questi metodi, costosi e che richiedono molto tempo, ma fornirà ai ricercatori nuovi modi per approcciarsi alla ricerca in maniera teorica prima di verificare le predizioni in maniera sperimentale, e permetterà di farlo a una velocità senza paragoni.

Il team di ricerca di Lupas ha lavorato per circa dieci anni alla definizione della struttura di una proteina, anche utilizzando la cristallografia, che non sempre però è in grado di svelare la forma ricercata in maniera chiara. AlphaFold è riuscito a ricostruirla in mezz’ora.

 

L’importanza delle proteine. Le proteine sono i mattoni della vita, e le loro funzioni sono determinate dalla loro forma. Guidate dalle forze atomiche e dagli “incastri” fra le diverse molecole, gli amminoacidi, le proteine si piegano, si deformano e si avvolgono su loro stesse in una miriade di forme diverse. Biologicamente parlando la vita è un gioco di incastri fra proteine.

Dagli anni ’50, quando la prima struttura di una proteina venne definita grazie alla cristallografia ai raggi X, i ricercatori hanno lavorato per capire come le diverse combinazioni di amminoacidi possono creare una così enorme varietà di forme e quindi funzioni.

Sviluppare un farmaco è un po’ come creare un puzzle, senza però sapere quali pezzi si hanno a disposizione per riempire un determinato tassello vuoto. Accelerare la capacità di predire la struttura di una proteina significa accelerare lo sviluppo di un farmaco, permettendoci di comprendere più velocemente quale forma debba avere un tassello per completare il puzzle.

 

La ricerca diventa sempre più “artificialmente intelligente”. Quello usato dal team di Google DeepMind non è l’unico approccio a fare uso dell’intelligenza artificiale. Metà dei team di ricerca che hanno partecipato al CASP di quest’anno hanno utilizzato il Deep Learning, semplicemente AlphaFold è riuscito a farlo in maniera più performante. Il Deep Learning, semplificando, è quella tecnica che permette di addestrare un’intelligenza artificiale fornendogli una grande quantità di esempi per capire come funziona un determinato fenomeno, in questo caso il ripiegamento delle proteine.

L’uso di queste tecniche è sempre più diffuso e giocherà un ruolo fondamentale nella ricerca biomedica dei prossimi anni. Demis Hassabis, co-fondatore e CEO di DeepMind ha dichiarato che la compagnia intende rendere AlphaFold disponibile e accessibile. La sua versione precedente, infatti, è stata resa pubblica, permettendo ad altri di replicare il suo approccio.

 

Come cambieranno i laboratori. Agli inizi del 2020 AlphaFold è stata in grado di predire la struttura di alcune proteine del SARS-CoV-2 prima che queste venissero determinate in maniera sperimentale. Nonostante il vantaggio competitivo di questa tecnica, però, difficilmente ci troveremo davanti a una trasformazione in breve tempo dei laboratori di ricerca: le tecniche di intelligenza artificiale fanno già parte degli strumenti utilizzati per studiare la struttura delle proteine. AlphaFold e altri metodi che sfruttano algoritmi simili andranno a integrare e migliorare le tecniche già in uso, fornendo agli scienziati metodi sempre più efficaci e rapidi per studiare i mattoni della vita.

Alberto Laratro
Alberto Laratro

Laureato in Scienze della Comunicazione e con un Master in Comunicazione della Scienza preso presso la SISSA di Trieste ha capito che nella sua vita scienza e comunicazione sono due punti fermi.

leggi tutto