La ricerca di nuovi farmaci e vaccini potrebbe essere accelerata grazie a quello che secondo molti esperti è uno dei principali risultati in biologia del 2020 e una delle principali innovazioni in intelligenza artificiale di quest’anno.
I ricercatori dell’azienda londinese DeepMind – proprietà di Google – hanno affermato di aver risolto l’annoso problema del ripiegamento proteico, un dilemma che ha tormentato gli esperti del settore per mezzo secolo. Ci sono riusciti con l’ultima versione del loro sistema di AI, AlphaFold 2.
AlphaFold 2, perché è un progresso sul folding delle proteine è così importante
Per la prima volta nella storia, l’AI ha portato a poche ore o forse addirittura minuti la ricostruzione 3D della forma che la proteina assume dopo il ripiegamento (folding) in base alla sua sequenza di aminoacidi. Dato che il comportamento della proteina – che può essere quella di un virus, di un vaccino, di una medicina – dipende dalla sua forma, questa innovazione consente di capire molto meglio come funziona l’intero meccanismo.
Significa ad esempio accelerare la capacità di comprendere le malattie dovute a un’alterazione delle proteine umane; sviluppare nuovi farmaci, vaccini e svelare i misteri più “oscuri” del corpo umano. DeepMind ha risolto il problema con una vasta gamma di proteine, raggiungendo un livello di precisione che rivaleggia con gli esperimenti fisici, in un momento storico in cui molti scienziati ipotizzavano che quel momento fosse ancora lontano anni, se non decenni.
Un momento storico, tuttavia, che non riesce ad avere un impatto significativo sul Covid-19, che vessa il mondo da più di un anno. Ma i ricercatori sono ottimisti, ritenendo che gli strumenti di DeepMind potrebbero accelerare la risposta a future pandemie. Alcuni ritengono che potrebbe anche aiutare gli scienziati ad acquisire una migliore comprensione delle malattie genetiche sulla falsariga del morbo di Alzheimer o della fibrosi cistica. Tuttavia, gli esperti hanno avvertito “il mondo” che questa tecnologia influenzerebbe solo una piccola parte del lungo processo con cui gli scienziati identificano nuovi farmaci e analizzano le malattie. Non è, inoltre, ancora chiaro quando e se DeepMind metterà la sua tecnologia al servizio degli altri ricercatori.
L’importanza delle proteine
Ricordiamo che le proteine sono quei meccanismi microscopici che guidano praticamente di tutte le attività biologiche; come il comportamento di virus e batteri, in tutti gli esseri viventi (essere umano compreso). Ab origine sono delle stringhe di composti chimici che finiscono per “torcersi” e “piegarsi” in forme tridimensionali, le quali definiscono ciò che possono fare e ciò che non possono fare in un dato momento e in un dato soggetto.
Per i biologi, identificare la forma precisa di una proteina richiede spesso mesi, anni o addirittura decenni di sperimentazione. Richiede abilità, intelligenza e molta pratica. E alle volte non riescono nel loro intento.
Come funziona AlphaFold 2 con la previsione delle proteine
Un mix di fattori che probabilmente è giunto al capolinea. Deepmind ha infatti approntato un sistema informatico che può fare il lavoro “di una vita” in poche ore o – addirittura – minuti. DeepMind ha affermato che il suo sistema AlphaFold ha risolto il problema del ripiegamento proteico. Data la stringa di aminoacidi che compongono una proteina, il sistema è in grado di prevedere rapidamente e in modo affidabile la sua forma tridimensionale.
DeepMind e la tecnologia delle reti neurali
DeepMind è uno dei protagonisti di un cambiamento radicale che si è diffuso nel mondo accademico, nell’industria tecnologica e nella comunità medica negli ultimi dieci anni. Grazie a una tecnologia di Intelligenza Artificiale chiamata rete neurale, le macchine possono ora imparare a svolgere molti compiti che un tempo erano al di fuori della loro portata, nonché fuori dalla portata degli esseri umani.
Una rete neurale è un sistema matematico liberamente modellato sulla rete di neuroni nel cervello umano. Impara le abilità analizzando grandi quantità di dati. Individuando i modelli in migliaia di foto di gatti, per esempio, può imparare a riconoscere un gatto autonomamente. La rete neurale è la tecnologia che, ad esempio, riconosce i volti nelle foto pubblicate su Facebook o Instagram, identifica i comandi che vengono impartiti allo smartphone e traduce una lingua in un’altra su Skype. DeepMind utilizza questa tecnologia per prevedere la forma delle proteine. Una tecnologia che tutti noi utilizziamo quasi continuamente.
Se gli scienziati possono prevedere la forma di una proteina nel corpo umano, possono determinare come altre molecole si legheranno o si attaccheranno fisicamente ad essa. Questo è un modo per sviluppare i farmaci, i quali si legano a particolari proteine nel corpo e ne alterano il comportamento.
Analizzando migliaia di proteine conosciute e le loro forme fisiche, una rete neurale può imparare a prevederne le forme delle altre. Nel 2018, utilizzando questo metodo, DeepMind ha partecipato per la prima volta al concorso CASP (Critical Assessment of protein Structure Prediction) – esperimento a livello mondiale per la previsione della struttura proteica – e il suo sistema ha superato tutti gli altri concorrenti, segnalando un cambiamento significativo.
Ma il suo team di biologi, fisici e informatici, guidato da John Jumper, Senior Staff Research Scientist di Deepmind, non era affatto vicino a risolvere il problema finale. Nei due anni successivi, Jumper e il suo team progettarono un tipo completamente nuovo di rete neurale, specifica per il ripiegamento proteico, e questo ha determinato un enorme “salto di qualità”. A detta di Deepmind, la loro ultima versione fornisce una soluzione potente, seppur imperfetta, al problema del ripiegamento proteico. Il sistema è in grado di prevedere con precisione la forma di una proteina per circa due terzi del tempo, secondo i risultati del concorso CASP. E i suoi errori con queste proteine sono più piccoli della larghezza di un atomo (un tasso di errore che rivaleggia con gli esperimenti fisici).
Andrei Lupas, Director of the Department of Protein Evolution del Max-Planck-Institute for Developmental Biology (Monaco di Baviera, Germania), è tra coloro che hanno lavorato con AlphaFold. Fa parte di un team che ha passato un decennio a cercare di determinare la forma fisica di una particolare proteina in un piccolo organismo simile a un batterio. Questa proteina si trova a cavallo della membrana delle singole cellule – una parte è all’interno della cellula ed una parte all’esterno – e questo rende difficile per i ricercatori come Lupas determinare la forma della proteina in laboratorio. Anche dopo un decennio, non è stato in grado di individuare la forma. Con AlphaFold, ha risolto il problema in mezz’ora. Se questi metodi continueranno a migliorare, ha detto Lupas, tali soluzioni potrebbero essere particolarmente utili per determinare se un nuovo virus può essere trattato con un cocktail di farmaci esistenti, affrontando la prossima pandemia con farmaci già esistenti e autorizzati per l’uso sugli esseri umani.
AI e Covid-19, prossimi passi
Durante l’attuale pandemia, una forma più semplice di Intelligenza Artificiale si è rivelata utile in alcuni casi. Un sistema costruito da un’altra società londinese, BenevolentAI, ha aiutato a individuare un farmaco esistente, il baricitinib, che potrebbe essere usato per curare i pazienti gravemente malati di Covid-19. I ricercatori hanno ora completato uno studio clinico, anche se i risultati non sono ancora stati resi noti. Mentre i ricercatori continuano a migliorare la tecnologia, AlphaFold potrebbe accelerare ulteriormente questo tipo di riconversione farmacologica, così come lo sviluppo di vaccini completamente nuovi, soprattutto se incontriamo un virus ancora meno compreso di Covid-19.
David Baker, il direttore dell’Institute for Protein Design dell’Università di Washington, che ha utilizzato una tecnologia informatica simile per progettare farmaci anti Covid-19, ha affermato che i metodi di DeepMind potrebbero accelerare questo lavoro, accelerando la progettazione di proteine neutralizzanti per il Covid-19 da diversi mesi ad un paio di settimane. Tuttavia, la velocità di sviluppo deve fare i conti con altri problemi, come gli studi clinici di massa, ha affermato Vincent Marconi, un ricercatore della Emory University di Atlanta, che ha aiutato a condurre lo studio sul baricitinib.
Ma i metodi di DeepMind potrebbero essere un modo per determinare se un trial clinico fallirà a causa di reazioni impreviste o di altri problemi, almeno in alcuni casi. Demis Hassabis, amministratore delegato e co-fondatore di DeepMind, ha affermato che l’azienda londinese ha pianificato di pubblicare i dettagli che descrivono lo studio in oggetto, ma è improbabile che ciò avvenga fino al prossimo anno.
Ha anche affermato che l’azienda sta esplorando modi per condividere la stessa tecnologia con altri ricercatori. DeepMind è pur sempre un laboratorio di ricerca: non vende prodotti direttamente ad altri laboratori o aziende. Tuttavia potrebbe lavorare con altre aziende per condividere l’accesso alla sua tecnologia su Internet. Le più grandi scoperte di laboratorio in passato hanno riguardato i giochi. Deepmind ha costruito sistemi che hanno superato le prestazioni umane sull’antico gioco di strategia Go e sul videogioco StarCraft – risultati enormemente tecnici senza alcuna applicazione pratica. Ora, il team di DeepMind è ansioso di spingere la propria tecnologia di Intelligenza Artificiale verso il mondo reale.[1]
[1] London A.I. Lab Claims Breakthrough That Could Accelerate Drug Discovery. The New York Times. https://www.nytimes.com/2020/11/30/technology/deepmind-ai-protein-folding.html#:~:text=London%20A.I.-,Lab%20Claims%20Breakthrough%20That%20Could%20Accelerate%20Drug%20Discovery,for%20more%20than%2050%20years.&text=Some%20scientists%20spend%20their%20lives,proteins%20in%20the%20human%20body.
