Un AI ha calcolato la struttura di quasi tutte le proteine note alla scienza

DeepMind, un’azienda di Alphabet, ha rilasciato un database gratuito contenente la struttura predetta di praticamente tutte le proteine note alla scienza. Alcune ricercatori hanno definito questo come il più grande contributo dato finora alla scienza dall’intelligenza artificiale.

DeepMind rivoluziona la scienza delle proteine

Calcolare la struttura delle proteine è uno dei compiti più importanti ma difficili della biologia moderna. Se infatti la struttura chimica di una proteina, gli atomi che la compongono e i loro legami, sono noti, è molto complicato capire come questa molecola si struttura nello spazio. Allo stesso è però fondamentale: dalla struttura delle proteine, da come queste si ripiegano e si accartocciano, è possibile capire poi come effettivamente interagiscono.

Fino a questo momento scoprire la struttura di una proteina richiedeva anni e un sacco di sforzi. Era infatti richiesto l’utilizzo della cristallografia a raggi X. La proteina veniva formata all’interno di un reticolo cristallino e poi studiata da varie angolazioni utilizzando i raggi X e i conseguenti pattern di diffrazione. Un processo lungo e laborioso che ha limitato molto la possibilità e quindi il numero di proteine studiate.

Una rivoluzione

DeepMind ha rivoluzionato questo processo nel 2020 con il suo software AlphaFold AI, che produce predizioni molto accurate della struttura delle proteine, suggerimenti e indicazioni che gli scienziati possono poi andare a verificare, velocizzando il processo di scoperta e di ricerca. Dal software, in collaborazione con l’European Molecular Biology Laboratory (EMBL) è stato creato un database pubblico, con inizialmente più di 350mila proteine, incluso il 98.5% di tutte le proteine umane.

L’ultima espansione ha aggiunto 200 milioni di strutture, che coprono appunto quasi ogni organismo sulla Terra di cui abbiamo sequenziato il genoma. Alphabet, l’azienda dietro Google e DeepMind, ha ora lanciato una nuova realtà, Isomorphic Labs, che userà diversi strumenti AI per ricercare nuove medicine. L’azienda è separata da DeepMInd, ma le due collaboreranno.

Le predizioni di AlphaFold sono già state utilizzate largamente dai ricercatori per trovare candidati al vaccino della malaria e per salvaguardare la salute delle api. Anche la ricerca del vaccino contro il COVID-19 è stata accelerata da questa tecnologia.

Imperfezioni e futuro

La tecnologia non è ovviamente perfetta. AlphaFold non è infatti ancora in grado di prendere una stringa di amminoacidi qualunque e capire esattamente la sua struttura tridimensionale. Le sue predizioni, che oltretutto sono appunto tali e non calcoli precisi della struttura, derivano ancora dalle parti di proteine di cui siamo riusciti sperimentalmente a determinare la struttura. Alcune strutture sono poi ancora fuori dalla sua portata, come quelle delle proteine intrinsecamente disordinate, un sottogruppo di molecole instabili con un pattern di piegatura non predicibile.

Le predizioni sono comunque molto buone, e hanno nel 63% dei casi la stessa accuratezza degli esperimenti fisici, secondo test indipendenti. Verificare queste predizioni è poi un processo comunque molto più veloce ed economico.

Questo approccio alla biologia semplifica inoltre molto il lavoro dei ricercatori e abbassa la soglia di ingresso per questo ambito di ricerca. Se infatti lo studio tramite cristallografia a raggi X richiede un alto livello di specializzazione, il lavoro di verifica delle predizioni apre l’ambito a molte più persone, accelerando ulteriormente il lavoro. Come dichiarato dal CEO di DeepMind, Demis Hassabis, questo lavoro è “l’inizio di una nuova era di biologia digitale”.