La funzione biologica di una proteina è determinata dalla sua struttura 3D
La funzione biologica di una proteina è determinata dalla sua struttura 3D

Un programma di intelligenza artificiale (IA) creato da DeepMind, società controllata da Google, potrebbe aiutare gli scienziati a predire la struttura 3D delle proteine: una sfida fondamentale per capire i meccanismi biologici alla base della vita. Le proteine sono infatti costituite da una successione di amminoacidi, ma è solo il modo in cui queste catene si ripiegano nello spazio che ne determina la funzione. Di norma per capire l'organizzazione tridimensionale (detta anche struttura terziaria) di una macromolecola proteica servono delle tecniche di laboratorio che richiedono tempi molto lunghi, a volte anche anni; l'algoritmo di Google, chiamato AlphaFold, promette invece di fornire risposte nel giro di poche ore.

Il team di DeepMind, la cui sede è a Londra, ha istruito AlphaFold dandole in pasto le sequenze e le relative strutture 3D di 170 mila proteine, le cui informazioni sono raccolte in un database pubblico. Per farsi un'idea della portata del problema, attualmente la scienza ha identificato in natura circa 200 milioni di proteine, ma le forme note rappresentano una frazione minima del totale. Calcolatrice alla mano, il modo in cui le catene di amminoacidi possono torcersi e piegarsi su se stesse può dare luogo a una varietà enorme di combinazioni, che superano cifre a trecento zeri.

Una volta terminata la fase di addestramento, l'IA è stata messa alla prova con l'esperimento Casp (Critical Assessment of Techniques for Protein Structure Prediction), una sorta di 'Olimpiade delle proteine', che va in scena ogni due anni per valutare i migliori software predittivi. Ai partecipanti vengono fornite un centinaio di sequenze di amminoacidi da rielaborate al computer, per poi confrontare i risultati prodotti con quelli emersi dal lavoro in laboratorio. AlphaFold non solo ha sbaragliato i propri rivali, ma ha anche raggiunto una precisione paragonabile alle classiche tecniche sperimentali. In totale, l'IA ha ottenuto un punteggio medio di 92,5 su 100, contro i 90 di riferimento delle procedure di laboratorio. Il voto è sceso di poco (87) se si circoscrive la performance alle proteine più complesse.

Demis Hassabis, fondatore e amministratore delegato di DeepMind, ha parlato di una svolta che "segna un momento emozionante", sottolineando più in generale che gli algoritmi "stanno diventando abbastanza maturi e potenti per essere applicabili a problemi scientifici davvero impegnativi". Nel 2017 DeepMind aveva fatto parlare di sé con AlphaGo, un'intelligenza artificiale che era stata in grado di battere il campione del mondo di Go, un millenario gioco da tavolo di origine cinese, che impone scelte strategiche molto ragionate.

Gli scienziati cercheranno ora di cavalcare questo successo per alzare ulteriormente l'asticella della sfida. Il prossimo passo consisterà nell'addestrare l'IA a comprendere come le proteine interagiscono tra loro per formare sistemi più grandi, nonché come si comportano con altre molecole presenti negli organismi viventi. Scoprire la struttura tridimensionale delle proteine e il funzionamento associato servirà, tra le altre cose, alla ricerca medica per identificare i processi alla base di alcune malattie e progettare farmaci più efficienti.