L’Intelligenza artificiale aiuta a prevedere le forme delle molecole del futuro
Determinare la forma delle molecole è vitale per la progettazione di farmaci e gli scienziati possono impiegare anni per farlo. DeepMind e AlphaFold sono in grado di risolvere questo tipo di attività in poche ore.
Mille modi di utilizzare l’Intelligenza Artificiale – Da alcuni anni John McGeehan, biologo e direttore del Center for Enzyme Innovation di Portsmouth, in Inghilterra, era alla ricerca di una molecola in grado di abbattere i 150 milioni di tonnellate di bottiglie di soda e altri rifiuti di plastica sparsi per il mondo.
In collaborazione con ricercatori su entrambe le sponde dell’Atlantico, ha trovato alcune buone opzioni. Ma il tuo compito è quello del fabbro più esigente: individuare con precisione i composti chimici che si attorcigliano e si piegano da soli nella forma microscopica che può incastrare perfettamente le molecole in una bottiglia di plastica e separarle, come una chiave che apre una porta. .
Determinare l’esatto contenuto chimico di qualsiasi enzima è una sfida abbastanza semplice in questi giorni. Ma identificare la sua forma tridimensionale può richiedere anni di sperimentazione biochimica. Così lo scorso autunno, dopo aver letto che un laboratorio di intelligenza artificiale londinese chiamato DeepMind aveva costruito un sistema che prevede automaticamente le forme di enzimi e altre proteine, McGeehan ha chiesto al laboratorio se potevano aiutarlo con il suo progetto.
Verso la fine di una settimana di lavoro, ha inviato a DeepMind un elenco di sette enzimi. Il lunedì successivo, il laboratorio ha restituito i moduli delle sette. “Questo ci ha portato un anno avanti rispetto a dove eravamo, se non due”, ha detto McGeehan.
Leggi anche:
Ora qualsiasi biochimico può accelerare il suo lavoro più o meno allo stesso modo. Giovedì, DeepMind ha rilasciato le forme previste di oltre 350.000 proteine, i meccanismi microscopici che guidano il comportamento di batteri, virus, corpo umano e tutti gli altri esseri viventi. Questo nuovo database include le strutture tridimensionali di tutte le proteine espresse dal genoma umano, nonché quelle delle proteine che compaiono in altri 20 organismi, tra cui il topo, il moscerino della frutta e il batterio E. coli.
Questa vasta e dettagliata mappa biologica, che fornisce circa 250.000 vie finora sconosciute, può accelerare la capacità di comprendere le malattie, sviluppare nuovi farmaci e riutilizzare quelli esistenti. Può anche portare a nuovi tipi di strumenti biologici, come un enzima che scompone efficacemente le bottiglie di plastica in materiali facilmente riutilizzabili e riciclabili.
“Questo può anticipare i tempi e influenzare il modo in cui pensi ai problemi e aiuta a risolverli più rapidamente”, ha affermato Gira Bhabha, professore associato nel dipartimento di biologia cellulare della New York University. “Che tu studi neuroscienze o immunologia, qualunque sia il tuo campo di biologia, questo può essere utile”.
Questa nuova conoscenza è il suo stesso tipo di chiave: se gli scienziati possono determinare la forma di una proteina, possono determinare come altre molecole si legheranno ad essa. Questo potrebbe rivelare, ad esempio, come i batteri resistono agli antibiotici e come contrastare tale resistenza. I batteri resistono agli antibiotici esprimendo determinate proteine; Se gli scienziati fossero in grado di identificare le forme di queste proteine, potrebbero sviluppare nuovi antibiotici o nuovi farmaci che le sopprimono.
In precedenza, determinare la forma di una proteina richiedeva mesi, anni o addirittura decenni di esperimenti per tentativi ed errori con raggi X, microscopi e altri strumenti sul banco di laboratorio. Ma DeepMind può ridurre notevolmente le scadenze con la sua tecnologia di intelligenza artificiale, nota come AlphaFold.
Quando McGeehan ha inviato a DeepMind la sua lista di sette enzimi, ha detto al laboratorio che aveva già identificato le forme di due di essi, ma non ha detto quali. Questo era un modo per testare l’efficacia del sistema; AlphaFold ha superato il test prevedendo correttamente entrambe le forme.
Era ancora più straordinario, ha detto McGeehan, che le previsioni arrivassero nel giro di pochi giorni. In seguito ha appreso che AlphaFold aveva completato l’attività in poche ore.
Leggi anche:
AlphaFold prevede le strutture proteiche utilizzando quella che viene chiamata una rete neurale, un sistema matematico in grado di apprendere compiti analizzando grandi quantità di dati, in questo caso migliaia di proteine note e le loro forme fisiche, ed estrapolandole verso l’ignoto.
È la stessa tecnologia che identifica i comandi che detti allo smartphone, riconosce i volti nelle foto che pubblichi su Facebook e traduce una lingua in un’altra su Google Translate e altri servizi. Ma molti esperti ritengono che AlphaFold sia una delle applicazioni più potenti della tecnologia.
“Dimostra che l’intelligenza artificiale può fare cose utili nella complessità del mondo reale”, afferma Jack Clark, uno degli autori dell’Artificial Intelligence Index, uno sforzo per monitorare i progressi della tecnologia di intelligenza artificiale in tutto il mondo.
E, come ha scoperto McGeehan, può essere straordinariamente accurato. AlphaFold può prevedere la forma di una proteina con una precisione che rivaleggia con quella degli esperimenti fisici il 63% delle volte, sulla base di test di benchmark indipendenti che confrontano le sue previsioni con strutture proteiche note. La maggior parte degli esperti aveva supposto che una tecnologia così potente fosse ancora lontana anni.
“Pensavo che ci sarebbero voluti altri dieci anni”, ha detto Randy Read, professore all’Università di Cambridge. “Questo è stato un cambiamento totale.”
Ma l’accuratezza del sistema varia, quindi alcune delle previsioni del database DeepMind saranno meno utili di altre. Ogni previsione nel database è accompagnata da un “punteggio di confidenza” che indica la probabilità che sia accurata. I ricercatori di DeepMind stimano che il sistema fornisca una previsione “buona” il 95% delle volte.
Pertanto, il sistema non può sostituire completamente gli esperimenti fisici. Viene utilizzato in combinazione con il lavoro da banco, in cui aiuta gli scienziati a determinare quali esperimenti eseguire e a colmare le lacune quando gli esperimenti non hanno successo. Grazie ad AlphaFold, i ricercatori dell’Università del Colorado a Boulder hanno recentemente identificato una struttura proteica che aveva impiegato più di un decennio per distinguere.
L’Intelligenza Artificiale è il futuro?
Gli sviluppatori di DeepMind hanno scelto di condividere liberamente il loro database di strutture proteiche piuttosto che vendere l’accesso, nella speranza di stimolare il progresso nelle scienze della vita. “Siamo interessati al massimo impatto”, ha affermato Demis Hassabis, CEO e co-fondatore di DeepMind, che è di proprietà della stessa società madre di Google, ma opera più come un laboratorio di ricerca che come una società commerciale.
Alcuni scienziati hanno confrontato il nuovo database DeepMind con lo Human Genome Project. Il Progetto Genoma Umano, completato nel 2003, ha fornito una mappa di tutti i geni umani. Ora DeepMind ha fornito una mappa delle circa 20.000 proteine espresse dal genoma umano, un ulteriore passo avanti verso la comprensione di come funzionano i nostri corpi e come possiamo rispondere quando le cose vanno male.
Leggi anche:
La speranza è anche che la tecnologia continui ad evolversi. Un laboratorio dell’Università di Washington ha costruito un sistema simile chiamato RoseTTAFold e, come DeepMind, ha condiviso apertamente il codice del computer che alimenta il suo sistema. Chiunque può utilizzare la tecnologia e lavorare per migliorarla.
Anche prima che DeepMind iniziasse a condividere apertamente la sua tecnologia e i suoi dati, AlphaFold stava alimentando una vasta gamma di progetti. I ricercatori dell’Università del Colorado utilizzano la tecnologia per capire come batteri come E. coli e salmonella sviluppano resistenza agli antibiotici e per sviluppare modi per combattere questa resistenza. Presso l’Università della California, nel campus di San Francisco, i ricercatori hanno utilizzato lo strumento per migliorare la loro comprensione del coronavirus.
Il coronavirus devasta il corpo attraverso 26 diverse proteine. Con l’aiuto di AlphaFold, i ricercatori hanno migliorato la loro comprensione di una proteina chiave e sperano che la tecnologia possa aiutare ad aumentare la loro comprensione delle altre 25.
Se questo arriva troppo tardi per avere un impatto sull’attuale pandemia, potrebbe aiutare a prepararsi per la prossima. “Una migliore comprensione di queste proteine ci aiuterà non solo ad attaccare questo virus, ma anche altri”, afferma Kliment Verba, uno dei ricercatori di San Francisco.
Le possibilità sono infinite. Dopo che DeepMind ha dato a McGeehan forme per sette enzimi che potrebbero liberare il mondo dai rifiuti di plastica, ha inviato al laboratorio un elenco di altri 93. “Ora ci stanno lavorando”, ha detto.
Ti potrebbe interessare:
Segui guruhitech su:
- Google News: bit.ly/gurugooglenews
- Instagram: instagram.com/guruhitech_official
- Telegram: t.me/guruhitech
- Facebook: facebook.com/guruhitechweb
- Twitter: twitter.com/guruhitech1
- Threads: threads.net/@guruhitech_official
- Bluesky: bsky.app/profile/guruhitech.bsky.social
- GETTR: gettr.com/user/guruhitech
- Rumble: rumble.com/user/guruhitech
- VKontakte: vk.com/guruhitech
- MeWe: mewe.com/i/guruhitech
- Skype: live:.cid.d4cf3836b772da8a
- WhatsApp: bit.ly/whatsappguruhitech
Esprimi il tuo parere!
Ti è piaciuto questo articolo su come l’Intelligenza Artificiale può prevedere la forma delle molecole? Lascia un commento nell’apposita sezione che trovi più in basso.
Per qualsiasi domanda, informazione o assistenza nel mondo della tecnologia, puoi inviare una email all’indirizzo [email protected].