News Ticker

DeepMind, l’Ai di Google al lavoro per scoprire nuove proteine

L’intelligenza artificiale di Google è ora in grado di predire le forme tridimensionali in cui si assemblano le proteine: sarà utile per lo sviluppo di nuovi farmaci

Proteine

È un’attività che ricorda un po’ gli origami giapponesi, o i puzzle.Perché si tratta di assemblare, una alla volta, con infinita pazienza, molecole di forma e dimensione diverse per creare strutture tridimensionali più grande e complesse, le proteine. Ovvero i blocchi fondamentali della vita. E i computer, che di pazienza ne hanno certamente parecchia, sembrano essere sulla buona strada: gli esperti di Google  hanno appena dichiarato, nel corso di una conferenza internazionale appena conclusa a Cancun, che AlphaFold,un software basato sul programma di intelligenza artificiale DeepMind, è riuscito a “costruire” strutture proteiche tridimensionali con efficacia e velocitàs enza precedenti. Un risultato, dicono gli esperti, che potrà essere di grande aiuto nel campo della ricerca medica e farmacologica, e in particolare per la sintesi di nuovi principi attivi.

Dal Go alle proteine

“Per noi, questo è un momento cruciale”, ha spiegato Demis Hassabis, cofondatore e amministratore delegato di DeepMind. “Il progetto sulle proteine è un faro che rappresenta il primo grande investimento in termini di personale e risorse per affrontare un problema scientifico di importanza fondamentale”.Dell’intelligenza di DeepMind non c’è da dubitare: il software, in passato, era riuscito infatti a sconfiggere Lee Sedol, campione mondiale del gioco cinese del Go; ma ora la posta in gioco è molto più alta. “La sfida al gioco del Go”, continua Hassabis, “era per noi una sorta di allenamento. L’obiettivo primario di DeepMind non è quello di sconfiggere gli esseri umani nei giochi da tavolo, ma di sviluppare algoritmi per problemi reali, proprio come quello della struttura delle proteine”.

La fabbrica migliore? Il corpo umano

Il corpo umano, di per sé, è già un’impressionante fabbrica di proteine, come ricorda il Guardian in un approfondimento sul tema. Secondo le stime più recenti, sarebbe in grado di sintetizzarne un numero altissimo, variabile tra le decine e le migliaia di miliardi. Ciascuna proteina è costituita da una catena di aminoacidi – che esistono in 20 varietà diverse – ripiegata e orientata in modo diverso rispetto alle altre. Per un totale di circa 10300 combinazioni possibili, ossia uno seguito da trecento zeri. Ecco perché avere l’aiuto di un computer intelligente può davvero fare la differenza.

Vincitore su tutti i fronti

DeepMind,e in particolare AlphaFold, ha partecipato alla competizione Critical Assessment of Structure Prediction (Casp), un concorso biennale che coinvolge diversi gruppi di ricerca da tutto il mondo dedicato, per l’appunto, alla sintesi proteica. Scopo della competizione,per l’esattezza, è la previsione di strutture di proteine a partire da liste di aminoacidi inviati ai partecipanti ogni giorno per diversi mesi. L’équipe che invia le previsioni più accurate vince: e quest’anno, per l’appunto, è toccato ad AlphaFold, che ha superato i suoi 98 concorrenti costruendo con successo la struttura più accurata di 25 proteine su 43, rispetto alle 3 su 43 della squadra che si è classificata al secondo posto nella stessa categoria. Ecco come funziona: DeepMind si è “allenata” studiando la struttura di migliaia di proteine note, fino a che non è diventata in grado di replicare quello che aveva imparato a partire da una lista di aminoacidi. In particolare, la rete neurale di AlphaFold comincia creando una struttura “di prova” in cui ottimizza le distanze tra le coppie di aminoacidi e gli angoli tra i legami chimici che li connettono; in un secondo step, modifica tale struttura fino a trovare la disposizione che meglio ne ottimizza l’energia, il tutto in un paio d’ore. “Non abbiamo ancora risolto del tutto il problema della sintesi proteica”, conclude Hassabis. “Ma questo risultato rappresenta un primo passo molto emozionante. Abbiamo ancora tantissime idee da implementare”.

Credits immagine: CC BY-SA 3.0, Collegamento