L'intelligenza artificiale prevede la forma delle proteine

Il suo successo apre nuovi scenari per la ricerca biotech, promettendo di mettere il turbo allo sviluppo di nuovi farmaci (anche contro Covid-19) oltre che alla messa a punto di enzimi per lo smaltimento dei rifiuti e la produzione di biocarburanti.

Per decenni la struttura delle proteine è stata studiata usando tecniche come la cristallografia ai raggi X e la microscopia crioelettronica, che richiedono tempi molto lunghi e producono risultati non sempre soddisfacenti. In questo modo finora sono state risolte le strutture di circa 170.000 su oltre 200 milioni di proteine conosciute.

Nella competizione Casp per la previsione delle strutture proteiche, che si disputa ogni due anni, i partecipanti ricevono le sequenze amminoacidiche di 100 proteine di struttura ignota: alcuni gruppi provano a calcolarne il ripiegamento, mentre altri lo determinano sperimentalmente. I risultati vengono poi confrontati per valutare l'efficacia dei metodi di previsione.

DeepMind, che aveva già partecipato all'edizione 2018, quest'anno si è ripresentata con una versione aggiornata di Alphafold, in cui l'apprendimento automatico è stato abbinato ad algoritmi che mimano il modo in cui noi umani facciamo i puzzle: prima uniscono le 'tessere' (gli amminoacidi) in piccoli blocchi e poi li assemblano tutti insieme.

Come addestramento, il sistema ha studiato tutte le 170.000 strutture proteiche note e, alla prova dei fatti, ha prodotto previsioni corrette, ottenendo un punteggio medio di 92.4 su 100: per le proteine più complesse ha raggiunto 87 punti, staccando di 25 punti il secondo classificato. Alphafold è riuscito perfino a risolvere le strutture di proteine che stanno nella membrana cellulare: cruciali per diverse malattie umane, risultano difficili da studiare con le tecniche tradizionali.