Il 28 luglio 2022 è stata una giornata storica per la biologia e l'intelligenza artificiale (IA): DeepMind, azienda specializzata nella ricerca sull'IA e di proprietà di Alphabet, ha reso gratuitamente disponibili i dati strutturali su oltre 200 milioni di proteine provenienti dal suo programma AlphaFold. Si tratta di una banca dati relativa a circa 1 milione di specie, che riguarda la stragrande maggioranza delle proteine note sul nostro pianeta¹.

Nelle proteine la forma può determinare la funzione

Tra la fine degli anni '90 e i primi anni del 2000, la comunità scientifica è stata inondata di notizie sulla corsa al sequenziamento del genoma umano, che contiene le istruzioni racchiuse nel DNA su come le cellule dovrebbero costruire determinate strutture, in genere attraverso la formazione di proteine che sono costituite da diverse combinazioni di amminoacidi.

In un certo senso il DNA è il manuale di istruzioni, gli amminoacidi sono gli elementi costitutivi e le proteine sono il prodotto. Conoscere il codice, però, non è tutto.

Uno sguardo alla figura 1 è istruttivo a questo proposito: questa è l'immagine di una proteina che può proteggere l'organismo responsabile della malaria da un attacco del sistema immunitario umano. Anche conoscendo l'elenco e l'ordine di tutti gli amminoacidi, sarebbe difficile ricavare, partendo da quell'elenco, qualcosa che somigli alla figura 1 in tre dimensioni.

Figura 1: Proteina associata al parassita della malaria

Fonte: https://alphafold.ebi.ac.uk/entry/Q8I3H7

L'importanza della forma della proteina non potrà mai essere ribadita a sufficienza:

• può corrispondere al modo in cui potrebbe reagire in presenza di diverse molecole, come quelle associate a diverse terapie farmacologiche;
• le variazioni della forma (talvolta dette mutazioni) potrebbero rivelarsi istruttive per individuare i fattori causali di determinati sintomi o malattie;
• alcune parti della forma potrebbero essere utilizzate come bersagli: pensiamo alla "proteina spike" associata al virus alla base della pandemia di Covid-19 e, nello specifico, bersaglio dei vaccini mRNA.

AlphaFold rappresenta un balzo in avanti in questo percorso

I progressi scientifici sono ardui da compiere, poiché in molti casi uno si basa su un altro progresso, su un altro e un altro ancora... un processo che può richiedere decenni prima di ottenere grandi risultati che influiscano sulla vita della popolazione in generale. Per esempio abbiamo sequenziato il genoma umano, ma questo non ci ha necessariamente portato a curare ogni tipo di malattia o disturbo. La ricerca sull'mRNA² è in corso da decenni, ma la pandemia di Covid-19 è stata una specie di catalizzatore per sovralimentare il procedimento che se ne serve per creare i vaccini.

È dunque improbabile che la nuova banca dati di AlphaFold favorisca cure immediate per patologie difficili da trattare. L'elemento critico riguarda il modo in cui i ricercatori, che in precedenza avrebbero dovuto intraprendere un processo macchinoso come la cristallografia ai raggi x per determinare la forma di una determinata proteina, potrebbero invece avvalersi della banca dati. Ci sarebbe ancora spazio per le tecniche sperimentali, ma si dovrebbe passare meno tempo davanti all'equivalente del "foglio bianco".

Un'altra cosa incredibile è che la banca dati di AlphaFold, in collaborazione con l'Istituto di bioinformatica europea - Laboratorio europeo di biologia molecolare (EMBL-EBI), è disponibile gratuitamente con una semplice interfaccia e, per di più, fornisce una stima della precisione, riconoscendo che le previsioni basate sull'IA non ottengono ogni volta risultati perfetti. Circa il 35% di 214 milioni di previsioni è ritenuto estremamente accurato, più o meno quanto i risultati sperimentali; un ulteriore 45% è invece considerato abbastanza accurato per molte applicazioni³.

La scoperta di nuovi farmaci - Terapie migliori sviluppate in modo più efficiente

Anche prima che l'inflazione iniziasse a salire fino ai livelli dell'estate 2022, era ampiamente noto che lo sviluppo dei farmaci fosse dispendioso in termini di tempo e denaro e, di conseguenza, molti medicinali costavano cifre esorbitanti. Ogni processo che possa attenuare questa pressione senza peggiorare la qualità delle terapie risulterebbe prezioso.

Considerare gli aspetti seguenti potrebbe essere istruttivo man mano che il settore continua a progredire⁴:

• crescita della pipeline: nel periodo dal 2010 al 2021, 20 piccole imprese impegnate nella scoperta di nuovi farmaci con l'IA, generalmente specializzate in piccole molecole, hanno sviluppato pipeline che sono risultate per il 50% circa solide come quelle di 20 tra le maggiori case farmaceutiche. Ci rendiamo conto che le informazioni riportate sulle pipeline potrebbero non essere perfette e che una molecola in una pipeline non è un prodotto finito, ma l'attività è il primo passo sulla strada verso il successo;
• composizione della pipeline: non viene sempre resa nota, ma in base alle informazioni disponibili indica che le società impegnate nell'IA si concentreranno tendenzialmente su bersagli biologici per le loro terapie su cui si conoscono molte cose. I dati sono il carburante dell'IA, senza contare che queste società vogliono aumentare le loro probabilità di successo. Le grandi case farmaceutiche saranno maggiormente inclini ad avventurarsi nei settori più emergenti delle scoperte farmacologiche;
• proprietà e strutture chimiche: è troppo presto per poter trarre a questo punto conclusioni concrete sul confronto tra l'IA e le grandi case farmaceutiche in termini di impegno nelle scoperte di nuovi farmaci;
• tempistiche delle scoperte farmacologiche: i dati preliminari sembrerebbero indicare che, se gli approcci tradizionali impiegano tendenzialmente 5-6 anni nelle fasi precliniche, in certi casi le scoperte di nuovi farmaci basate sull'IA potrebbero consentire di ridurre a quattro anni il tempo richiesto.

Osserviamo che, attualmente, si tratta più di una questione di "progressi" che di "perfezione" poiché - a quanto pare - ci vorrà ancora un certo tempo prima che l'IA sia in grado di creare nuovi farmaci da sola, ma l'intelligenza artificiale rappresenta una serie di strumenti totalmente nuova che potrebbe avere effetti vantaggiosi. La banca dati di AlphaFold, per esempio, potrebbe fornire ai ricercatori elementi importanti e catalizzatori per idee diverse, anche se non possiede cure o risposte immediate direttamente all'interno del proprio sistema.

Occhi puntati sui megatrend dell'IA e della rivoluzione biotecnologica

Noi di WisdomTree ci concentriamo sia sul megatrend dell'IA che su quello della rivoluzione delle biotecnologie (cliccare sui link per maggiori informazioni). Quel che notiamo nel caso di AlphaFold è un importante esempio di come l'IA sia uno strumento che potrebbe avere le potenzialità per sovralimentare altri megatrend, nella fattispecie la rivoluzione biotecnologica. Non è un caso se quest'ultima sta prendendo piede proprio ora che si possiedono ingenti quantità di dati, un'enorme capacità di elaborazione e altri elementi come il cloud computing immediatamente disponibile, ed è particolarmente entusiasmante pensare a cosa potranno riservarci nei prossimi decenni questi settori.

¹ Fonte: Callaway, Ewen. “’The Entire Protein Universe’: AI Predicts Shape of Nearly Every Known Protein.” Nature. Volume 608. 4 Agosto 2022.

² mRNA – Acido ribonucleico messaggero

³ Fonte: Callaway, 4 Agosto 2022.

⁴ Fonte: Jayatunga et al. “AI in small-molecule drug discovery: a coming wave?” Nature Review: Drug Discovery. Volume 21. Marzo 2022.

Blog correlati

+ L'IA può sostituire le persone? Il caso di studio dell'autotrasporto

+ La richiesta di un migliore stoccaggio energetico è quasi illimitata

+ Parte 1: Un quadro realistico dei progressi nel campo dell’intelligenza artificiale

+ Parte 2 - IA: facile mettere in discussione l'hype, ma come stanno realmente le cose?