AlphaFold riesce a prevedere come si comporteranno le molecole nel corpo umano per la scoperta di nuove cure e medicine
Gran parte del recente hype sull’intelligenza artificiale è incentrato sui contenuti digitali generati da semplici istruzioni, insieme alle preoccupazioni sulla sua capacità di decimare la forza lavoro e rendere i fake molto più convincenti. Tuttavia, alcuni dei lavori più promettenti – e potenzialmente molto meno inquietanti – dell’intelligenza artificiale si trovano nella medicina. Un nuovo aggiornamento di AlphaFold di proprietà Google potrebbe portare a nuove scoperte sulla ricerca e sulla cura delle malattie. Il software AlphaFold, sviluppato da DeepMind e Isomorphic Labs (anch’esso di proprietà di Alphabet), ha già dimostrato di essere in grado di prevedere il modo in cui le proteine si ripiegano con una precisione massima. L’IA ha catalogato circai 200 milioni di proteine conosciute, con i ricercatori che hanno utilizzato versioni precedenti per fare scoperte in aree come i vaccini contro la malaria, il trattamento del cancro e la progettazione di enzimi. Conoscere la forma e la struttura di una proteina determina il modo in cui interagisce con il corpo umano, consentendo agli scienziati di creare nuovi farmaci o migliorare quelli esistenti. Ma la nuova versione, AlphaFold 3, può modellare altre molecole cruciali, incluso il DNA, tracciando anche le interazioni tra farmaci e malattie, il che potrebbe aprire nuove porte ai ricercatori.
E Google afferma di farlo con una precisione migliore del 50% rispetto ai modelli esistenti. “AlphaFold 3 ci porta oltre le proteine, verso un ampio spettro di biomolecole”, ha scritto il team di ricerca DeepMind di Google in un post sul blog. “Questo salto potrebbe sbloccare una scienza più trasformativa, dallo sviluppo di materiali biorinnovabili e colture più resilienti, all’accelerazione della progettazione di farmaci e della ricerca genomica. Come fanno le proteine a rispondere al danno al DNA; come lo trovano e lo riparano?” le parole del leader del progetto, John Jumper, riferite a Wired. “Possiamo iniziare a rispondere a queste domande”.
Prima dell’intelligenza artificiale, gli scienziati potevano studiare le strutture delle proteine solo attraverso microscopi elettronici ed elaborare metodi come la cristallografia a raggi X. L’apprendimento automatico semplifica gran parte di questo processo utilizzando modelli riconosciuti dalla sua formazione (spesso impercettibili agli esseri umani e ai nostri strumenti standard) per prevedere la forma delle proteine in base ai loro aminoacidi. Google afferma che parte dei progressi di AlphaFold 3 derivano dall’applicazione di modelli di diffusione alle sue previsioni molecolari, centrali per quei famosi generatori di immagini come Midjourney, Gemini di Google e DALL-E 3 di OpenAI. AlphaFold 3 utilizza una scala codificata a colori per etichettare il livello di accuratezza nella previsione, consentendo ai ricercatori di esercitare la dovuta cautela con risultati che hanno meno probabilità di essere reali. Google sta rendendo AlphaFold 3 gratuito affinché i ricercatori possano utilizzarlo per ricerche non commerciali.
