intelligenza-artificiale-a-caccia-di-antibiotici

Intelligenza artificiale a caccia di antibiotici

Il sistema AlphaFold, sviluppato da DeepMind, sarà utilizzato per individuare composti in grado di neutralizzare batteri che provocano numerose malattie. Tuttavia, secondo uno studio dell'Mit di Boston, occorre incrementare ulteriormente la capacità degli attuali modelli informatici per ottenere risultati tangibili

Intelligenza artificiale alla ricerca di nuovi antibiotici. Il sistema AlphaFold di DeepMind, società della galassia Alphabet (la stessa di Google), sarà presto utilizzato per individuare composti in grado di neutralizzare i batteri che sono alla base di alcune delle più diffuse e gravi malattie. Le aspettative della comunità scientifica sono altissime. Anche perché AlphaFold ha già dato prova in passato di poter centrare in poco tempo risultati che prima si pensava che potessero essere quasi irraggiungibili. Nel 2020, per esempio, stupì la giuria del Critical assessment of structure prediction (Casp), un'iniziativa volta a stimolare la ricerca sulla struttura delle proteine, per la capacità con cui è riuscito, in brevissimo tempo, a determinare la forma di una dozzina di proteine partendo dalle sole catene di amminoacidi che le compongono. Lo scorso anno il sistema ha poi svelato la struttura tridimensionale di quasi tutte le proteine note alla scienza, arrivando a toccare non soltanto l'essere umano, ma anche animali, piante e microrganismi.
L'attesa è dunque elevata. Ma, fra molte aspettative, permangono anche alcuni dubbi. Uno studio pubblicato dal Massachussetts Institute of Technology (Mit) di Boston sulla rivista Molecular Systems Biology, per esempio, ha evidenziato la necessità di un miglioramento dei modelli informatici usati per prevedere le interazioni fra proteine batteriche e farmaci. Nel dettaglio, il team guidato da James Collins ha messo alla prova AlphaFold analizzando le interazioni tra 296 proteine del batterio Escherichia coli e 218 composti antibatterici: ebbene, i modelli di simulazione delle interazioni molecolari si sono rivelati meno accurati quando si è trattato di selezionare i composti rispetto a diversi potenziali bersagli. “Siamo ottimisti sul fatto che, migliorando i metodi di modellazione e aumentando la potenza di calcolo, queste tecniche diventeranno sempre più importanti nella scoperta di farmaci”, ha commentato Collins. “Tuttavia – ha aggiunto – abbiamo ancora molta strada da fare”. Le capacità di previsione di AlphaFold sarebbero, in questo caso, simili a un semplice lancio di una monetina. Risultati leggermente migliori sono stati riscontrati con quattro modelli di apprendimento automatico aggiuntivi che considerano anche le proprietà chimiche e fisiche delle molecole.
Nonostante il flop, le potenzialità dell'intelligenza artificiale nella ricerca scientifica restano molto elevate. Nel 2020, per esempio, il team di Collins ha identificato, grazie a un algoritmo di machine learning, un potente composto di antibiotici in grado di neutralizzare molti dei batteri che causano alcune delle malattie più gravi al mondo, inclusi due ceppi resistenti agli antibiotici attualmente conosciuti.