DeepMind, passo avanti nello studio delle proteine

DeepMind, passo avanti nello studio delle proteine

L'Intelligenza Artificiale di DeepMind (Google) potrebbe consentire una fortissima accelerazione nello studio di proteine, patologie e cure correlate.
L'Intelligenza Artificiale di DeepMind (Google) potrebbe consentire una fortissima accelerazione nello studio di proteine, patologie e cure correlate.

L'Intelligenza Artificiale di DeepMind potrebbe aver risolto un problema che attanaglia la biologia da mezzo secolo. Grazie al laboratorio di Londra (che fa capo a Google) potrebbe essere stato sviluppato un sistema in grado di ricostruire la struttura 3D di una proteina nel giro di poche ore (se non minuti) a fronte dei lunghissimi tempi che erano necessari in precedenza.

DeepMind, il passo in avanti dell'IA di AlphaFold

L'importanza di questo passaggio è così spiegato nelle parole di Peter J.T. Dekker, Wolfgang Voos, Nikolaus Pfanner, Joachim Rassow per Treccani:

Le proteine, sintetizzate come catene polipeptidiche che si estendono in modo spazialmente non strutturato, devono raggiungere una conformazione tridimensionale stabile per poter svolgere le loro funzioni biologiche. Da decenni è noto che tutte le informazioni necessarie a un polipeptide denaturato per il raggiungimento di una conformazione stabile e funzionale sono contenute all'interno della sua stessa sequenza amminoacidica. In teoria, quindi, la conformazione biologicamente attiva di una proteina dovrebbe essere desumibile una volta che sia nota la sua struttura primaria. Aggiungendosi alla delucidazione del codice genetico, che è stata ottenuta parecchi decenni fa, la comprensione di come le proteine si ripiegano aiuterà a chiarire il modo in cui la Natura è in grado di tradurre un'informazione genetica monodimensionale in strutture biologiche specifiche. Un eventuale successo nella scoperta di un “codice di folding” migliorerebbe in maniera specifica il contenuto di informazione degli enormi progetti sui genomi che attualmente producono sequenze di DNA a un ritmo sempre maggiore.

Arrivare ad una soluzione su questo fronte significherebbe fare un enorme passo avanti nello sviluppo di cure e nella comprensione di patologie per le quali oggi non vi sarebbero prospettive di breve termine poiché ogni approfondimento sarebbe legato inestricabilmente alla comprensione del folding e della struttura stabile raggiunta (laddove ogni errore rispetto allo standard potrebbe spiegare tanto le cause, quanto le conseguenze, del problema).

Per arrivare al proprio risultato, il team DeepMind ha messo a punto negli anni scorsi il sistema di Intelligenza Artificiale denominato AlphaFold, giunto quest'anno alla sua seconda iterazione. Il sistema è stato “nutrito” con la struttura di 170 mila proteine, dati sui quali il sistema ha potuto agire per lo studio predittivo sulle strutture 3D.

Sistema AlphaFold

I ricercatori DeepMind mettono le mani avanti: sebbene il passo avanti sia abnorme, “non tutte le strutture sono previste in modo perfetto. C'è ancora molto da imparare, incluse molte forme complesse, come interagiscono con DNA, RNA e piccole molecole e come possiamo determinare la precisa posizione di tutti gli aminoacidi“.

Del resto questa è la ricerca scientifica: compiere grandi passi avanti per aprire le porte a problemi sempre più grandi e complessi. E questa è l'importanza dell'IA su questo fronte: consentire all'uomo di accelerare i processi della ricerca, per arrivare laddove i tempi di elaborazione dei dati diventano un problema insormontabile che cela l'orizzonte delle soluzioni.

Fonte: DeepMind
Link copiato negli appunti

Ti potrebbe interessare

01 12 2020
Link copiato negli appunti