Google Deepmind ha svelato la terza versione del suo modello di intelligenza artificiale AlphaFold, progettato per aiutare gli scienziati nella modellazione delle molecole e principi attivi per nuovi farmaci. Nel 2020, l’azienda ha fatto un significativo progresso nella biologia molecolare utilizzando l’intelligenza artificiale per prevedere il comportamento delle proteine microscopiche e, con l’ultima versione di AlphaFold, i ricercatori di DeepMind e della consociata Isomorphic Labs hanno mappato il comportamento per tutte le molecole della vita, incluso il Dna umano.

Le interazioni delle proteine – dagli enzimi cruciali al metabolismo umano agli anticorpi che combattono le malattie infettive – con altre molecole rappresentano la chiave per la scoperta e lo sviluppo dei farmaci. Secondo DeepMind i risultati, pubblicati sulla rivista Nature, ridurrebbero il tempo e il denaro necessari per sviluppare trattamenti potenzialmente in grado di cambiare la vita. “Con queste nuove capacità, possiamo progettare una molecola che si legherà a un posto specifico su una proteina e possiamo prevedere quanto fortemente si legherà”, ha detto Demis Hassabis, cofondatore di Isomorphic Labs –  in una conferenza stampa.

Strumento online gratuito

La società ha anche annunciato il rilascio del server AlphaFold, uno strumento online gratuito che gli scienziati possono utilizzare per testare le loro ipotesi prima di eseguire test del mondo reale. Dal 2021, le previsioni di AlphaFold sono state liberamente accessibili ai ricercatori non commerciali, come parte di un database contenente più di duecento milioni di strutture proteiche, ed è stata citata migliaia di volte nel lavoro di altri ricercatori. L’utilizzo del server, ha precisato DeepMind, richiede meno conoscenze informatiche, consentendo ai ricercatori di eseguire test con pochi clic.

Il blog di Google fornisce altri dettagli su AlphaFold che per le interazioni delle proteine con altri tipi di molecole ha permesso di registrare “un miglioramento di almeno il 50% rispetto ai metodi di previsione esistenti e per alcune importanti categorie di interazioni ha raddoppiato l’accuratezza della previsione”.

unnamed

Il nuovo modello si basa sulle fondamenta di AlphaFold 2, che nel 2020 ha segnato una svolta fondamentale nella previsione della struttura delle proteine, è stato citato più di ventimila volte e il suo impatto scientifico è stato riconosciuto da numerosi premi, tra cui recentemente il Breakthrough Prize in Life Sciences.

“AlphaFold 3 ci porta oltre le proteine, verso un ampio spettro di biomolecole. Questo salto potrebbe sbloccare una scienza più trasformativa, dallo sviluppo di materiali biorinnovabili e colture più resistenti, all’accelerazione della progettazione di farmaci e della ricerca genomica”.

Dato un elenco di molecole in ingresso, AlphaFold 3 genera la loro struttura 3D congiunta, rivelando come queste si integrano tra loro. Modella biomolecole di grandi dimensioni come proteine, Dna e Rna, ma anche piccole molecole, note anche come ligandi, una categoria che comprende molti farmaci. Inoltre è in grado di modellare le modifiche chimiche di queste molecole che controllano il funzionamento sano delle cellule e che, se alterate, possono portare a malattie.

Architettura di deep learning

Al centro del modello c’è una versione migliorata del modulo Evoformer, un’architettura di deep learning alla base delle prestazioni di AlphaFold 2. Dopo aver elaborato gli input, AlphaFold 3 assembla le sue previsioni utilizzando un network simile a quelli presenti nei generatori di immagini Ai. Il processo di diffusione inizia con una nuvola di atomi e, in molti passaggi, converge verso la struttura molecolare finale più accurata. AlphaFold 3 agevola la progettazione di farmaci con previsioni di molecole comunemente utilizzate che si legano alle proteine per modificare il modo in cui interagiscono nella salute e nella malattia umana.

Il modello, precisa Google, è “il primo sistema di intelligenza artificiale a superare gli strumenti basati sulla fisica per la previsione della struttura biomolecolare. La capacità di prevedere il legame anticorpo-proteina è fondamentale per la comprensione degli aspetti della risposta immunitaria umana e per la progettazione di nuovi anticorpi, una classe terapeutica in crescita”.

Utilizzando AlphaFold 3 in combinazione con una suite complementare di modelli AI interni, Isomorphic Labs sta lavorando alla progettazione di farmaci per progetti interni e con partner farmaceutici.