DeepMind svela la struttura delle proteine

L’azienda ha già utilizzato la sua intelligenza artificiale per il ripiegamento delle proteine, AlphaFold, per generare strutture per il proteoma umano, oltre a lieviti, moscerini della frutta, topi e altro ancora.

di Will Douglas Heaven

Nel dicembre del 2020, DeepMind ha colto di sorpresa il mondo della biologia quando ha risolto un mistero che durava da 50 anni con AlphaFold, uno strumento di intelligenza artificiale che prevede la struttura delle proteine. La scorsa settimana l’azienda con sede a Londra ha pubblicato tutti i dettagli del programma di intelligenza artificiale e ne ha rilasciato il codice sorgente.

Ora l’azienda ha annunciato di aver utilizzato la sua AI per prevedere la forma di quasi tutte le proteine del corpo umano, nonché le forme di centinaia di migliaia di altre proteine trovate in 20 degli organismi più studiati, tra cui lievito, moscerini della frutta e topi. La svolta potrebbe consentire ai biologi di tutto il mondo di comprendere meglio le malattie e sviluppare nuovi farmaci. 

Finora il tesoro è costituito da 350.000 strutture proteiche di nuova previsione. DeepMind afferma che nei prossimi mesi rilascerà le strutture di quasi tutte le proteine note alla scienza.  “Il ripiegamento delle proteine è un problema che tengo d’occhio da più di 20 anni”, afferma Demis Hassabis, il cofondatore e CEO di DeepMind. “È stato un progetto enorme per noi. Direi che è la cosa più grande che abbiamo fatto finora e quella che dovrebbe avere il maggiore impatto nel mondo al di fuori dell’intelligenza artificiale”.

Le proteine sono fatte di lunghi nastri di amminoacidi, che si attorcigliano in nodi complicati. Conoscere la forma del nodo di una proteina può rivelare cosa fa quella proteina, che è fondamentale per capire come funzionano le malattie e sviluppare nuovi farmaci, o identificare organismi che possono aiutare a combattere l’inquinamento e il cambiamento climatico. Capire la forma di una proteina richiede settimane o mesi in laboratorio. AlphaFold può prevedere le forme nei dettagli in un giorno o due.

Il nuovo database dovrebbe rendere la vita ancora più facile ai biologi. AlphaFold potrebbe essere disponibile per l’uso da parte dei ricercatori, ma non tutti vorranno eseguire il software da soli. “È molto più facile prendere una struttura dal database piuttosto che eseguirla sul proprio computer”, afferma David Baker dell’Institute for Protein Design dell’Università di Washington, il cui laboratorio ha creato un proprio strumento per prevedere la struttura delle proteine , chiamato RoseTTAFold, basato sull’approccio di AlphaFold.

Negli ultimi mesi il team di Baker ha lavorato con biologi che in precedenza erano bloccati nel tentativo di capire la forma delle proteine che stavano studiando. “Molta ricerca biologica interessante ha subito un’accelerazione”, dice. Un database pubblico contenente centinaia di migliaia di forme proteiche già pronte dovrebbe essere un acceleratore ancora più grande.  

“E’ impressionante”, afferma Tom Ellis, un biologo sintetico dell’Imperial College di Londra che studia il genoma del lievito, ma avverte che la maggior parte delle forme previste non sono ancora state verificate in laboratorio.  

Precisione atomica

Nella nuova versione di AlphaFold, le previsioni vengono fornite con un punteggio di affidabilità che lo strumento utilizza per contrassegnare la vicinanza alla realtà della forma presa in considerazione. Utilizzando questa misura, DeepMind ha scoperto che AlphaFold prevedeva le forme per il 36 per cento delle proteine umane con un’accuratezza corretta fino al livello dei singoli atomi. E’ una percentuale alta per lo sviluppo di farmaci, dice Hassabis.  

In precedenza, dopo decenni di lavoro, solo il 17 per cento delle proteine del corpo umano aveva avuto la propria struttura identificata in laboratorio. Se le previsioni di AlphaFold sono accurate come dice DeepMind, lo strumento ha più che raddoppiato questo numero in poche settimane.

Anche le previsioni che non sono completamente accurate a livello atomico sono comunque utili. Per più della metà delle proteine del corpo umano, AlphaFold ha previsto una forma che dovrebbe essere abbastanza buona da consentire ai ricercatori di capire la funzione della proteina. Il resto delle attuali previsioni di AlphaFold sono imprecise o riguardano il terzo delle proteine nel corpo umano che non hanno alcuna struttura finché non si legano con altre. 

Mohammed AlQuraish, un biologo dei sistemi della Columbia University che ha sviluppato il proprio software per prevedere la struttura delle proteine, sottolinea che avere strutture per la maggior parte delle proteine in un organismo consentirà di studiare come queste proteine funzionano come un sistema, non solo in isolamento”.

DeepMind sta rilasciando i suoi strumenti e le sue previsioni gratuitamente e a oggi non ha comunicato le sue intenzioni future, anche se non esclude la possibilità di un ritorno economico. Per impostare e gestire il database, DeepMind sta collaborando con il Laboratorio europeo di biologia molecolare, un istituto di ricerca internazionale che ospita già un ampio database di informazioni sulle proteine. 

Immagine di: DeepMind

(rp)

Related Posts
Total
0
Share