Dopo aver risolto la sfida della struttura delle proteine, l’unità di deep-learning di Google sta passando al genoma umano.
Google DeepMind afferma di aver addestrato un’intelligenza artificiale in grado di prevedere quali variazioni del DNA nel nostro genoma possono causare malattie, previsioni che potrebbero accelerare la diagnosi di disturbi rari ed eventualmente fornire indizi per lo sviluppo di farmaci.
DeepMind, fondata a Londra e acquisita da Google 10 anni fa, è nota per i programmi di intelligenza artificiale che stanno alla base dei videogiochi e hanno conquistato giochi da tavolo complessi come Go. È entrata nel mondo della medicina quando ha annunciato che il suo programma AlphaFold era in grado di prevedere con precisione la forma delle proteine, un problema considerato una “grande sfida” in biologia.
Ora l’azienda afferma di aver perfezionato il modello proteico per prevedere quali errori presenti nel DNA umano possono essere tranquillamente ignorati e quali invece possono causare malattie. Il nuovo software, chiamato AlphaMissense, è stato descritto oggi in un rapporto pubblicato dalla rivista Science.
Nell’ambito del suo progetto, DeepMind ha dichiarato che sta rilasciando pubblicamente decine di milioni di previsioni, ma l’azienda non permette ad altri di scaricare direttamente il modello a causa di quelli che considera potenziali rischi per la biosicurezza, se la tecnica dovesse essere applicata ad altre specie.
Anche se non sono destinate a fare diagnosi dirette, le previsioni al computer sono già utilizzate dai medici per aiutare a individuare le cause genetiche di sindromi misteriose. In un post sul blog, DeepMind ha dichiarato che i suoi risultati fanno parte di uno sforzo per scoprire “la causa principale delle malattie” e potrebbero portare a “diagnosi più rapide e a sviluppare trattamenti salvavita”.
Il progetto, durato tre anni, è stato guidato dagli ingegneri di DeepMind Jun Cheng e Žiga Avsec e l’azienda ha dichiarato di aver reso pubbliche le previsioni per 71 milioni di possibili varianti. Ognuna di esse è una cosiddetta mutazione missense: una singola lettera del DNA che, se alterata, modifica la proteina prodotta da un gene.
“L’obiettivo è che tu mi dia una modifica a una proteina e io ti dica, invece di prevedere la forma della proteina, se questa è dannosa per l’uomo che la possiede: è un male per l’uomo che la ha?”, afferma Stephen Hsu, un fisico della Michigan State University che lavora su problemi genetici con tecniche di intelligenza artificiale. “Non sappiamo se la maggior parte di queste modifiche causino malattie”.
Secondo gli esperti esterni, l’annuncio di DeepMind è l’ultima di una serie di dimostrazioni di cui però il valore commerciale rimane poco chiaro. “DeepMind si sta comportando come DeepMind”, afferma Alex Zhavoronkov, fondatore di Insilico Medicine, un’azienda di AI che sviluppa farmaci. “Strepitosa per le pubbliche relazioni e ottimo lavoro per l’IA”.
Zhavoronkov sostiene che il vero banco di prova dell’intelligenza artificiale moderna è se può portare a nuove cure, cosa che non è ancora avvenuta. Ma alcuni farmaci progettati dall’intelligenza artificiale sono in fase di sperimentazione e gli sforzi per creare nuove proteine utili sono un settore particolarmente caldo, dicono gli investitori. Un’azienda, Generate Biomedicines, ha appena raccolto 273 milioni di dollari per creare anticorpi, mentre un gruppo di ex ingegneri di Meta ha fondato EvolutionaryScale, pensa, secondo Forbers, che l’intelligenza artificiale possa creare “cellule programmabili che cercano e distruggono il cancro“.
Modelli migliori
Il nuovo sforzo di DeepMind, tuttavia, ha meno a che fare con i farmaci e più con il modo in cui i medici diagnosticano le malattie rare, soprattutto nei pazienti con sintomi misteriosi, come un neonato con un’eruzione cutanea che non va via o un adulto che si sente improvvisamente più debole.
Con l’avvento del sequenziamento genico, i medici possono ora decodificare i genomi delle persone e quindi esaminare i dati del DNA alla ricerca di possibili cause. A volte chiare, come la mutazione che porta alla fibrosi cistica. Ma in circa il 25% dei casi in cui viene effettuato un sequenziamento genico approfondito, gli scienziati troveranno una modifica sospetta del DNA i cui effetti non sono del tutto compresi, afferma Heidi Rehm, direttore del laboratorio clinico del Broad Institute di Cambridge, Massachusetts.
Gli scienziati chiamano queste mutazioni misteriose “varianti di significato incerto” (VUS, variant of uncertain significance) e possono comparire anche in geni studiati in modo esaustivo come BRCA1, un noto hot spot del rischio di cancro ereditario. “Non c’è un solo gene che non le abbia”, dice Rehm.
DeepMind afferma che AlphaMissense può aiutare nella ricerca di risposte utilizzando l’intelligenza artificiale per prevedere quali cambiamenti del DNA sono benigni e quali sono “probabilmente patogeni”. Il modello si aggiunge a programmi già rilasciati in precedenza, come quello chiamato PrimateAI, che fanno previsioni simili.
“C’è già stato molto lavoro in questo settore e, nel complesso, la qualità di questi predittori in silicio è migliorata molto”, afferma Rehm. Tuttavia, Rehm sostiene che le previsioni del computer sono solo “un elemento di prova” che non può convincere che una modifica del DNA stia davvero facendo ammalare qualcuno.
In genere, gli esperti non dichiarano una mutazione patogena fino a quando non dispongono di dati reali provenienti dai pazienti, di prove di modelli di ereditarietà nelle famiglie e di test di laboratorio – informazioni che vengono condivise attraverso siti web pubblici di varianti, come ad esempio ClinVar.
“I modelli stanno migliorando, ma nessuno è perfetto e non arrivano ancora alla patogenicità o meno”, afferma Rehm, che si dice “delusa” dal fatto che DeepMind sembri esagerare la certezza medica delle sue previsioni descrivendo le varianti come benigne o patogene.
Fine-tuning
DeepMind afferma che il nuovo modello si basa su AlphaFold, il modello precedente per la previsione delle forme delle proteine. Anche se AlphaMissense fa qualcosa di molto diverso, dice Pushmeet Kohli, vicepresidente della ricerca di DeepMind, il software sta in qualche modo “sfruttando le intuizioni acquisite” sulla biologia dal suo compito precedente. Essendo basato su AlphaFold, il nuovo modello richiede relativamente meno tempo al computer per essere eseguito – e quindi meno energia – rispetto a quando sarebbe stato se costruito da zero.
In termini tecnici, il modello è pre-addestrato, ma poi viene adattato a un nuovo compito in un’ulteriore fase chiamata fine-tuning. Per questo motivo, Patrick Malone, medico e biologo di KdT Ventures, ritiene che AlphaMissense sia “un esempio di uno dei più importanti sviluppi metodologici recenti nell’IA”.
“Il concetto è che l’intelligenza artificiale perfezionata è in grado di sfruttare l’apprendimento precedente”, spiega Malone. “Il quadro di pre-addestramento è particolarmente utile nella biologia computazionale, dove siamo spesso limitati dall’accesso ai dati su scala sufficiente”.
Rischi di biosicurezza
DeepMind afferma di aver fornito libero accesso a tutte le sue previsioni per i geni umani, nonché a tutti i dettagli necessari per replicare completamente il lavoro, compreso il codice del computer. Tuttavia, non sta rilasciando l’intero modello per il download immediato e l’uso da parte di altri a causa di quello che definisce un rischio di biosicurezza se fosse applicato per analizzare i geni di specie diverse dall’uomo.
“Come parte del nostro impegno a rilasciare le nostre scoperte di ricerca in modo sicuro e responsabile, non condivideremo l’intero modello, per evitare l’uso in applicazioni potenzialmente non sicure”, hanno scritto gli autori nel testo del loro documento.
Non è chiaro quali siano queste applicazioni non sicure o quali specie non umane abbiano in mente i ricercatori. DeepMind non li ha specificati, ma i rischi potrebbero includere l’uso di un’intelligenza artificiale per progettare batteri pericolosi o un’arma biologica.
Tuttavia, almeno un esperto esterno con cui abbiamo parlato, che ha chiesto l’anonimato perché Google investe in aziende da lui fondate, ha descritto le restrizioni come uno sforzo trasparente per impedire ad altri di utilizzare rapidamente il modello per i propri scopi.
DeepMind ha negato di aver bloccato il modello per motivi diversi dalla sicurezza. Il lavoro è stato valutato sia dal Google DeepMind Institute, che studia l’IA responsabile, sia da un “esperto esterno di biosicurezza”, ha dichiarato un portavoce di DeepMind.
La restrizione sul modello “limita principalmente la possibilità di fare previsioni su sequenze proteiche non umane”, ha dichiarato DeepMind in un comunicato. “Non rilasciare dettagli impedisce ad altri di scaricare semplicemente il modello e di utilizzarlo in specie non umane, riducendo così la probabilità di un uso improprio da parte di malintenzionati”.
