Skip to main content
Stephanie Arnett / MIT Technology Review | Envato

Il nostro codice genetico funziona un po’ come DALL-E, a quanto pare.

Cosa fa il genoma? Forse avete sentito dire che è il progetto di un organismo. O che è un po’ come una ricetta. Ma costruire un organismo è molto più complesso che costruire una casa o preparare una torta.

Questa settimana mi sono imbattuta in un’idea per un nuovo modo di pensare al genoma, che prende in prestito dal campo dell’intelligenza artificiale. Due ricercatori sostengono che dovremmo considerarlo più simile a un modello generativo, una forma di intelligenza artificiale in grado di generare nuove cose.

Forse conoscete già questi strumenti di intelligenza artificiale: sono quelli che possono creare testi, immagini o persino film a partire da varie richieste. Il nostro genoma funziona davvero allo stesso modo? È un’idea affascinante. Esploriamo.

Quando andavo a scuola, mi hanno insegnato che il genoma è essenzialmente il codice di un organismo. Contiene le istruzioni necessarie per produrre le varie proteine di cui abbiamo bisogno per costruire le nostre cellule e i nostri tessuti e per farli funzionare. Per me aveva senso pensare al genoma umano come a qualcosa di simile a un programma per un essere umano.

Ma questa metafora cade a pezzi una volta che si inizia a esaminarla, dice Kevin Mitchell, neurogenetista del Trinity College di Dublino, in Irlanda, che ha dedicato molto tempo a riflettere sul funzionamento del genoma.

Un programma per computer è essenzialmente una sequenza di passi, ognuno dei quali controlla una parte specifica dello sviluppo. In termini umani, sarebbe come avere una serie di istruzioni per iniziare a costruire un cervello, poi una testa, poi un collo e così via. Non è così che funzionano le cose.

Un’altra metafora popolare paragona il genoma a un progetto del corpo. Ma un progetto è essenzialmente un piano di come una struttura dovrebbe apparire quando è completamente costruita, con ogni parte del diagramma che rappresenta una parte del prodotto finale. Anche il nostro genoma non funziona in questo modo.

Non è come avere un gene per un gomito e uno per un sopracciglio. Più geni sono coinvolti nello sviluppo di più parti del corpo. Le funzioni dei geni possono sovrapporsi e gli stessi geni possono funzionare in modo diverso a seconda di quando e dove sono attivi. È molto più complicato di un progetto.

C’è poi la metafora della ricetta. Per certi versi, è più accurata dell’analogia di un progetto o di un programma. Potrebbe essere utile pensare ai nostri geni come a un insieme di ingredienti e istruzioni, e tenere presente che il prodotto finale è anche in balia delle variazioni della temperatura del forno o del tipo di teglia utilizzata, per esempio. I gemelli identici nascono con lo stesso DNA, ma spesso sono molto diversi da adulti.

Ma la metafora della ricetta è troppo vaga, sostiene Mitchell. Invece, lui e il suo collega Nick Cheney dell’Università del Vermont stanno prendendo in prestito concetti dall’IA per catturare ciò che fa il genoma. Mitchell fa riferimento a modelli di intelligenza artificiale generativa come Midjourney e DALL-E, entrambi in grado di generare immagini a partire da richieste di testo. Questi modelli funzionano catturando elementi di immagini esistenti per crearne di nuove.

Supponiamo di scrivere un prompt per un’immagine di un cavallo. I modelli sono stati addestrati su un numero enorme di immagini di cavalli e queste immagini sono state essenzialmente compresse per consentire ai modelli di catturare alcuni elementi di ciò che si potrebbe chiamare “cavallinità”. L’intelligenza artificiale può quindi costruire una nuova immagine che contenga questi elementi.

Possiamo pensare ai dati genetici in modo simile. Secondo questo modello, potremmo considerare l’evoluzione come i dati di addestramento. Il genoma è il dato compresso, l’insieme delle informazioni che possono essere utilizzate per creare un nuovo organismo. Contiene gli elementi di cui abbiamo bisogno, ma c’è un ampio margine di variazione. (L’articolo, che non è ancora stato sottoposto a peer-review, contiene molti altri dettagli sui vari aspetti del modello).

Mitchell ritiene che sia importante mettere in ordine le nostre metafore quando pensiamo al genoma. Le nuove tecnologie consentono agli scienziati di indagare sempre più a fondo sui nostri geni e sul loro ruolo. Ora possono studiare come tutti i geni sono espressi in una singola cellula, ad esempio, e come questo varia in ogni cellula di un embrione.

“Abbiamo bisogno di un quadro concettuale che ci permetta di dare un senso a tutto ciò”, afferma Mitchell. Egli spera che questo concetto favorisca lo sviluppo di modelli matematici che ci aiutino a comprendere meglio le intricate relazioni tra i geni e gli organismi di cui finiscono per far parte, ovvero come i componenti del nostro genoma contribuiscano esattamente al nostro sviluppo.