Google DeepMind ha lanciato l’edizione più avanzata di “AlphaFold”, il suo sistema di intelligenza artificiale specializzato nella previsione di strutture proteiche, dopo cinque anni dalla sua prima apparizione e circa 16 mesi dal debutto di “AlphaFold 2”.
Quest’ultimo aggiornamento si prospetta come una pietra miliare nella ricerca scientifica, specialmente nel campo della scoperta di nuovi farmaci, grazie alla sua capacità di decifrare una varietà più ampia di strutture molecolari.
TechCrunch ha riportato che la nuova versione di ‘AlphaFold’ non si limita a prevedere le strutture proteiche presenti nel corpo umano ma estende le sue previsioni a un ventaglio più vasto di molecole biologiche.
DeepMind evidenzia che l’ultima iterazione di AlphaFold ha fatto progressi significativi migliorando l’accuratezza delle sue previsioni, soprattutto per quanto riguarda la struttura dei “ligandi”, molecole essenziali nella segnalazione cellulare che si legano alle proteine influenzandone l’attività.
Il sistema è ora in grado di valutare anche la conformazione degli “acidi nucleici”, inclusi DNA e RNA, con una precisione notevolmente aumentata, potenziando la sua capacità di calcolare la forma di molteplici molecole.
Tradizionalmente, il processo di “docking” è stato impiegato per stimare la forma dei “complessi proteina-ligando”, che si formano quando un ligando si lega a una proteina. Il docking, tuttavia, richiede un’ampia base di dati sulle componenti proteiche. DeepMind sostiene che AlphaFold predice la struttura di questi complessi con maggiore accuratezza e minori requisiti dati rispetto ai migliori modelli di docking esistenti, facilitando così l’esplorazione di nuovi complessi proteina-ligando.
AlphaFold può adesso generare previsioni per quasi tutte le molecole contenute nella Protein Data Bank, la più grande raccolta pubblica al mondo di informazioni su molecole biologiche.
DeepMind rileva che l’efficacia del suo modello supera significativamente quella di AlphaFold 2 in problemi critici per la ricerca farmaceutica, come l’interazione tra proteine e anticorpi. Essendo in grado di predire con precisione le strutture dei ligandi proteici, AlphaFold si rivela un alleato formidabile nella scoperta di nuove molecole con potenziale terapeutico.
Ciononostante, l’ultima versione di AlphaFold non è esente da limitazioni. In particolare, DeepMind riconosce che il sistema non raggiunge la precisione di altri metodi nel prevedere la struttura di molecole di RNA responsabili della sintesi proteica.
Nel panorama più ampio, il settore dell’IA dedicato alla sintesi proteica e allo sviluppo di nuovi farmaci è in rapida espansione, con una serie di aziende che stanno entrando in competizione. Microsoft ha reso disponibile come open source il suo framework per la generazione di proteine “EvoDiff” lo scorso settembre, Google ha rilasciato due strumenti di IA per la previsione delle strutture proteiche e l’analisi genetica a maggio, e NVIDIA all’inizio dell’anno ha annunciato la creazione di un nuovo modello di IA per la sintesi proteica, “BioNeMo”.