Home / APP Ai / DeepMind e DNDi con l’algoritmo AlphaFold per accelerare la scoperta di farmaci

DeepMind e DNDi con l’algoritmo AlphaFold per accelerare la scoperta di farmaci

DeepMind sfrutta l’intelligenza artificiale per accelerare il processo di scoperta dei farmaci  
 
La partnership di DeepMind con DNDi per l’utilizzo di AlphaFold può accelerare la scoperta di farmaci per le malattie trascurate
 
Tra le molte malattie tropicali che affliggono la popolazione colpita dalla povertà dei paesi sottosviluppati e in via di sviluppo, la leishmaniosi è una. La sua forma fatale, la leishmaniosi viscerale, colpisce più di tre lakh di persone ogni anno. Tuttavia, la scoperta e lo sviluppo di farmaci per la malattia sono stati lenti per ragioni tra cui la mancanza di capitale, la complessità della procedura e il tempo impiegato per determinare la struttura proteica dei patogeni.  

Ruolo della struttura proteica nella scoperta di farmaci
Le proteine ​​sono una catena complessa di amminoacidi collegati tra loro in uno schema unico. Determinare la catena di amminoacidi che formano la proteina è difficile. Ma ciò che è più impegnativo è determinare il modello in cui la proteina si ripiega su se stessa. 

Capire questo implica comprendere le forze interatomiche nella struttura. È come risolvere un puzzle che richiede solo microsecondi per formarsi. La struttura proteica tridimensionale ha siti attivi in ​​cui i substrati si attaccano e completano i processi cellulari come una serratura e una chiave. 

AlphaFold rivoluziona la biologia strutturale
Le procedure scientifiche comunemente utilizzate come la cristallografia a raggi X, la microscopia crioelettronica e la risonanza magnetica nucleare sono costose e richiedono tempo. Dei 200 milioni di proteine ​​conosciute, gli scienziati hanno scoperto la struttura di solo 1.70.000 a causa di queste noiose procedure. 

Il laboratorio DeepMind nel Regno Unito ha sviluppato un’alternativa a tali tecniche. Il loro algoritmo proprietario AlphaFold è in grado di prevedere la struttura di proteine ​​precedentemente irrisolvibili in modo efficiente in termini di tempo e può rivelarsi un punto di svolta. 

Il team di DeepMind spinge l’IA oltre la ricerca di base. Ad esempio, questi esperti hanno applicato la tecnologia per prevedere la struttura 3D delle proteine ​​basandosi esclusivamente sulla loro sequenza genetica. Di conseguenza, l’algoritmo ha spazzato via la pista in competizioni come il CASP, determinando con precisione la struttura proteica nelle sfide. 

AlphaFold è addestrato su 170.000 strutture proteiche. Ha determinato con precisione la struttura delle proteine ​​SARS CoV-2 nel gennaio 2020. La struttura è stata successivamente ritenuta accurata dagli scienziati e utilizzata ampiamente dai ricercatori per comprendere il virus COVID-19. 

DeepMind stringe la mano a DNDi
DeepMind ha collaborato con l’iniziativa Drugs for Neglected Diseases (DNDi) con sede a Ginevra. L’azienda farmaceutica senza scopo di lucro ricerca malattie ignorate (per lo più malattie tropicali) come la malattia di Chagas e la leishmaniosi. 

L’azienda ha avuto una svolta quasi miracolosa nel trattamento della malattia del sonno quando ha sviluppato Fexindazole, un farmaco più sicuro rispetto al suo predecessore Melarsoprol (un farmaco con un tasso di mortalità del cinque percento). Tuttavia, la sua strategia simile di sviluppare un farmaco di Chagas è fallita poiché il protozoo che lo causa è stato molto resistente. 

DNDi, in collaborazione con ricercatori dell’Università di Washington, dell’Università di Dundee e di GlaxoSmithKline, ha identificato una molecola unica che si lega al protozoo Trypanosoma Cruzi, lo spegne e lo uccide. Con AlphaFold, possono determinare la struttura proteica di quella molecola che può uccidere l’agente patogeno non in anni ma giorni, accelerando il processo di progettazione e scoperta di farmaci. 

La ricerca sui farmaci può ora essere conclusa in un paio d’anni. La conoscenza della struttura delle proteine ​​può permetterci di ideare proteine ​​che denaturano quelle dei patogeni, rendendole inefficaci sull’uomo. 

Precauzioni e preoccupazioni
L’applicazione dell’IA alla biologia strutturale non è accolta con favore da tutti i membri della comunità scientifica. Ad esempio, Steven Finkbeiner, professore di neurologia presso l’ Università della California , è preoccupato per l’accuratezza della struttura generata da AlphaFold. Avverte che poiché batteri, protozoi e altri organismi unicellulari sono semplici, è facile determinare le loro strutture proteiche. Tuttavia, il corpo umano è complesso e dipendere esclusivamente da un algoritmo sarebbe un errore. È inoltre preoccupato per le implicazioni dell’algoritmo nel processo di scoperta dei farmaci: è “troppo presto” per fare dichiarazioni su un ruolo del genere in futuro.

Nonostante le preoccupazioni e le cautele, questo sviluppo presso DeepMind Labs potrebbe essere una pietra miliare nella biologia strutturale e ridurre il tempo impiegato dalla scienza per comprendere la biologia delle proteine. Inoltre, con l’open source di DeepMind dell’algoritmo per l’uso globale, potremmo essere meglio attrezzati per combattere la prossima pandemia. 

Top

Utilizzando il sito, accetti l'utilizzo dei cookie da parte nostra. maggiori informazioni

Questo sito utilizza i cookie per fornire la migliore esperienza di navigazione possibile. Continuando a utilizzare questo sito senza modificare le impostazioni dei cookie o cliccando su "Accetta" permetti il loro utilizzo.

Chiudi