Premio Nobel per la chimica agli sviluppatori di AlphaFold AI per la previsione delle strutture proteiche

Premio Nobel per la chimica agli sviluppatori di AlphaFold AI per la previsione delle strutture proteiche

Per la prima volta – e certamente non l’ultima – una svolta scientifica resa possibile dall’intelligenza artificiale ha ricevuto un premio Nobel. Il Premio Nobel per la Chimica 2024 è stato assegnato a John Jumper e Demis Hassabis di Google DeepMind di Londra per lo sviluppo di un innovativo sistema Strumenti AI per la previsione della struttura delle proteine ​​chiamati AlphaFold e a David Baker dell'Università di Washington a Seattle per il suo lavoro sulla progettazione computazionale delle proteine ​​negli ultimi anni è stato rivoluzionato dall’intelligenza artificiale.

Gli effetti di AlphaFold, quello è stato rivelato qualche anno fa, sono a dir poco trasformativi. Lo strumento ha reso la previsione delle strutture proteiche – spesso, ma non sempre, altamente accurata – accessibile ai ricercatori con il semplice tocco di un pulsante, consentendo esperimenti impensabili dieci anni fa. I biologi ora parlano di un’era “prima di AlphaFold” e “dopo AlphaFold”.

"È stato a lungo un sogno poter prevedere la struttura tridimensionale delle proteine ​​in base alle loro sequenze di aminoacidi. Ciò è stato considerato impossibile per decenni", ha affermato Heiner Linke, presidente del Comitato per il Nobel e nanoscienziato dell'Università di Lund in Svezia, durante l'annuncio del premio. I vincitori di quest'anno "hanno decifrato il codice", ha aggiunto. I tre vincitori condivideranno un premio di 11 milioni di corone svedesi (1 milione di dollari).

IA eccellente

DeepMind ha introdotto AlphaFold nel 2018 quando ha vinto un concorso biennale di previsione della struttura delle proteine, il Critical Assessment of Protein Structure Prediction (CASP). Ma era la seconda versione della rete neurale profonda, che è stato presentato alla fine del 2020, che ha innescato un terremoto nelle scienze della vita.

Molte delle previsioni di AlphaFold2 al CASP erano così accurate da essere indistinguibili dalle strutture proteiche determinate sperimentalmente. Ciò ha spinto John Moult, co-fondatore del CASP e biologo computazionale presso l’Università del Maryland a College Park, a da dichiarare nel 2020, che “il problema è stato risolto in un certo modo”.

Hassabis, co-fondatore e CEO di DeepMind, e Jumper, leader del team AlphaFold, hanno guidato lo sviluppo di AlphaFold2. Per prevedere le strutture delle proteine, la rete neurale integra strutture simili da database contenenti centinaia di migliaia di strutture determinate sperimentalmente e milioni di sequenze di proteine ​​correlate, che contengono informazioni sulla loro forma.

Nel 2021, DeepMind Il codice sottostante di AlphaFold2 è disponibile gratuitamente, insieme ai dati richiesti per addestrare il modello. Uno Banca dati AlphaFold, preparato in collaborazione con il Laboratorio europeo di biologia molecolare e l'Istituto europeo di bioinformatica di Hinxton, Regno Unito, ora contiene le strutture della maggior parte delle proteine ​​di tutti gli organismi rappresentati nei database genetici: un totale di circa 214 milioni di pronostici. Quest'anno l'azienda ne ha introdotto uno terza versione di AlphaFold che può anche modellare altre molecole che interagiscono con le proteine, come i farmaci.

La rivoluzione scatenata da Jumper, Hassabis e i loro colleghi è ancora nelle sue fasi iniziali e il pieno impatto di AlphaFold sulla scienza potrebbe non essere conosciuto per anni. Ma lo strumento sta già aiutando gli scienziati ad acquisire nuove conoscenze.

Un team pionieristico ha utilizzato lo strumento, insieme ai dati sperimentali, per complesso dei pori nucleari per mappare, una delle macchine più grandi delle nostre cellule che trasporta le molecole dentro e fuori il nucleo cellulare. L’anno scorso, due team hanno analizzato l’intero database AlphaFold per scoprire gli angoli più profondi dell’universo delle proteine, identificando nuove famiglie e pieghe di proteine ​​e connessioni sorprendenti nel meccanismo della vita.

Molti ricercatori sperano che AlphaFold e gli altri strumenti di intelligenza artificiale da esso ispirati trasformeranno la medicina. Tuttavia, lo è ancora poco chiaro, come o se AlphaFold semplificherà il costoso processo in più fasi di sviluppo di nuovi farmaci sicuri.

Creazione di nuove proteine

Più di un decennio prima che DeepMind iniziasse a lavorare con AlphaFold, il biofisico computazionale David Baker dell’Università di Washington a Seattle e i suoi colleghi svilupparono strumenti software per modellare strutture proteiche basate su principi fisici chiamati Rosetta. Lo strumento ha avuto un successo iniziale nella progettazione di nuove proteine.

Nel corso degli anni, il team di Baker ha applicato Rosetta per prevedere le strutture proteiche (era tra i migliori in numerosi CASP prima del recente dominio di AlphaFold) e per progettare nuove proteine ​​come enzimi e nanoparticelle proteiche autoassemblanti.

Quando AlphaFold2 fu annunciato – ma non ancora rilasciato – Baker e il suo team, incluso il chimico computazionale Minkyung Baek, ora alla Seoul National University in Corea del Sud, decisero di comprendere il software e applicare alcuni dei suoi trucchi a una precedente versione di Rosetta basata sull’intelligenza artificiale. La prima versione della rete RoseTTAFold risultante ha funzionato quasi quanto AlphaFold2. Dal 2021, entrambe le reti sono state continuamente migliorate dai loro sviluppatori e da altri scienziati per affrontare nuove sfide, come prevedere la struttura di complessi costituiti da diverse proteine ​​interagenti.

Negli ultimi anni, il team di Baker è stato particolarmente produttivo nell'applicare l'apprendimento automatico alla ragion d'essere del suo laboratorio: per creare nuove proteine ​​mai viste in natura. Uno strumento recentemente sviluppato dal team di Baker che combina RoseTTAFold con reti neurali a diffusione che generano immagini ha portato a un salto di qualità nella capacità dei ricercatori di progettare proteine.

Sebbene strumenti computazionali come AlphaFold non sostituiscano gli studi sperimentali, sono un acceleratore, dicono gli scienziati. "Ciò consentirà a una nuova generazione di biologi molecolari di porre domande più avanzate", ha affermato il giudice CASP Andrei Lupas, biologo evoluzionista presso l'Istituto Max Planck per la biologia dello sviluppo di Tubinga, in Germania. 2020 alla Natura.