Intelligenza artificiale
AlphaProteo: la svolta di Google DeepMind nella progettazione delle proteine
Nel campo in continua evoluzione della biologia molecolare, una delle sfide più grandi è stata la progettazione di proteine in grado di legarsi efficacemente a bersagli specifici, come ad esempio proteine virali, marker del cancro o componenti del sistema immunitario. Questi leganti proteici sono strumenti cruciali nella scoperta di farmaci, nel trattamento delle malattie, nella diagnostica e nella biotecnologia. I metodi tradizionali per la creazione di questi leganti proteici sono laboriosi, richiedono molto tempo e spesso necessitano di numerosi round di ottimizzazione. Tuttavia, i recenti progressi nell’intelligenza artificiale (AI) stanno accelerando notevolmente questo processo.
Nel settembre 2024, Neuralink ha impiantato con successo il suo chip cerebrale nel secondo partecipante umano come parte dei suoi trial clinici, spingendo i limiti di ciò che le interfacce cervello-computer possono realizzare. Questo impianto consente agli individui di controllare dispositivi puramente attraverso i pensieri.
Contemporaneamente, AlphaProteo di DeepMind è emerso come uno strumento rivoluzionario di progettazione proteica basato sull’AI, in grado di affrontare alcune delle sfide più grandi della biologia. A differenza dei modelli precedenti come AlphaFold, che prevedono la struttura delle proteine, AlphaProteo si occupa del compito più avanzato di creare nuovi leganti proteici in grado di interagire con bersagli molecolari specifici. Questa capacità potrebbe accelerare notevolmente la scoperta di farmaci, gli strumenti diagnostici e persino lo sviluppo di biosensori. Ad esempio, nei primi trial, AlphaProteo ha progettato con successo leganti per la proteina spike del SARS-CoV-2 e proteine coinvolte nel cancro e nell’infiammazione, mostrando affinità di legame che erano 3-300 volte più forti dei metodi esistenti.
Ciò che rende questa intersezione tra biologia e AI ancora più affascinante è come questi progressi nelle interfacce neurali e nella progettazione proteica riflettono un più ampio spostamento verso l’integrazione bio-digitale.
Nel 2024, i progressi nell’integrazione dell’AI e della biologia hanno raggiunto livelli senza precedenti, guidando l’innovazione in campi come la scoperta di farmaci, la medicina personalizzata e la biologia sintetica. Ecco uno sguardo dettagliato ad alcune delle principali innovazioni che stanno plasmando il paesaggio quest’anno:
1. AlphaFold3 e RoseTTAFold Diffusion: progettazione proteica di nuova generazione
Il rilascio di AlphaFold3 di Google DeepMind nel 2024 ha portato la previsione della struttura proteica a un nuovo livello, incorporando complessi biomolecolari ed estendendo le sue previsioni per includere piccole molecole e ligandi. AlphaFold3 utilizza un modello di diffusione basato sull’AI per raffinare le strutture proteiche, simile a come le immagini generate dall’AI sono create da schizzi grezzi. Questo modello è particolarmente preciso nella previsione di come le proteine interagiscono con i ligandi, con un’impressionante percentuale di accuratezza del 76% nei test sperimentali, ben superiore ai suoi concorrenti.
In parallelo, RoseTTAFold Diffusion ha anche introdotto nuove capacità, tra cui la possibilità di progettare proteine de novo che non esistono in natura. Sebbene entrambi i sistemi siano ancora in miglioramento in termini di accuratezza e applicazione, i loro progressi sono attesi per svolgere un ruolo cruciale nella scoperta di farmaci e nella ricerca biotecnologica, potenzialmente riducendo il tempo necessario per progettare nuovi farmaci(
2. Biologia sintetica e editing genetico
Un’altra area di progresso significativo nel 2024 è stata la biologia sintetica, in particolare nel campo dell’editing genetico. CRISPR-Cas9 e altri strumenti di ingegneria genetica sono stati perfezionati per una riparazione del DNA più precisa e editing genetico. Aziende come Graphite Bio stanno utilizzando questi strumenti per riparare mutazioni genetiche a un livello di precisione senza precedenti, aprendo le porte a trattamenti potenzialmente curativi per malattie genetiche. Questo metodo, noto come riparazione diretta dell’omologia, sfrutta i meccanismi naturali di riparazione del DNA del corpo per correggere geni difettosi.
Inoltre, innovazioni nelle valutazioni predittive degli effetti collaterali, come quelle sviluppate da SeQure Dx, stanno migliorando la sicurezza dell’editing genetico identificando modifiche non intenzionali e mitigando i rischi. Questi progressi sono particolarmente importanti per garantire che le terapie geniche siano sicure ed efficaci prima di essere applicate ai pazienti umani(
3. Sequenziamento di singole cellule e metagenomica
Tecnologie come il sequenziamento di singole cellule hanno raggiunto nuove vette nel 2024, offrendo una risoluzione senza precedenti a livello cellulare. Ciò consente ai ricercatori di studiare la eterogeneità cellulare, particolarmente utile nella ricerca sul cancro. Analizzando singole cellule all’interno di un tumore, i ricercatori possono identificare quali cellule sono resistenti al trattamento, guidando strategie terapeutiche più efficaci.
Nel frattempo, la metagenomica fornisce approfondite conoscenze sulle comunità microbiche, sia nel contesto della salute umana che ambientale. Questa tecnica aiuta ad analizzare il microbioma per comprendere come le popolazioni microbiche contribuiscono alle malattie, offrendo nuove vie per trattamenti che prendono di mira direttamente il microbioma(
Una svolta nel design delle proteine
Le proteine sono fondamentali per quasi ogni processo negli organismi viventi. Queste macchine molecolari svolgono una vasta gamma di funzioni, dalla catalisi delle reazioni metaboliche alla replicazione del DNA. Ciò che rende le proteine così versatili è la loro capacità di piegarsi in forme tridimensionali complesse, consentendo loro di interagire con altre molecole. I leganti proteici, che si attaccano saldamente a molecole bersaglio specifiche, sono essenziali nella modulazione di queste interazioni e sono frequentemente utilizzati nello sviluppo di farmaci, immunoterapie e strumenti diagnostici.
Il processo convenzionale per la progettazione di leganti proteici è lento e si basa fortemente sul tentativo e sull’errore. Gli scienziati spesso devono setacciare grandi librerie di sequenze proteiche, testando ogni candidato in laboratorio per vedere quali funzionano meglio. AlphaProteo cambia questo paradigma sfruttando il potere dell’apprendimento profondo per prevedere quali sequenze proteiche si legheranno efficacemente a una molecola bersaglio, riducendo drasticamente il tempo e il costo associati ai metodi tradizionali.
Come funziona AlphaProteo
AlphaProteo si basa sui medesimi principi di apprendimento profondo che hanno reso il suo predecessore, AlphaFold, uno strumento rivoluzionario per la previsione della struttura proteica. Tuttavia, mentre AlphaFold si concentra sulla previsione della struttura di proteine esistenti, AlphaProteo va oltre, progettando nuove proteine.
Come funziona AlphaProteo: un’analisi approfondita del design proteico guidato dall’AI
AlphaProteo rappresenta un balzo in avanti nel design proteico guidato dall’AI, costruendo sulle tecniche di apprendimento profondo che hanno alimentato il suo predecessore, AlphaFold.
Mentre AlphaFold ha rivoluzionato il campo prevedendo strutture proteiche con un’accuratezza senza precedenti, AlphaProteo va oltre, creando interamente nuove proteine progettate per risolvere specifiche sfide biologiche.
L’architettura sottostante di AlphaProteo è una sofisticata combinazione di un modello generativo addestrato su grandi dataset di strutture proteiche, comprese quelle del Protein Data Bank (PDB), e milioni di strutture previste generate da AlphaFold. Ciò consente ad AlphaProteo non solo di prevedere come le proteine si pieghino, ma anche di progettare nuove proteine che possono interagire con bersagli molecolari specifici a livello molecolare dettagliato.
- Generatore: il modello basato sull’apprendimento automatico di AlphaProteo genera numerosi potenziali leganti proteici, sfruttando grandi dataset come quelli del Protein Data Bank (PDB) e le previsioni di AlphaFold.
- Filtro: un componente critico che valuta questi leganti generati in base alla loro probabilità di legame efficace con la proteina bersaglio, riducendo efficacemente il numero di progetti che devono essere testati in laboratorio.
- Esecuzione: questo passaggio comporta il test dei progetti filtrati in laboratorio per confermare quali leganti interagiscono efficacemente con la proteina bersaglio.
AlphaProteo progetta leganti che si legano specificamente a residui hotspot (in giallo) sulla superficie di una proteina. La sezione blu rappresenta il legante progettato, che è modellato per interagire precisamente con gli hotspot evidenziati sulla proteina bersaglio.
Per la parte C dell’immagine; mostra i modelli 3D delle proteine bersaglio utilizzate negli esperimenti di AlphaProteo. Queste includono proteine terapeuticamente significative coinvolte in vari processi biologici, come la risposta immunitaria, le infezioni virali e la progressione del cancro.
Capacità avanzate di AlphaProteo
- Alta affinità di legame: AlphaProteo eccelle nel progettare leganti proteici con alta affinità per i loro bersagli, superando i metodi tradizionali che spesso richiedono numerosi round di ottimizzazione in laboratorio. Genera leganti proteici che si attaccano saldamente ai loro bersagli intesi, migliorando notevolmente la loro efficacia in applicazioni come lo sviluppo di farmaci e la diagnostica. Ad esempio, i suoi leganti per VEGF-A, una proteina associata al cancro, hanno mostrato affinità di legame fino a 300 volte più forti dei metodi esistenti.
- Bersagli proteici diversi: AlphaProteo può progettare leganti per una vasta gamma di proteine coinvolte in processi biologici critici, comprese quelle legate a infezioni virali, cancro, infiammazione e malattie autoimmuni. Ha avuto particolare successo nel progettare leganti per bersagli come la proteina spike del SARS-CoV-2, essenziale per l’infezione da COVID-19, e la proteina VEGF-A associata al cancro, cruciale nelle terapie per la retinopatia diabetica.
- Tassi di successo sperimentali: una delle caratteristiche più impressionanti di AlphaProteo è il suo alto tasso di successo sperimentale. Nei test di laboratorio, i leganti progettati dal sistema hanno dimostrato un alto successo nel legarsi alla proteina bersaglio, riducendo il numero di round sperimentali normalmente richiesti. Nei test sulla proteina virale BHRF1, i progetti di AlphaProteo hanno avuto un tasso di successo dell’88%, un miglioramento significativo rispetto ai metodi precedenti.
- Progettazione senza ottimizzazione: a differenza degli approcci tradizionali, che spesso richiedono più round di ottimizzazione per migliorare l’affinità di legame, AlphaProteo è in grado di generare leganti con proprietà di legame forti fin dall’inizio. Per alcuni bersagli difficili, come la proteina TrkA associata al cancro, AlphaProteo ha prodotto leganti che hanno superato quelli sviluppati attraverso un’ampia ottimizzazione sperimentale.
Tasso di successo sperimentale (Grafico di sinistra) – Migliore affinità di legame (Grafico di destra)
- AlphaProteo ha superato i metodi tradizionali nella maggior parte dei bersagli, raggiungendo in particolare un tasso di successo dell’88% con BHRF1, rispetto al 40% dei metodi precedenti.
- I successi di AlphaProteo con VEGF-A e IL-7RA sono stati significativamente più alti, dimostrando la sua capacità di affrontare bersagli difficili nella terapia contro il cancro.
- AlphaProteo genera costantemente leganti con affinità di legame molto più elevate, in particolare per proteine difficili come VEGF-A, rendendolo uno strumento prezioso nello sviluppo di farmaci e nel trattamento delle malattie.
Come AlphaProteo avanza le applicazioni in biologia e sanità
L’approccio innovativo di AlphaProteo alla progettazione proteica apre una vasta gamma di applicazioni, rendendolo uno strumento potente in diversi settori della biologia e della sanità.
1. Sviluppo di farmaci
La scoperta moderna di farmaci spesso si basa su piccole molecole o biologici che si legano a proteine associate a malattie. Tuttavia, sviluppare queste molecole è spesso un processo lungo e costoso. AlphaProteo accelera questo processo generando leganti proteici ad alta affinità che possono fungere da base per nuovi farmaci. Ad esempio, AlphaProteo è stato utilizzato per progettare leganti per PD-L1, una proteina coinvolta nella regolazione del sistema immunitario, che svolge un ruolo chiave nelle immunoterapie contro il cancro. Inibendo PD-L1, i leganti di AlphaProteo potrebbero aiutare il sistema immunitario a identificare e eliminare meglio le cellule cancerose.
2. Strumenti diagnostici
Nella diagnostica, i leganti proteici progettati da AlphaProteo possono essere utilizzati per creare biosensori ad alta sensibilità in grado di rilevare proteine specifiche di malattie. Ciò può consentire diagnosi più accurate e rapide per malattie come infezioni virali, cancro e disturbi autoimmuni. Ad esempio, la capacità di AlphaProteo di progettare leganti per SARS-CoV-2 potrebbe portare a strumenti diagnostici più rapidi e precisi per COVID-19.
3. Immunoterapia
La capacità di AlphaProteo di progettare leganti proteici altamente specifici è particolarmente preziosa nel campo dell’immunoterapia. Le immunoterapie sfruttano il sistema immunitario per combattere le malattie, compreso il cancro. Una delle sfide in questo campo è lo sviluppo di proteine che possano legarsi e modulare le risposte immunitarie in modo efficace. Con la precisione di AlphaProteo nel bersagliare proteine specifiche sulle cellule immunitarie, potrebbe migliorare lo sviluppo di nuove e più efficaci immunoterapie.
4. Biotecnologia e biosensori
I leganti proteici progettati da AlphaProteo sono anche preziosi in biotecnologia, in particolare nella creazione di biosensori—dispositivi utilizzati per rilevare molecole specifiche in vari ambienti. I biosensori hanno applicazioni che vanno dal monitoraggio ambientale alla sicurezza alimentare. I leganti di AlphaProteo potrebbero migliorare la sensibilità e la specificità di questi dispositivi, rendendoli più affidabili nel rilevamento di sostanze pericolose.
Limitazioni e direzioni future
Come per ogni nuova tecnologia, AlphaProteo non è esente da limitazioni. Ad esempio, il sistema ha faticato a progettare leganti efficaci per la proteina TNF𝛼, un bersaglio difficile associato a malattie autoimmuni come l’artrite reumatoide. Ciò sottolinea che, sebbene AlphaProteo sia estremamente efficace per molti bersagli, ci sono ancora margini di miglioramento.
DeepMind sta attivamente lavorando per estendere le capacità di AlphaProteo, in particolare nell’affrontare bersagli difficili come TNF𝛼. Il team sta anche esplorando nuove applicazioni per la tecnologia, tra cui l’uso di AlphaProteo per progettare proteine per il miglioramento delle colture e la sostenibilità ambientale.
Conclusione
Riducendo drasticamente il tempo e il costo associati ai metodi tradizionali di progettazione proteica, AlphaProteo accelera l’innovazione in biologia e medicina. Il suo successo nel creare leganti proteici per bersagli difficili come la proteina spike del SARS-CoV-2 e VEGF-A dimostra il suo potenziale per affrontare alcune delle sfide sanitarie più pressanti del nostro tempo.
Man mano che AlphaProteo continua a evolversi, il suo impatto sulla scienza e sulla società crescerà, offrendo nuovi strumenti per comprendere la vita a livello molecolare e sbloccando nuove possibilità per il trattamento delle malattie.
