C’è chi la considera una minaccia per la sopravvivenza dell’umanità, in quanto manifesta aspetti etici che vanno oltre teoria e pratica. E chi sfrutta un algoritmo di Intelligenza Artificiale per decodificare le proteine umane, con tanto di clamorosa scoperta. Come DeepMind (Google). 
DeepMind, un’azienda inglese di Intelligenza Artificiale controllata da Alphabet, insieme ai suoi partner di ricerca, ha ricreato nel dettaglio l’architettura di tutte le 20mila diverse proteine umane codificate, creando un database pubblico (ospitato dall’Istituto europeo di bioinformatica) contenente informazioni sulla struttura di 380mila proteine, le strutture 3D di quasi tutte quelle proprie del corpo umano.
“Quando abbiamo annunciato AlphaFold 2 lo scorso dicembre, è stato salutato come una soluzione al problema del ripiegamento delle proteine vecchio di 50 anni” gonfiano il petto quelli di DeepMind. “Abbiamo creato questo sistema altamente innovativo e oggi condividiamo previsioni di alta qualità per la forma di ogni singola proteina nel corpo umano, nonché per le proteine di 20 organismi aggiuntivi su cui gli scienziati fanno affidamento per le loro ricerche”.
Intelligenza Artificiale e DeepMind (Google): “Le proteine sono minuscole macchine biologiche”
Mentre i ricercatori cercano cure per le malattie e perseguono soluzioni ad altri grandi problemi che l’umanità deve affrontare, tra cui la resistenza agli antibiotici, l’inquinamento da microplastiche e il cambiamento climatico, trarranno beneficio da nuove intuizioni sulla struttura delle proteine.
LEGGI ANCHE >>> OpenAI, il piano per rendere l’Intelligenza Artificiale più “umana”
“Le proteine – proseguono quelli di DeepMind (Google) – sono come minuscole macchine biologiche. Allo stesso modo in cui la struttura di una macchina ti dice cosa fa, così la struttura di una proteina ci aiuta a capirne la funzione. Oggi condividiamo una serie di informazioni che raddoppiano la comprensione umana del proteoma umano e rivelano le strutture proteiche trovate in altri 20 organismi biologicamente significativi”.
LEGGI ANCHE >>> L’Intelligenza Artificiale irrompe nel fisco: cambia il modo di pagare le tasse
Le strutture proteiche possono fornire informazioni preziose, sia per ragionare sui processi biologici sia per consentire interventi come lo sviluppo di farmaci basati sulla struttura o la mutagenesi mirata. Dopo decenni di sforzi, il 17% dei residui totali nelle sequenze proteiche umane è coperto da una struttura determinata sperimentalmente, applicando il metodo di apprendimento automatico all’avanguardia (AlphaFold2) su larga scala a quasi l’intero proteoma umano (98,5% delle proteine umane).
Il set di dati risultante copre il 58% dei residui con una previsione sicura, di cui un sottoinsieme (36% di tutti i residui) ha un’affidabilità molto elevata. Con il modello AlphaFold sono state introdotte diverse metriche, utilizzate per interpretare il set di dati, che hanno permesso di arrivare a credibilissime previsioni multi-dominio per generare ipotesi biologiche.
“Prevediamo che la previsione della struttura di routine su larga scala e ad alta precisione diventerà uno strumento importante, consentendo di affrontare nuove domande da una prospettiva strutturale” hanno detto da DeepMind. Il direttore di DeepMind Demis Hassabis ha annunciato che nei prossimi mesi pubblicherà 100 milioni di strutture calcolate con questo sistema AlphaFold.
L‘AlphaFold Protein Structure Database nasce dalla collaborazione tra DeepMind, l’European Bioinformatics Institute e molti altri partner. Consiste in una raccolta di centinaia di migliaia di sequenze proteiche e delle loro strutture finali complesse previste da AlphaFold.
“È successo molto prima di quanto molti esperti avrebbero previsto”. Così Venki Ramakrishnan, lo scienziato vincitore del Premio Nobel per la Chimica nel 2009. “Sarà emozionante vedere i molti modi in cui la ricerca biologica cambierà radicalmente”. E pensare che, invece, c’è chi vede nell’Intelligenza Artificiale una minaccia.