L'intelligenza artificiale di Google a caccia di antibiotici

Ma servono ancora miglioramenti, lo dice uno studio del Mit

Redazione ANSA

Dopo avere fornito il ritratto di quasi tutte le proteine note alla scienza, il sistema di intelligenza artificiale AlphaFold sviluppato da DeepMind e Google si prepara a dare la caccia a nuovi antibiotici. Per sfruttare appieno tutte le sue potenzialità, però, bisogna ancora migliorare i modelli informatici usati per la previsione delle interazioni tra le proteine batteriche e i farmaci, perché al momento non risultano essere abbastanza efficienti. Lo indica lo studio pubblicato sulla rivista Molecular Systems Biology dal Massachusetts Institute of Technology (Mit).

I ricercatori guidati dal bioingegnere James Collins hanno messo alla prova le capacità di AlphaFold analizzando le interazioni tra 296 proteine del batterio Escherichia coli e 218 composti antibatterici (inclusi antibiotici come le tetracicline). I metodi di simulazione delle interazioni molecolari, già usati con successo per fare lo screening di grandi quantità di composti diretti contro un'unica proteina target, si sono dimostrati invece meno accurati quando si tratta di selezionare i composti rispetto a diversi potenziali bersagli. In questi casi AlphaFold non riesce ad azzeccare la previsione meglio di quanto non si possa fare tirando a indovinare o lanciando una monetina. Una simile performance potrebbe essere dovuta al fatto che le strutture proteiche inserite nel modello per la simulazione sono statiche, mentre nei sistemi viventi le proteine sono flessibili e cambiano spesso configurazione.

Per migliorare questo aspetto, i ricercatori hanno provato fare le previsioni attraverso quattro modelli di apprendimento automatico aggiuntivi, che considerano anche le proprietà chimiche e fisiche delle molecole oltre alla loro struttura. I risultati sono leggermente migliorati, ma i progressi ottenuti non sono ancora sufficienti per una reale applicazione nella ricerca di nuovi farmaci. "Siamo ottimisti sul fatto che migliorando i metodi di modellazione e aumentando la potenza di calcolo, queste tecniche diventeranno sempre più importanti nella scoperta di farmaci. Tuttavia - commenta Collins - abbiamo ancora molta strada da fare".

RIPRODUZIONE RISERVATA © Copyright ANSA