L’intelligenza artificiale continua a dimostrare il suo potenziale rivoluzionario. Dopo il premio Nobel per la fisica a Geoffrey Hinton e John Hopfield, la Royal Swedish Academy of Sciences ha assegnato il premio Nobel per la chimica 2024 a due pionieri nel campo dell’AI applicata alla biologia molecolare: Demis Hassabis e John M. Jumper di Google DeepMind. Il prestigioso riconoscimento è stato assegnato per il loro lavoro sulla previsione delle strutture proteiche tramite intelligenza artificiale. Metà del premio è stata conferita a David Baker, professore di biochimica presso l’Università di Washington, per i suoi strumenti innovativi nel design computazionale delle proteine.
I vincitori condivideranno un premio di 11 milioni di corone svedesi, equivalenti a circa 1 milione di dollari. Questo riconoscimento segna un ulteriore traguardo per l’AI, già celebrata in precedenza in altri ambiti scientifici.
Premio Nobel per la chimica 2024 a Hassabis e Jumper per aver creato AlphaFold
La ricerca premiata ha un potenziale impatto straordinario. Le proteine sono componenti essenziali della vita, ma comprendere le loro funzioni richiede di svelarne la struttura, un enigma complesso che, fino a poco tempo fa, richiedeva mesi o anni di lavoro per ogni tipo di proteina. Gli strumenti computazionali sviluppati dai vincitori di quest’anno stanno riducendo drasticamente il tempo necessario per prevedere la struttura proteica, permettendo agli scienziati di approfondire la comprensione del funzionamento delle proteine e aprendo nuove strade per la ricerca e lo sviluppo di farmaci. Questa tecnologia potrebbe portare a vaccini più efficienti, accelerare la ricerca su cure per il cancro o dare vita a materiali completamente nuovi.
Hassabis e Jumper sono i creatori di AlphaFold, un’innovazione che nel 2020 ha risolto un problema che gli scienziati affrontavano da decenni: prevedere la struttura tridimensionale di una proteina partendo dalla sequenza di amminoacidi.
Da allora, AlphaFold è stato utilizzato per prevedere le forme di tutte le proteine conosciute dalla scienza. Il loro modello più recente, AlphaFold 3, è in grado di prevedere le strutture di DNA, RNA e molecole come i ligandi, essenziali per la scoperta di farmaci. DeepMind ha anche reso disponibile gratuitamente il codice sorgente e il database dei suoi risultati alla comunità scientifica.
“Ho dedicato la mia carriera all’avanzamento dell’AI per il suo potenziale senza pari di migliorare la vita di miliardi di persone”, ha dichiarato Demis Hassabis. “AlphaFold è stato già utilizzato da oltre due milioni di ricercatori per avanzare in lavori critici, dal design degli enzimi alla scoperta di farmaci. Spero che in futuro guarderemo ad AlphaFold come il primo esempio del potenziale incredibile dell’AI nell’accelerare la scoperta scientifica”, ha aggiunto.
Demis Hassabis, nato nel 1976 a Londra, Regno Unito. Dottorato di ricerca 2009 presso l’University College di Londra. CEO di Google DeepMind, Londra, Regno Unito.
John M. Jumper, nato nel 1985 a Little Rock, AR, USA. Dottorato di ricerca 2017 presso l’Università di Chicago, IL, USA. Ricercatore senior presso Google DeepMind, Londra, Regno Unito.
Un lavoro che un tempo richiedeva anni ora richiede solo pochi minuti
Quando Demis Hassabis e John Jumper hanno confermato che AlphaFold2 funzionava davvero, hanno calcolato la struttura di tutte le proteine umane. Poi hanno previsto la struttura di quasi tutte le 200 milioni di proteine che i ricercatori hanno scoperto finora mappando gli organismi della Terra.
Google DeepMind ha reso pubblico il codice di AlphaFold2 e chiunque può accedervi. Il modello di intelligenza artificiale è diventato una miniera d’oro per i ricercatori. A ottobre 2024, AlphaFold2 era stato utilizzato da oltre 2 milioni di persone provenienti da 190 Paesi. In precedenza, spesso ci volevano anni per ottenere la struttura di una proteina, se non altro. Ora è possibile farlo in pochi minuti. Il modello AI non è perfetto, ma stima la correttezza della struttura che ha prodotto, in modo che i ricercatori sappiano quanto è affidabile la previsione.
Dopo il concorso CASP 2020, quando David Baker si è reso conto del potenziale dei modelli AI basati sui trasformatori, ne ha aggiunto uno a Rosetta, che ha anche facilitato la progettazione de novo di proteine. Negli ultimi anni, dal laboratorio di Baker è uscita un’incredibile creazione di proteine dopo l’altra.
Baker e la famiglia di programmi Rosetta
David Baker, dal canto suo, ha creato diversi strumenti di AI per il design e la previsione delle strutture proteiche, come la famiglia di programmi Rosetta. Nel 2022, il suo laboratorio ha sviluppato uno strumento di AI open-source chiamato ProteinMPNN, che potrebbe aiutare i ricercatori a scoprire proteine precedentemente sconosciute e a progettare nuove proteine. Questo strumento assiste i ricercatori nel trovare sequenze di amminoacidi che si piegano nella forma desiderata.
Recentemente, a fine settembre, il laboratorio di Baker ha annunciato lo sviluppo di molecole personalizzate che permettono agli scienziati di mirare e eliminare con precisione le proteine associate a malattie nelle cellule viventi.
Questi straordinari progressi segnano un passo avanti significativo nella comprensione e manipolazione delle proteine, aprendo la strada a innumerevoli possibilità nel campo della medicina e della biotecnologia.
David Baker, nato nel 1962 a Seattle, USA. Dottorato di ricerca nel 1989 presso l’Università della California, Berkeley, CA, USA. Professore presso l’Università di Washington, Seattle, WA, USA e ricercatore presso l’Istituto Medico Howard Hughes, USA.
