Gli scienziati della University of Washington School of Medicine hanno utilizzato l'intelligenza artificiale per progettare nuove molecole proteiche, aprendo così interessanti possibilità per il rilevamento e il trattamento delle malattie.
L'efficacia di un farmaco nel trattamento di una malattia dipende in larga misura dalla sua specificità nell'attaccarsi al bersaglio della malattia e dalla forza con cui si attacca al bersaglio.
La quantità quasi infinita di forme potenziali di proteine rende estremamente difficile la progettazione di una proteina con un'elevata affinità (forza di legame) e specificità.
Trovare proteine che si legano fortemente a bersagli peptidici elicoidali come il glucagone, il neuropeptide Y e l'ormone paratiroideo è stato il compito arduo che i ricercatori speravano potesse essere svolto dall'intelligenza artificiale. Il loro articolo, pubblicato su Naturemostra il potenziale di rivoluzione dell'IA sviluppo del farmaco.
I ricercatori hanno utilizzato per la prima volta i metodi di allucinazione dell'apprendimento profondo con AlphaFold2 e RosettaFold. Questi programmi avanzati di intelligenza artificiale sono stati di grande aiuto nella progettazione di nuove proteine, ma utilizzano molta potenza di calcolo.
Nel tentativo di trovare un metodo di progettazione delle proteine più efficiente dal punto di vista computazionale, i ricercatori si sono rivolti a un approccio simile a quello che alimenta modelli di generatori di immagini AI come Stable Diffusion e DALL-E.
Carta di oggi @Natura descrive @UWproteindesign Proteine generate dall'IA con affinità e specificità di legame eccezionalmente elevate. Questa biotecnologia ha implicazioni per lo sviluppo di farmaci, il rilevamento di malattie e il monitoraggio ambientale. https://t.co/KhtGhiyf6I
- UW Medicine Newsroom (@uwmnewsroom) 18 dicembre 2023
RFdiffusione
RFdiffusion è un innovativo modello di intelligenza artificiale generativa che viene addestrato su dati provenienti da strutture proteiche note. Il modello poi perfeziona e riorganizza iterativamente gli atomi in strutture proteiche definite.
RFdiffusion è stato addestrato a rimuovere iterativamente il rumore dalle nuvole di atomi scollegati, per poi riorganizzarle in nuove strutture proteiche. Questo modello è stato utilizzato in combinazione con lo strumento software ProteinMPNN, progettato dal Baker Lab, parte del Istituto per la progettazione di proteine presso l'Università di Washington.
ProteinMPNN prende in input una struttura proteica e utilizza tecniche di deep learning per identificare rapidamente nuove sequenze di amminoacidi che probabilmente si ripiegano in specifiche strutture proteiche.
Risultati entusiasmanti
Le proteine progettate dai ricercatori hanno mostrato un'affinità e una specificità eccezionalmente elevate per i peptidi che avevano come bersaglio. Ciò significa che potenzialmente potrebbero essere utilizzate per creare farmaci che mirano alla causa di una malattia piuttosto che legarsi a bersagli non previsti e causare effetti collaterali.
La sintesi proteica non è una novità, ma questo nuovo approccio ha fornito proteine che hanno raggiunto la più alta forza di interazione mai registrata tra una biomolecola progettata da un computer e il suo bersaglio.
David Baker, professore di biochimica presso la UW Medicine e ricercatore presso l'Howard Hughes Medical Institute, è stato l'autore principale della ricerca.
Baker ha spiegato l'importanza dei risultati dicendo: "La capacità di generare nuove proteine con un'affinità e una specificità di legame così elevate apre un mondo di possibilità, dai trattamenti di nuove malattie alla diagnostica avanzata".
Sono molte le malattie che attualmente vengono trattate con gli anticorpi. Tuttavia, gli anticorpi sono costosi da produrre e non hanno una grande durata di conservazione.
Preetham Venkatesh, uno dei ricercatori principali, ha dichiarato: "Ci sono molte malattie che oggi sono difficili da trattare semplicemente perché è così impegnativo rilevare certe molecole nel corpo. Come strumenti di diagnosi, le proteine progettate possono offrire un'alternativa più economica agli anticorpi".
I ricercatori hanno potuto convalidare i loro metodi di bioprogettazione conducendo test di laboratorio in collaborazione con il Joseph Rogers Lab dell'Università di Copenaghen e l'Andrew Hoofnagle Lab della UW Medicine.
Questa ricerca è un ottimo esempio di come l'intelligenza artificiale stia accelerando lo sviluppo di nuovi trattamenti per le malattie. Il documento deve ancora essere sottoposto a revisione paritaria, ma i risultati iniziali sono molto interessanti.
