AlphaFold3: Una Rivoluzione Aperta nella Previsione delle Strutture Proteiche

AlphaFold3, la nuova versione del modello di previsione delle strutture proteiche sviluppato da DeepMind, è finalmente aperto e disponibile per i ricercatori di tutto il mondo. Dopo sei mesi dalla pubblicazione del modello, il codice del software può ora essere scaricato e utilizzato per scopi non commerciali. Questa decisione segna un importante passo avanti nella condivisione delle tecnologie di intelligenza artificiale (IA) per la ricerca scientifica.
"Siamo molto entusiasti di vedere cosa riusciranno a fare le persone con questo strumento", ha dichiarato John Jumper, a capo del team di AlphaFold presso DeepMind. Insieme al CEO Demis Hassabis, Jumper ha recentemente vinto una parte del Premio Nobel per la Chimica 2024 grazie al loro lavoro su AlphaFold.

Un Nuovo Passo Avanti Rispetto ai Predecessori

AlphaFold3 rappresenta un'evoluzione rispetto alle versioni precedenti, in quanto è capace di modellare le proteine insieme ad altre molecole. Tuttavia, inizialmente DeepMind non aveva rilasciato il codice sorgente, ma aveva solo reso disponibile l'accesso tramite un server web con alcune restrizioni. Queste limitazioni impedivano, ad esempio, di prevedere come le proteine si comportano in presenza di potenziali farmaci.
Oggi, con il rilascio del codice, i ricercatori accademici possono prevedere tali interazioni eseguendo il modello autonomamente. Questo offre nuove opportunità per l'applicazione del modello in studi di scoperta di farmaci e altre ricerche scientifiche avanzate.

Equilibrio tra Ricerca e Protezione Commerciale

All'inizio, DeepMind aveva affermato che rendere AlphaFold3 disponibile solo tramite un server web rappresentava il giusto compromesso tra l'abilitare la ricerca e proteggere le ambizioni commerciali. Isomorphic Labs, una società spin-off di DeepMind, sta già utilizzando AlphaFold3 per la scoperta di farmaci. Tuttavia, la mancata disponibilità del codice sorgente e dei pesi del modello (i parametri ottenuti durante l'addestramento del software) aveva attirato critiche da parte della comunità scientifica, che vedeva questo come un ostacolo alla riproducibilità.
DeepMind ha rapidamente cambiato rotta, annunciando che avrebbe reso disponibile una versione open-source entro sei mesi. Oggi, chiunque può scaricare il codice di AlphaFold3 per uso non commerciale, anche se i pesi di addestramento sono al momento accessibili solo su richiesta per scienziati con un'affiliazione accademica.

Competizione e Versioni Alternative

DeepMind non è sola in questo campo: negli ultimi mesi, diverse aziende hanno presentato strumenti di previsione della struttura proteica basati su AlphaFold3, utilizzando specifiche descritte nel documento originale sotto forma di pseudocodice. Due aziende cinesi, Baidu e ByteDance (sviluppatore di TikTok), e una startup di San Francisco chiamata Chai Discovery, hanno lanciato i propri modelli ispirati a AlphaFold3.
Tuttavia, una limitazione chiave di questi modelli è che, come AlphaFold3, nessuno di essi è concesso in licenza per applicazioni commerciali come la scoperta di farmaci. Una versione più accessibile è stata lanciata da Ligo Biosciences, un'altra azienda con sede a San Francisco, che ha rilasciato una versione senza restrizioni di AlphaFold3. Tuttavia, questa non ha ancora tutte le capacità complete, come la modellazione di farmaci e altre molecole.

Il Futuro dell'Apertura e dell'Innovazione

Altri team stanno lavorando su versioni di AlphaFold3 senza tali limiti. Mohammed AlQuraishi, un biologo computazionale presso la Columbia University, spera di rendere disponibile un modello chiamato OpenFold3 entro la fine dell'anno. Questo consentirebbe alle aziende farmaceutiche di riaddestrare le proprie versioni del modello utilizzando dati proprietari, come le strutture delle proteine legate a diversi farmaci, migliorandone potenzialmente le prestazioni.

L'Importanza dell'Apertura

L'ultimo anno ha visto un'ondata di nuovi modelli biologici di IA rilasciati da aziende con approcci diversi all'apertura. Secondo Anthony Gitter, biologo computazionale presso l'Università del Wisconsin-Madison, non c'è nulla di sbagliato nelle aziende a scopo di lucro che partecipano a questo campo, a patto che rispettino le stesse regole di trasparenza degli altri scienziati.
Il fatto che diverse versioni di AlphaFold3 siano già emerse dimostra che il modello era riproducibile, anche senza codice open-source. Pushmeet Kohli, a capo dell'IA per la scienza presso DeepMind, ha affermato che in futuro vorrebbe vedere più discussioni sulle norme di pubblicazione in un campo sempre più popolato sia da ricercatori accademici che da aziende.

L'Innovazione che Nasce dalla Condivisione

La natura open-source di AlphaFold2 ha portato a una marea di innovazioni da parte di altri scienziati. Ad esempio, i vincitori di un recente concorso di progettazione di proteine hanno utilizzato l'IA per progettare nuove proteine capaci di legarsi a un target tumorale. Un altro esempio è stato l'utilizzo di AlphaFold2 per identificare una proteina chiave che aiuta lo spermatozoo a legarsi alla cellula uovo.
John Jumper non vede l'ora di scoprire quali sorprese emergeranno ora che AlphaFold3 è stato reso pubblico. Anche se non sempre tutto avrà successo, l'importante è sperimentare: "Le persone lo useranno in modi strani", prevede Jumper. "A volte fallirà e a volte avrà successo, ma ogni tentativo contribuisce a far avanzare la conoscenza scientifica".
FONTE