Progettazione delle Proteine tramite Intelligenza Artificiale: Sfide e Opportunità

Immaginate di poter progettare una proteina su misura con la stessa facilità con cui ordinate un pasto da un distributore automatico. Questo è il sogno di molti scienziati, come Alena Khmelinskaia, che spera che un giorno la progettazione delle proteine diventi semplice e accessibile a qualsiasi ricercatore. Grazie agli sviluppi nell'intelligenza artificiale (AI) e nella progettazione computazionale delle proteine, questo sogno si sta avvicinando alla realtà più di quanto potessimo immaginare fino a pochi anni fa.
In passato, gli scienziati manipolavano le proteine inserendole nei batteri o nel lievito, inducendo i microrganismi a mutare fino a ottenere il prodotto desiderato. Questo processo richiedeva tempo ed era incerto. Oggi, con l'aiuto di algoritmi di machine learning, è possibile progettare nuove strutture proteiche direttamente da un computer, predicendo se la proteina progettata si piegherà correttamente e se funzionerà come previsto.

AlphaFold e il Premio Nobel per la Chimica

Uno dei progressi più significativi nel campo della progettazione delle proteine è stato l'uso di AlphaFold e di altri strumenti di intelligenza artificiale. Questi programmi, come RoseTTAFold e RFdiffusion, sono stati fondamentali per prevedere la struttura delle proteine a partire dalla loro sequenza di amminoacidi. Questi strumenti hanno portato i loro sviluppatori a vincere il Premio Nobel per la Chimica nel 2024, un riconoscimento dell'importanza di questa tecnologia per il futuro dell'umanità.
La capacità di prevedere e progettare le strutture proteiche apre enormi opportunità per la biomedicina, dalla creazione di nuovi farmaci alla progettazione di enzimi capaci di risolvere sfide ambientali, come la degradazione della plastica o la cattura della CO2 dall'atmosfera.

Le Sfide della Progettazione delle Proteine

Nonostante i successi raggiunti, ci sono ancora molte sfide nella progettazione delle proteine. Una delle sfide principali è la progettazione di leganti affidabili. I leganti sono proteine che possono legarsi a specifiche molecole bersaglio, una caratteristica molto importante per l'industria farmaceutica, poiché permette di sviluppare farmaci che attivano o inibiscono percorsi di malattia. Strumenti di AI generativa, come RFdiffusion e AlphaProteo, hanno reso questo compito più semplice, ma ci sono ancora difficoltà quando si tratta di proteine che devono legarsi a piccole molecole o farmaci.
Per le interazioni con piccole molecole, la scarsità di dati di addestramento rappresenta un grosso limite. Molte aziende farmaceutiche possiedono banche dati proprietarie con informazioni su queste interazioni, ma queste informazioni sono raramente condivise, limitando le capacità dei modelli di machine learning di apprendere le regole generali della chimica coinvolta.

Nuovi Catalizzatori e il Ruolo degli Enzimi

Gli scienziati sperano che gli strumenti computazionali possano portare alla creazione di nuovi enzimi con funzioni del tutto nuove, come catalizzatori che rimuovono la CO2 dall'atmosfera o enzimi capaci di degradare in modo efficiente le plastiche ambientali. La logica suggerisce che il punto di partenza per questo tipo di lavoro debbano essere enzimi naturali che svolgono funzioni simili. Tuttavia, non sempre proteine con strutture simili hanno la stessa funzione, e spesso enzimi che non sembrano affini possono eseguire compiti identici, rendendo difficile determinare quali caratteristiche siano cruciali per una determinata attività.
Un approccio innovativo sta nel cercare di progettare motivi (piccole parti funzionali di una proteina) attivi e trasferirli in nuove strutture proteiche. Questo approccio ha già portato a risultati promettenti, con la progettazione di nuovi enzimi capaci di idrolizzare i substrati in modi nuovi. Tuttavia, il trasferimento di siti attivi in nuovi ambienti proteici rimane complicato, poiché la proteina nel suo insieme gioca un ruolo cruciale nella stabilità e nella funzionalità del sito attivo.

Dinamiche Conformazionali

Le proteine non hanno una forma statica; si piegano, si aprono, si chiudono, e cambiano conformazione in base all'ambiente chimico, alla temperatura e al pH. Quando gli scienziati cercano di risolvere la struttura di una proteina sperimentalmente, spesso vedono solo la conformazione più stabile, che non necessariamente rappresenta la forma attiva della proteina. Comprendere tutte le possibili dinamiche conformazionali di una proteina è estremamente complesso, ma essenziale per capire appieno come funziona.
L'intelligenza artificiale può aiutare a ridurre le possibili configurazioni di una proteina e predire quali siano più rilevanti per la sua funzione. Tuttavia, questo campo rimane ancora molto sfidante, poiché i dati di addestramento sono limitati e la comprensione delle dinamiche fisiche delle proteine non è ancora completa.

Progettazione di Proteine Complesse e Applicazioni Pratiche

Non tutte le proteine progettate sono destinate a essere enzimi. Nuove proteine possono anche essere utilizzate come blocchi costitutivi per costruire strutture complesse, come nanoparticelle capaci di trasportare farmaci o di generare forza fisica. Nel 2022 e nel 2023, rispettivamente, la Corea del Sud e il Regno Unito hanno approvato l'uso di emergenza di un vaccino contro il COVID-19 basato su proteine progettate computazionalmente, chiamato SKYCovione. Questo vaccino è stato in grado di generare livelli di anticorpi tre volte superiori rispetto a un vaccino commerciale esistente, dimostrando l'efficacia della progettazione delle proteine nel mondo reale.
Alena Khmelinskaia e altri ricercatori stanno utilizzando algoritmi di machine learning per sviluppare nanoparticelle cave che potrebbero, tra le altre cose, trasportare farmaci nelle cellule o sequestrare molecole indesiderate. Tuttavia, progettare proteine così complesse richiede non solo capacità di modellazione computazionale, ma anche una comprensione profonda delle dinamiche proteiche e della loro interazione con l'ambiente cellulare.

Conclusioni: Verso un Futuro di Progettazione su Misura

La progettazione delle proteine tramite intelligenza artificiale ha compiuto enormi passi avanti, ma rimane ancora molto da fare. La possibilità di creare proteine su misura apre porte a innumerevoli applicazioni in campo medico, ambientale e industriale. Tuttavia, le sfide legate alla comprensione delle dinamiche proteiche, alla creazione di leganti affidabili e alla progettazione di nuovi enzimi richiedono ancora una forte collaborazione tra scienziati computazionali e biologi sperimentali.
Il campo è in continua evoluzione, e il coinvolgimento di sempre più ricercatori promette di accelerare ulteriormente i progressi. Siamo solo all'inizio di un'avventura che potrebbe rivoluzionare il modo in cui affrontiamo le malattie, l'inquinamento e molte altre sfide globali.
FONTE