L’intelligenza artificiale scopre il segreto di milioni di proteine

- EN- DE- FR- IT
Un’istantanea della rete interattiva "Protein Universe Atlas". (
Un’istantanea della rete interattiva "Protein Universe Atlas". (Immagine: Università di Basilea, Biozentrum)
Un team di ricerca dell’Università di Basilea ha scoperto un vero e proprio tesoro di proteine precedentemente non descritte. Grazie ai recenti sviluppi del "deep learning", i ricercatori sono riusciti a scoprire centinaia di nuove famiglie di proteine e persino un nuovo tipo di ripiegamento delle proteine. Lo studio è stato pubblicato su Nature.

Negli ultimi anni, "AlphaFold" ha rivoluzionato la ricerca sulle proteine. L’intelligenza artificiale (AI) è stata alimentata con i dati sulle proteine che gli scienziati hanno raccolto in oltre 50 anni. Grazie a questo addestramento, "AlphaFold" è ora in grado di prevedere la forma tridimensionale delle proteine con un grado di precisione molto elevato. L’anno scorso, l’intelligenza artificiale è stata utilizzata per prevedere le strutture di circa 215 milioni di proteine. Ciò consente di conoscere la struttura di quasi tutte le proteine. Ciò è particolarmente interessante per le proteine che non sono ancora state studiate in dettaglio per via sperimentale, un processo lungo e noioso.

Oggi ci sono moltissime fonti in cui è possibile trovare informazioni sulle proteine. Esse forniscono preziose indicazioni su come le proteine si sviluppano e come funzionano", afferma Joana Pereira, responsabile dello studio. Tuttavia, per molto tempo la ricerca ha dovuto affrontare una giungla di dati. Il team di ricerca guidato da Torsten Schwede del Biozentrum dell’Università di Basilea e responsabile della ricerca dell’Istituto Svizzero di Bioinformatica (SIB) è ora riuscito per la prima volta a decodificare alcune di queste informazioni nascoste.

Una vista a volo d’uccello rivela nuove famiglie e pieghe di proteine

I ricercatori hanno costruito una rete interattiva composta da 53 milioni di proteine la cui struttura "AlphaFold" ha modellato con un’elevata qualità. Questa rete è una risorsa preziosa per prevedere teoricamente famiglie di proteine sconosciute su larga scala e le loro funzioni", sottolinea il primo autore Janani Durairaj. In questo modo, il team ha scoperto 290 nuove famiglie di proteine e un nuovo tipo di ripiegamento delle proteine. È molto simile alla forma di un fiore.

Basandosi sull’esperienza del gruppo di ricerca di Torsten Schwede nello sviluppo e nella manutenzione del software SWISS-MODEL per la modellazione delle proteine, hanno reso disponibile la rete appena sviluppata come piattaforma interattiva su Internet. Si tratta del cosiddetto "Atlante dell’universo proteico".

L’intelligenza artificiale come strumento prezioso per la ricerca

Infine, i ricercatori si sono affidati a strumenti di deep learning per cercare in questa rete informazioni che aprissero nuove strade all’innovazione nelle scienze della vita e nella tecnologia. Per trovare nuovi principi attivi per i farmaci o per modificare la funzione delle proteine con processi biotecnologici, dobbiamo prima conoscere la struttura delle proteine e capire come funzionano", spiega Pereira.

L’Istituto svizzero di bioinformatica ha finanziato il progetto di ricerca con una sovvenzione "Kickstarter" creata per far progredire l’uso dell’IA nelle scienze della vita. Il progetto evidenzia il potenziale di trasformazione del Deep Learning e degli algoritmi intelligenti nella ricerca.

Con il "Protein Universe Atlas", gli scienziati di tutto il mondo possono ora conoscere meglio le proteine rilevanti per la loro ricerca. Ci auguriamo che questa nuova piattaforma aiuti non solo i ricercatori e i biocuratori, ma anche gli studenti e gli insegnanti a conoscere meglio la diversità delle proteine, dalla struttura alla funzione all’evoluzione", aggiunge Janani Durairaj.

Pubblicazione originale

Janani Durairaj, Andrew M. Waterhouse, Toomas Mets, Tetiana Brodiazhenko, Minhal Abdullah, Gabriel Studer, Gerardo Tauriello, Mehmet Akdel, Antonina Andreeva, Alex Bateman6, Tanel Tenson, Vasili Hauryliuk, Torsten Schwede, Joana Pereira Scoprire nuove famiglie e pieghe nell’universo delle proteine naturali.
Nature (2023), doi: 10.1038/s41586’023 -06622-3