Il Premio Nobel per la Chimica 2024 è stato assegnato a David Baker «per la progettazione computazionale delle proteine» e a Demis Hassabis e John M. Jumper «per i sistemi di predizione delle proteine».
Hassabis e Jumper hanno sviluppato un modello di intelligenza artificiale in grado di prevedere le strutture complesse delle proteine. David Baker ha creato un programma di progettazione di proteine che non esistono in natura.
Perché questo risultato è così importante?
Le proteine sono catene di molecole chiamate amminoacidi, che hanno un’estremità con carattere acido e l’altra estremità con carattere basico. Acidi e basi reagiscono fra loro conferendo agli amminoacidi la capacità di legarsi fra loro alle estremità, perché l’estremità acida di una molecola può reagire e legarsi con quella basica di un’altra molecola, come se si collegassero una serie di braccialetti agganciando il moschettone di uno con l’anello finale di un altro.
In questo modo si possono formare catene lunghissime, di migliaia e anche milioni di amminoacidi, che possono ripiegarsi assumendo le forme più diverse, come da un gomitolo di lana si può formare un maglione o un paio di calzettoni. Questa forma non è casuale ma è determinata proprio dalla sequenza degli amminoacidi nella catena proteica, che racchiude in sè questa informazione, a causa delle interazioni (attrazioni e repulsioni) fra i diversi gruppi di atomi contenuti negli amminoacidi. Per cercare di visualizzare questo fenomeno possiamo immaginare una lunghissima fila di esseri umani di età fra 0 e 100 anni che si tengono per mano in un ordine casuale e che indossano delle magliette con la propria data di nascita. Ad un certo punto ricevono l’istruzione di avvicinarsi ad una persona nata nello stesso giorno, senza però lasciare le mani che stanno stringendo. Potete immaginare il groviglio, ma un groviglio non casuale!
Bene, ora che abbiamo capito che le proteine si ripiegano per generare forme predeterminate, possiamo chiederci che funzione abbiano queste forme.
Bene, il nostro corpo è un laboratorio chimico in continua attività,24 ore su 24, nel quale avvengono milioni di reazioni chimiche diverse, che ci consentono di digerire, respirare, crescere, riprodurci, guarire le ferite, insomma regolano ogni minima attività del nostro corpo.
E tutte queste reazioni avvengono esattamente e solo fra le molecole che devono reagire, senza interferire con tutte le altre. Come se cercassimo di cuocere la pasta e fare il sugo contemporaneamente nella stessa pentola. Impossibile? No, grazie agli enzimi.
Ma cosa sono gli enzimi?
Sono proprio proteine, che grazie alla loro forma riescono ad agganciare una molecola, che vi si inserisce come la chiave in una serratura, e a farla avvicinare ad un’altra molecola, che è proprio quella con cui deve reagire. Molte malattie sono proprio dovute alla mancanza o al malfunzionamento di un enzima.
La nascita di Alphafold
A metà degli anni Novanta fu fondato il Critical Assessment of protein Structure Prediction (CASP), un’iniziativa per mettere in competizione i centri di ricerca su soluzioni di intelligenza artificiale per la previsione delle proteine. Hassabis aveva cofondato nel 2010 la società DeepMind con l’obiettivo di partecipare al CASP.
Nel 2018 il suo programma chiamato AlphaFold vinse la competizione raggiungendo un’accuratezza del 60 per cento. Era un risultato sorprendente, ma ancora distante dalla completa capacità di previsione, ultimo obiettivo del CASP. Quando Jumper si unì al gruppo di lavoro di AlphaFold lavorò insieme a Hassabis a una nuova versione, AlphaFold2, che permise in poco tempo di calcolare la struttura di tutti i tipi di proteine che costituiscono il nostro organismo.
La grande potenza di calcolo permise in seguito di creare una sorta di catalogo in cui è prevista la struttura di praticamente tutti i 200 milioni di proteine finora scoperte nello studio degli organismi viventi della Terra. DeepMind ha inoltre reso libero e accessibile il codice di AlphaFold2 e il modello è stato impiegato per una grandissima varietà di ricerche in praticamente ogni paese del mondo. Se un tempo occorrevano anni per ottenere la struttura di una proteina, ora quel lavoro può essere svolto in pochi minuti.
E se lo usassimo al contrario?
Anche il biochimico David Baker, insieme al suo gruppo di ricerca, aveva inizialmente pensato a un software per fare previsioni sulle strutture delle proteine, ma in seguito allo sviluppo di Alpha fold si era chiesto se potesse essere utilizzato al contrario, per progettare nuovi tipi di proteine mai osservate prima e con specifiche funzioni, a partire dalla forma. In questo modo possono essere progettati ad esempio farmaci o fertilizzanti o polimeri con proprietà determinate dalla loro forma, che in natura non esistono, utilizzando come mattoncini per la costruzione gli amminoacidi, legati in una sequenza calcolata da un sistema di intelligenza artificiale che produrrà esattamente la forma desiderata.
*Biochimico, direttrice del dipartimento di medicina epidemiologia e igiene del lavoro ed ambientale dell’INAIL
Fonte foto: chimicamo.org
Scrivi