Google DeepMind ha presentato AlphaProteo, il primo sistema di intelligenza artificiale del research lab per la progettazione di nuovi leganti proteici ad alta resistenza da utilizzare come elementi costitutivi per la ricerca biologica e sanitaria. Questa tecnologia – spiega il team di scienziati e ricercatori – ha il potenziale per accelerare la comprensione dei processi biologici e favorire la scoperta di nuovi farmaci, lo sviluppo di biosensori e altro ancora.
Google DeepMind afferma che AlphaProteo è in grado di generare nuovi leganti proteici per diverse proteine target, tra cui il VEGF-A, associato al cancro e alle complicazioni del diabete, e sottolinea che è la prima volta che uno strumento di intelligenza artificiale riesce a progettare un legante proteico di successo per il VEGF-A.
AlphaProteo raggiunge anche tassi di successo sperimentale più elevati e affinità di legame da 3 a 300 volte migliori rispetto ai migliori metodi esistenti su sette proteine target che il team ha testato, mette in evidenza Google DeepMind.
Addestrato su grandi quantità di dati proteici provenienti dalla Protein Data Bank (PDB) e su oltre 100 milioni di strutture previste da AlphaFold, AlphaProteo ha imparato la miriade di modi in cui le molecole si legano tra loro. Data la struttura di una molecola target e un insieme di posizioni di legame preferite su quella molecola, AlphaProteo genera una proteina candidata che si lega al target in quelle posizioni.
Secondo le valutazioni di Google DeepMind, le prestazioni di AlphaProteo indicano che potrebbe ridurre drasticamente il tempo necessario per gli esperimenti iniziali con leganti proteici per un’ampia gamma di applicazioni. Il sistema ha dimostrato tassi di successo di legame altamente competitivi e le migliori forze di legame della categoria, secondo il team. Per sette target, AlphaProteo ha generato in silico proteine candidate che si sono legate fortemente alle proteine previste quando sono state testate sperimentalmente.
Tuttavia, il team è consapevole che il suo sistema di intelligenza artificiale ha dei limiti, in quanto non è stato in grado di progettare leganti di successo per l’ottava delle proteine target testate. Pertanto il team continuerà a migliorare ed espandere le capacità di AlphaProteo con l’obiettivo di affrontare i target più difficili.
Allo stesso tempo, il team è anche consapevole della grande attenzione necessaria, in una ricerca di questo tipo, a uno sviluppo responsabile e sicuro. Per il futuro, Google DeepMind è intenzionata a lavorare con la comunità scientifica per sfruttare AlphaProteo su problemi biologici di grande impatto e per comprenderne i limiti. Il team ha anche esplorato le sue applicazioni per la progettazione di farmaci presso gli Isomorphic Labs ed è ottimista per il futuro.
Contemporaneamente, il team sta continuando a migliorare il tasso di successo e l’affinità degli algoritmi di AlphaProteo, ampliando la gamma di problemi di progettazione che può affrontare e collaborando con ricercatori di apprendimento automatico, biologia strutturale, biochimica e altre discipline per sviluppare un’offerta di progettazione proteica responsabile e più completa per la comunità scientifica.
Ulteriori informazioni sono disponibili nel blog di Google DeepMind.
