Nobel chimica 2024 a David Baker, Demis Hassabis e John Jumper, usata l’IA per scoprire forme di proteine esistenti e disegnarne di nuove

Il Nobel per la chimica 2024 è stato assegnato a David Baker, Demis Hassabis e John Jumper per aver usato l’IA come mezzo per scoprire forme complesse di proteine esistenti e averne disegnate di nuove. l’Accademia di Svezia ha deciso di assegnare il premio con una metà a Baker "per la progettazione delle proteine computazionali" e l’altra metà congiuntamente a Hassabis e Jumper "per la previsione della struttura proteica". "Le proteine", come si legge nella nota che motiva l'assegnazione del premio, "formano la cassetta degli attrezzi della vita". In pratica "David Baker è riuscito nel compito quasi impossibile di assemblare famiglie completamente nuove di proteine. Demis Hassabis e John Jumper hanno sviluppato un modello di intelligenza artificiale per risolvere un problema vecchio di mezzo secolo: prevedere le strutture complesse delle proteine".

La biologia molecolare incontra il calcolo computazionale

"Le proteine funzionano anche come ormoni, sostanze segnali, anticorpi e mattoni di diversi tessuti", prosegue la nota, "consistono generalmente in 20 diversi amminoacidi, che possono essere descritti come elementi costitutivi della vita". Centrali nella nostra esistenza e in quella degli altri esseri viventi dunque, regolano il metabolismo, la risposta agli stimoli e sono essenziali per il trasporto delle molecole, solo per fare qualche esempio. I vari tipi di proteine hanno proprie caratteristiche determinate dalle catene di amminoacidi che le costituiscono e dalla forma che assumono, ripiegandosi su loro stesse. La forma è essenziale nel determinare la funzione, e per questo in biologia molecolare si dice spesso che "la struttura è la funzione" di una proteina. La maggior parte delle proteine ha dimensioni comprese tra 1 e 100 nanometri (un nanometro equivale a un miliardesimo di metro) ed è quindi molto difficile studiarne la struttura. Negli ultimi decenni, buona parte degli esperimenti di biologia molecolare ha riguardato proprio le tecniche e i metodi da impiegare per provare a comprendere come specifiche proteine si ripieghino su loro stesse. A questo scopo, già a cominciare dagli anni Ottanta alcuni ricercatori si chiesero se non fosse possibile seguire un approccio diametralmente opposto: partire dalle catene di amminoacidi e scoprire come queste determinino la struttura tridimensionale delle proteine di cui fanno parte e dunque la loro funzione. A quel punto la comunità scientifica pensò di sfruttare una risorsa che 40 anni fa iniziava a dimostrare di avere crescenti capacità di calcolo: il computer. Ma i limiti a tale capacità di calcolo erano ancora troppi. Oggi, nel 2024, la start-up DeepMind fondata da Hassabis (acquisita nel 2014 da Google), ha creato un modello denominato AlphaFold2 in grado di raggiungere un’accuratezza comparabile ai più lunghi lavori di studio e osservazione. La seconda versione è figlia delle migliorie apportate dal lavoro di John Jumper, ricercatore appassionato alle simulazioni al computer intorno alle proteine. Jumper aveva sviluppato sistemi per rendere più efficienti i programmi che effettuavano i calcoli nel periodo in cui lavorava al proprio dottorato in fisica teoretica, perché i computer dell’università in cui studiava non erano molto potenti. AlphaFold2 ha permesso di calcolare in poco tempo la struttura complessa di tutti i tipi di proteine esistenti, creando una sorta di catalogo in cui è prevista la struttura di 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 tutto il mondo. Se un tempo occorrevano spesso anni per ottenere la struttura di una proteina, ora quel lavoro può essere svolto in pochi minuti con un grado molto alto di accuratezza, che può essere valutato e corretto. Quando il biochimico David Baker venne a conoscenza dei risultati di AlphaFold2 pensò di trarre ispirazione per migliorare un programma che aveva realizzato quasi 30 anni prima: Rosetta. Baker insieme al suo gruppo di ricerca aveva inizialmente pensato a un software per fare previsioni sulle strutture delle proteine, ma in seguito si era chiesto se non potesse essere utilizzato al contrario per progettare nuovi tipi di proteine mai osservate prima e con specifiche funzioni.

Il premio dello scorso anno (2023)

L’anno scorso il riconoscimento era stato assegnato agli scopritori dei "quantum dot" o "punti quantici", minuscole particelle di pochi nanometri di diametro capaci di emettere luci colorate, usate in elettronica e negli strumenti per la diagnosi in medicina. I vincitori erano stati Moungi Bawendi, di cittadinanza tunisina, francese e statunitense, Louis Brus (americano) e Alexei Ekimov, nato in Unione Sovietica poi diventato cittadino americano.