{"id":66637,"date":"2021-08-02T11:00:48","date_gmt":"2021-08-02T09:00:48","guid":{"rendered":"https:\/\/appelloalpopolo.it\/?p=66637"},"modified":"2021-07-30T13:09:26","modified_gmt":"2021-07-30T11:09:26","slug":"alphafold-tra-potenzialita-e-rischi","status":"publish","type":"post","link":"https:\/\/appelloalpopolo.it\/?p=66637","title":{"rendered":"AlphaFold: tra potenzialit\u00e0 e rischi"},"content":{"rendered":"

di Paolo Benanti<\/strong><\/p>\n

\n
\n
\n
\n
\n
\n
\n
\n

DeepMind<\/u><\/a> e l’European Bioinformatics Institute<\/u><\/a> (EMBL), un laboratorio di scienze della vita con sede a Hinxton, in Inghilterra, hanno annunciato il 22 luglio 2021 il lancio di quello che affermano essere il database pi\u00f9 completo e accurato di strutture per le proteine \u200b\u200bespresse dal genoma umano. In una conferenza stampa congiunta ospitata dalla rivista Nature , le due organizzazioni hanno affermato che il database, l’AlphaFold Protein Structure Database, che \u00e8 stato creato utilizzando il sistema AlphaFold 2 di DeepMind<\/u><\/a>, sar\u00e0 reso disponibile alla comunit\u00e0 scientifica nelle prossime settimane (il progetto \u00e8 su questa pagina di GitHub<\/u><\/a>). Uno strumento che pu\u00f2 donarci nuovi potentissimi farmaci e nuove conoscenze del nostro corpo ma anche terribili armi biologiche<\/span><\/p>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/article>\n<\/div>\n

La ricetta per le proteine \u200b\u200b\u2014 grandi molecole costituite da amminoacidi che sono i mattoni fondamentali di tessuti, muscoli, capelli, enzimi, anticorpi e altre parti essenziali degli organismi viventi \u2014 \u00e8 codificata nel DNA. Sono queste definizioni genetiche che circoscrivono le loro strutture tridimensionali, che a loro volta determinano le loro capacit\u00e0. Ma il “folding” proteico, come viene chiamato, \u00e8 notoriamente difficile da capire da una sola sequenza genetica corrispondente. Il DNA contiene solo informazioni sulle catene di residui di amminoacidi e non sulla forma finale di quelle catene.<\/span><\/p>\n

<\/div>\n
\n
\n
\n
<\/div>\n
<\/div>\n<\/div>\n<\/div>\n<\/div>\n

Sopra: una struttura proteica della tubercolosi prevista da AlphaFold 2.<\/span><\/p>\n

<\/div>\n

Nel dicembre 2018, DeepMind ha tentato di affrontare la sfida del ripiegamento delle proteine \u200b\u200bcon AlphaFold, il prodotto di due anni di lavoro. Il suo successore, AlphaFold 2, annunciato nel dicembre 2020, lo ha migliorato per superare i metodi di previsione del ripiegamento delle proteine \u200b\u200bconcorrenti. Nei risultati della 14a valutazione CASP (Critical Assessment of Structure Prediction), AlphaFold 2 presentava errori medi paragonabili alla larghezza di un atomo (o 0,1 di un nanometro), competitivi con i risultati dei metodi sperimentali.<\/span><\/p>\n

\u201cIl database AlphaFold mostra il potenziale dell’intelligenza artificiale per accelerare profondamente il progresso scientifico. Non solo il sistema di apprendimento automatico di DeepMind ha notevolmente ampliato la nostra conoscenza accumulata delle strutture proteiche e del proteoma umano durante la notte, ma le sue profonde intuizioni sugli elementi costitutivi della vita sono promesse straordinarie per il futuro della scoperta scientifica “, ha affermato Sundar Pichai, CEO di Alphabet e Google, in un comunicato stampa.<\/span><\/p>\n

 <\/p>\n

Strutture<\/strong> proteiche<\/strong> illuminanti<\/strong><\/span><\/p>\n

AlphaFold 2 trae ispirazione dai campi della biologia, della fisica e dell’apprendimento automatico, sfruttando il fatto che una proteina ripiegata pu\u00f2 essere pensata come un “grafico spaziale” in cui i residui di amminoacidi (amminoacidi contenuti all’interno di un peptide o di una proteina) sono nodi e bordi collegano i residui in stretta vicinanza. AlphaFold 2 sfrutta un algoritmo AI che tenta di interpretare la struttura di questo grafico mentre ragiona sul grafico implicito che sta costruendo, utilizzando sequenze correlate evolutivamente, allineamento di sequenze multiple e una rappresentazione di coppie di residui di amminoacidi.<\/span><\/p>\n

In un codice open source pubblicato la scorsa settimana, DeepMind ha notevolmente semplificato AlphaFold 2. Mentre il sistema close-source ha impiegato giorni di tempo di calcolo per generare strutture, la versione open source \u00e8 circa 16 volte pi\u00f9 veloce e pu\u00f2 produrre strutture in pochi minuti o ore, a seconda la dimensione della proteina.<\/span><\/p>\n

Questi miglioramenti hanno permesso a DeepMind e all’EMBL di creare pi\u00f9 di 350.000 previsioni sulla struttura proteica, incluso il proteoma umano (che comprende 20.000 proteine), pi\u00f9 che raddoppiando il numero di strutture ad alta precisione a disposizione dei ricercatori. Oltre a ci\u00f2, DeepMind ed EMBL hanno utilizzato AlphaFold 2 per prevedere le strutture di altri 20 “organismi biologicamente significativi”, producendo oltre 350.000 strutture in totale per E. coli, moscerini della frutta, topi, pesci zebra, lieviti, parassiti della malaria, batteri della tubercolosi e altro ancora . Il piano \u00e8 quello di espandere la copertura a oltre 100 milioni di strutture man mano che i miglioramenti sia ad AlphaFold 2 che al database saranno online.<\/span><\/p>\n

<\/div>\n
<\/div>\n
\n
\n
\n
<\/div>\n<\/div>\n<\/div>\n<\/div>\n

Sopra: la previsione di AlphaFold 2 di una proteina parassita della malaria.<\/span><\/p>\n

“Questo sar\u00e0 uno dei set di dati pi\u00f9 importanti dalla mappatura del genoma umano”, ha dichiarato in una nota il vicedirettore generale dell’EMBL Ewan Birney. \u201cRendere le previsioni di AlphaFold 2 accessibili alla comunit\u00e0 scientifica internazionale apre tante nuove strade di ricerca, dalle malattie trascurate ai nuovi enzimi per la biotecnologia e tutto il resto. Questo \u00e8 un nuovo grande strumento scientifico, che integra le tecnologie esistenti e ci consentir\u00e0 di allargare i confini della nostra comprensione del mondo\u201d.<\/span><\/p>\n

Alcuni scienziati avvertono che AlphaFold 2 non \u00e8 probabilmente la soluzione definitiva quando si tratta di predire la struttura delle proteine. Steven Finkbeiner, professore di neurologia presso l’Universit\u00e0 della California, San Francisco, ha dichiarato a Wired in un’intervista che \u00e8 troppo presto per dire le implicazioni per la scoperta di farmaci, data l’ampia variazione nelle strutture all’interno del corpo umano. Ma DeepMind sostiene che AlphaFold 2, se ulteriormente perfezionato, potrebbe essere applicato a problemi precedentemente intrattabili, compresi quelli relativi agli sforzi epidemiologici. L’anno scorso, la societ\u00e0 ha previsto diverse strutture proteiche di SARS-CoV-2, tra cui ORF3a, la cui composizione era precedentemente un mistero.<\/span><\/p>\n

<\/div>\n
\n
\n
\n
<\/div>\n
<\/div>\n
Sopra: una proteina di lievito, ancora una volta prevista da AlphaFold 2.<\/span><\/div>\n<\/div>\n<\/div>\n<\/div>\n

DeepMind afferma di essere impegnata a rendere AlphaFold 2 disponibile “su larga scala” e a collaborare con i partner per esplorare nuove frontiere, come il modo in cui pi\u00f9 proteine \u200b\u200bformano complessi e interagiscono con DNA, RNA e piccole molecole. All’inizio di quest’anno, la societ\u00e0 ha annunciato una partnership con la Drugs for Neglected Diseases Initiative , con sede a Ginevra , un’organizzazione farmaceutica senza scopo di lucro che spera di utilizzare AlphaFold per identificare composti per il trattamento di condizioni per le quali i farmaci rimangono elusivi. Il Center for Enzyme Innovation sta utilizzando il sistema per aiutare a progettare enzimi pi\u00f9 veloci per il riciclaggio di plastiche monouso inquinanti. E i team dell’Universit\u00e0 del Colorado Boulder e dell’Universit\u00e0 della California, San Francisco stanno studiando la resistenza agli antibiotici e la biologia SARS-CoV-2 con AlphaFold 2.<\/span><\/p>\n

\u201cLe proteine \u200b\u200bsono come minuscole macchine biologiche squisite. Allo stesso modo in cui la struttura di una macchina ti dice cosa fa, cos\u00ec la struttura di una proteina ci aiuta a capirne la funzione. Le proteine \u200b\u200bsono come minuscole macchine biologiche squisite. Allo stesso modo in cui la struttura di una macchina ti dice cosa fa, cos\u00ec la struttura di una proteina ci aiuta a capire la sua funzione”, ha scritto il CEO di DeepMind Demis Hassabis in un post sul blog pubblicato oggi. \u201cIn DeepMind, la nostra tesi \u00e8 sempre stata che l’intelligenza artificiale pu\u00f2 accelerare notevolmente le scoperte in molti campi della scienza e, a sua volta, far progredire l’umanit\u00e0. Abbiamo creato AlphaFold e l’AlphaFold Protein Structure Database per supportare ed elevare gli sforzi degli scienziati di tutto il mondo nell’importante lavoro che svolgono.<\/span><\/p>\n

 <\/p>\n

Alcune<\/strong> problematiche<\/strong><\/span><\/p>\n

Le proteine \u200b\u200bsono nanomacchine complesse che svolgono la maggior parte dei compiti negli esseri viventi interagendo costantemente tra loro. Digeriscono il cibo, combattono gli invasori, riparano i danni, percepiscono l’ambiente circostante, trasportano segnali, esercitano forza, aiutano a creare pensieri e si replicano. Sono fatti di lunghe stringhe di molecole pi\u00f9 semplici chiamate amminoacidi, e si attorcigliano e si piegano in strutture 3D enormemente complesse. Le loro forme simili a origami sono governate dall’ordine e dal numero dei diversi aminoacidi usati per costruirli, che hanno forze attrattive e repellenti distinte. La complessit\u00e0 di queste interazioni \u00e8 cos\u00ec grande e la scala cos\u00ec piccola (la cellula media contiene 42 milioni di proteine) che non siamo mai stati in grado di capire le regole che governano come si contorcono spontaneamente e in modo affidabile dalle stringhe alle cose. Molti esperti pensavano che non l’avremmo mai fatto.<\/span><\/p>\n

Ma nuove intuizioni e scoperte nell’intelligenza artificiale stanno costringendo, o costringendo, le proteine \u200b\u200ba rivelare i loro segreti. Gli scienziati stanno ora forgiando strumenti biochimici che potrebbero trasformare il nostro mondo. Con questi strumenti, possiamo usare le proteine \u200b\u200bper costruire nanobot in grado di coinvolgere malattie infettive nel combattimento di una singola particella, o inviare segnali in tutto il corpo, o smantellare molecole tossiche come minuscole unit\u00e0 repo, o raccogliere luce. Possiamo creare la biologia con uno scopo.<\/span><\/p>\n

Per tutto il giorno le nostre cellule producono nuove proteine \u200b\u200bnell’esatto ordine di amminoacidi dettato dal nostro codice genetico, e le proteine \u200b\u200bsi adattano spontaneamente. Quella forma, insieme alle cariche degli atomi sui bit esposti, determina la funzione: a cosa rispondono, a cosa si attaccano, cosa possono fare. Quando diciamo “Ha il gene per i capelli rossi”, significa che ha il progetto per le proteine \u200b\u200bche portano a un particolare tipo di pigmento. Quando diciamo: “Ha un gene che causa il cancro al seno”, significa che ha una mutazione in un gene che fa s\u00ec che la sua proteina venga prodotta con un amminoacido errato, che ne rovina la funzione in un modo che pu\u00f2 portare al cancro .<\/span><\/p>\n

Comprendere i meccanismi del ripiegamento delle proteine \u200b\u200bci permetterebbe di progettare nuove classi di farmaci che potrebbero zoppicare o sostituire le proteine \u200b\u200bche non funzionano correttamente e di sondare l’eziologia di malattie come l’Alzheimer, il Parkinson, l’Huntington e la fibrosi cistica, che sono legate a proteine \u200b\u200bdeformi.<\/span><\/p>\n

Sfortunatamente, poich\u00e9 le proteine \u200b\u200bsono cos\u00ec piccole, \u00e8 quasi impossibile dire cosa sta succedendo in questo nanomondo, anche con potenti microscopi. Non sappiamo esattamente come tutte queste proteine \u200b\u200bsi ripiegano correttamente, tanto meno cosa va storto quando si ripiegano male. Possono essere necessari un anno e $ 120.000 per produrre un’immagine ad alta risoluzione di una proteina su apparecchiature specializzate. Attualmente conosciamo le strutture di appena lo 0,1 percento di esse. Per il resto, supponiamo. Ecco perch\u00e9 c’\u00e8 un mistero al centro della rivoluzione genetica: alcune sequenze genetiche sono associate a effetti fisici e mentali, ma spesso non sappiamo dire perch\u00e9. Ci mancava la stele di Rosetta della struttura proteica per tradurre tra il punto iniziale dei geni e il punto finale delle funzioni corporee.<\/span><\/p>\n

Sebbene vi sia un grande ottimismo riguardo alla tecnologia, alcuni ricercatori in biosicurezza hanno espresso preoccupazione per le proteine \u200b\u200bche potrebbero essere progettate per scopi nefasti. I prioni, ad esempio, responsabili della “mucca pazza” e di altre malattie neurodegenerative, sono proteine \u200b\u200bmal ripiegate che a loro volta provocano il mal ripiegamento di altre proteine, innescando reazioni a catena mortali che sono trasmissibili; potrebbero essere erogati tramite aerosol. La Convenzione sulle armi biologiche, che praticamente tutte le nazioni hanno firmato, vieta di fatto lo sviluppo o l’uso di armi biologiche a base di agenti patogeni, ma nessuno ha mai pensato di estenderla per affrontare proteine \u200b\u200bche non hanno mai fatto parte di un organismo.<\/span><\/p>\n

“Questa \u00e8 una vera preoccupazione”, afferma l’esperta di biosicurezza Filippa Lentzos del King’s College di Londra, “perch\u00e9 le potenziali armi biologiche future non necessariamente ci faranno ammalare usando agenti patogeni”. Le mini proteine \u200b\u200bsintetiche possono o meno rientrare nel controllo della convenzione, afferma, “quindi lo status legale \u00e8 una questione importante”.<\/span><\/p>\n

Ma le mini proteine \u200b\u200bingegnerizzate sono anche una minaccia estremamente improbabile, afferma Lentzos, e piuttosto in basso nella sua lista di preoccupazioni: \u201cSe vuoi causare danni, perch\u00e9 dovresti rivolgerti a qualcosa di cos\u00ec sofisticato e complicato come la progettazione di proteine? Ci sono molte cose pi\u00f9 accessibili in natura che potresti usare.\u201d Le tossine e gli agenti patogeni presenti in natura sono gi\u00e0 pronti e ovunque. Se vuoi davvero ferire le persone, ci sono modi pi\u00f9 semplici.<\/span><\/p>\n

Tuttavia ancora una volta ci accorgiamo che lo stesso artefatto tecnico pu\u00f2 essere uno strumento per il bene o un’arma. La questione \u00e8 decisamente etica<\/span><\/p>\n

Fonte: https:\/\/www.paolobenanti.com\/post\/alphafold-tra-potenzialit%C3%A0-e-rischi<\/a><\/strong><\/p>\n","protected":false},"excerpt":{"rendered":"

di Paolo Benanti DeepMind e l’European Bioinformatics Institute (EMBL), un laboratorio di scienze della vita con sede a Hinxton, in Inghilterra, hanno annunciato il 22 luglio 2021 il lancio di quello che affermano essere il database pi\u00f9 completo e accurato di strutture per le proteine \u200b\u200bespresse dal genoma umano. In una conferenza stampa congiunta ospitata dalla rivista Nature , le due organizzazioni hanno affermato che il database, l’AlphaFold Protein Structure Database, che \u00e8 stato creato...<\/p>\n","protected":false},"author":105,"featured_media":64201,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"jetpack_post_was_ever_published":false,"_jetpack_newsletter_access":"","_jetpack_dont_email_post_to_subs":false,"_jetpack_newsletter_tier_id":0,"_jetpack_memberships_contains_paywalled_content":false,"_jetpack_memberships_contains_paid_content":false,"footnotes":"","jetpack_publicize_message":"","jetpack_publicize_feature_enabled":true,"jetpack_social_post_already_shared":true,"jetpack_social_options":{"image_generator_settings":{"template":"highway","enabled":false},"version":2}},"categories":[32],"tags":[],"jetpack_publicize_connections":[],"jetpack_featured_media_url":"https:\/\/appelloalpopolo.it\/wp-content\/uploads\/2021\/04\/Paolo-Benanti.jpg","jetpack_sharing_enabled":true,"jetpack_shortlink":"https:\/\/wp.me\/p7ZaJ4-hkN","_links":{"self":[{"href":"https:\/\/appelloalpopolo.it\/index.php?rest_route=\/wp\/v2\/posts\/66637"}],"collection":[{"href":"https:\/\/appelloalpopolo.it\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/appelloalpopolo.it\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/appelloalpopolo.it\/index.php?rest_route=\/wp\/v2\/users\/105"}],"replies":[{"embeddable":true,"href":"https:\/\/appelloalpopolo.it\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=66637"}],"version-history":[{"count":2,"href":"https:\/\/appelloalpopolo.it\/index.php?rest_route=\/wp\/v2\/posts\/66637\/revisions"}],"predecessor-version":[{"id":66639,"href":"https:\/\/appelloalpopolo.it\/index.php?rest_route=\/wp\/v2\/posts\/66637\/revisions\/66639"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/appelloalpopolo.it\/index.php?rest_route=\/wp\/v2\/media\/64201"}],"wp:attachment":[{"href":"https:\/\/appelloalpopolo.it\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=66637"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/appelloalpopolo.it\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=66637"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/appelloalpopolo.it\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=66637"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}