Cinque anni fa AlphaFold 2 risolveva una sfida cinquantennale della biologia, prevedendo le strutture proteiche con precisione atomica in ore anziché mesi. Il sistema sviluppato da John Jumper e Demis Hassabis di Google DeepMind ha fruttato ai suoi creatori il Nobel per la chimica 2024 e ha catalogato 200 milioni di strutture proteiche. Sul Mit Technology Review, Jumper sottolinea però la cautela necessaria: “È un database di predizioni, con tutti i limiti che questo comporta”.
L’impatto di Alphafold 2 nella ricerca è stato immediato e ampio. Viene utilizzato quotidianamente per studiare ad esempio la resistenza alle malattie nelle api, progettare proteine sintetiche per scopi terapeutici e persino come motore di ricerca biologico. Alcuni ricercatori hanno analizzato 2000 proteine dello sperma umano per cerca di identificare quella che si lega all’ovulo durante la fecondazione.
Come nota il biologo molecolare Kliment Verba, il sistema ha importanti limiti nelle previsioni su interazioni multiple: ”È come ChatGPT, può confondere con la stessa sicurezza con cui fornisce risposte corrette”, spiega Verba. Intanto, startup come Genesis Molecular AI stanno perfezionando la precisione per lo sviluppo farmacologico, riducendo i margini di errore a meno di un angstrom (l’unità usata per misurare distanze tra atomi, pari a un decimo di nanometro).
Il futuro punta ora all’integrazione con i modelli linguistici di grande scala. Jumper, che è anche il più giovane ad aver ricevuto il premio Nobel in chimica degli ultimi 75 anni, lavora per combinare la potenza predittiva di AlphaFold con le capacità generative dei LLM.
Leggi l’articolo completo: What’s next for AlphaFold: A conversation with a Google DeepMind Nobel laureate su MIT Technology Review
Immagine generata tramite DALL-E. Tutti i diritti sono riservati. Università di Torino (10/05/2025).
