L'individuazione e lo sviluppo di nuove molecole rappresentano da sempre una delle sfide più complesse della chimica moderna. Dalla ricerca di farmaci innovativi alla progettazione di materiali più sostenibili, il progresso scientifico dipende dalla capacità di identificare combinazioni di atomi dotate di proprietà utili. In questo scenario, l'intelligenza artificiale si sta affermando come uno degli strumenti più promettenti per accelerare l'innovazione.
Un esempio recente arriva dall'Universitat Rovira i Virgili (URV) di Tarragona, dove un gruppo di ricercatori ha sviluppato CoCoGraph, un sistema di intelligenza artificiale in grado di generare milioni di molecole finora sconosciute, rispettando le regole fondamentali della chimica. Anche partendo da una singola formula molecolare, come quella del paracetamolo, il sistema può elaborare un numero enorme di possibili configurazioni atomiche.
Secondo i ricercatori, il numero teorico di molecole ancora inesplorate potrebbe raggiungere quota 10⁶⁰, una cifra immensamente superiore al numero di molecole d'acqua presenti negli oceani terrestri. Le molecole oggi conosciute rappresentano soltanto una minima parte di questo potenziale universo chimico. Individuare quelle realmente utili equivale quindi a cercare un ago in un pagliaio gigantesco. Sebbene la tecnologia sia ancora agli inizi, potrebbe in futuro accelerare la scoperta di nuove soluzioni nei settori della chimica, della farmacologia e della scienza dei materiali.
Se alcune applicazioni appartengono ancora al futuro, altre sono già una realtà concreta. Un caso significativo è quello del vaccino universale progettato con il supporto dell'intelligenza artificiale per proteggere contro diversi sarbecovirus, il gruppo di virus che comprende anche SARS-CoV-2. Sviluppato dall'Università di Cambridge, il vaccino ha dimostrato un buon profilo di sicurezza in uno studio condotto su 39 volontari sani. Si tratta del primo caso in cui un vaccino con componente attivo interamente progettato tramite simulazioni informatiche viene testato sull'uomo.
L'intelligenza artificiale sta inoltre contribuendo alla ricerca di nuove strategie contro l'antibiotico-resistenza, una delle principali emergenze sanitarie globali. Al Massachusetts Institute of Technology (MIT), algoritmi avanzati hanno progettato atomo per atomo due nuovi candidati antibiotici che, nei test di laboratorio e nei modelli animali, si sono dimostrati efficaci contro il batterio della gonorrea resistente ai farmaci e contro ceppi multiresistenti di Staphylococcus aureus (MRSA). Sebbene questi composti richiedano ulteriori studi e perfezionamenti, gli esperti ritengono che possano aprire una nuova fase nella scoperta di antibiotici.
Anche nella lotta contro le malattie virali emergenti l'AI sta mostrando il proprio potenziale. Presso il Southwest Research Institute (SwRI) in Texas è stato condotto uno screening virtuale per identificare possibili trattamenti contro il virus Ebola Bundibugyo, responsabile di casi registrati nella Repubblica Democratica del Congo e in Uganda. L'analisi ha permesso di individuare circa venti composti antivirali potenzialmente attivi contro il patogeno.
L'impatto dell'intelligenza artificiale potrebbe estendersi anche al modo stesso in cui vengono scoperti i farmaci. Tradizionalmente, la ricerca parte dall'identificazione di un bersaglio molecolare specifico, generalmente una proteina coinvolta nella malattia. Tuttavia, non sempre tali bersagli sono noti o sufficientemente caratterizzati. Per superare questo limite, il Laboratorio di Bioinformatica Strutturale e Biologia di Rete dell'IRB di Barcellona ha sviluppato un approccio innovativo che punta a progettare molecole sulla base dell'effetto biologico desiderato nelle cellule, anziché partendo da una specifica proteina.
La metodologia è stata testata su diversi modelli cellulari, comprese linee derivate da tumori pancreatici. I risultati hanno dimostrato che le nuove entità chimiche progettate con l'intelligenza artificiale non solo presentano un'attività superiore rispetto ai composti individuati attraverso gli approcci convenzionali, ma risultano spesso strutturalmente originali e differenti dalle molecole già conosciute.
L'intelligenza artificiale ha inoltre trasformato la comprensione delle proteine, come dimostra il riconoscimento ottenuto dal progetto AlphaFold di Google DeepMind, premiato con il Nobel per la Chimica 2024. Grazie all'AI, AlphaFold è riuscito a prevedere la struttura tridimensionale delle proteine.
Questo risultato è particolarmente importante per la ricerca farmaceutica, poiché molte strategie di sviluppo di farmaci e anticorpi si concentrano sulle proteine di membrana. Quando una molecola terapeutica si lega a queste strutture, si attivano processi biologici che modificano il comportamento delle cellule. Comprendere il modo in cui le proteine si ripiegano e si muovono è quindi fondamentale per progettare trattamenti più efficaci.
Negli ultimi anni la ricerca è andata oltre le capacità di AlphaFold. Un gruppo di scienziati dell'École Polytechnique Fédérale de Lausanne (EPFL) ha infatti sviluppato un sistema in grado di generare modelli completi delle proteine a livello atomico, descrivendone anche i movimenti nel tempo. Invece di fornire semplici immagini statiche, il nuovo framework permette di osservare il comportamento dinamico delle proteine, aprendo nuove opportunità per la progettazione di farmaci che agiscono non solo sulla loro forma, ma anche sulle loro trasformazioni funzionali.
Nel presente, l'intelligenza artificiale sta già contribuendo al cosiddetto drug repurposing, individuando nuovi possibili impieghi per farmaci esistenti, accelerando l'identificazione di composti promettenti e migliorando i processi di progettazione farmaceutica. Un ulteriore vantaggio consiste nella riduzione del numero di sperimentazioni animali necessarie durante le fasi di ricerca.
Secondo gli esperti del FOSSC, forum che riunisce 75 società scientifiche di clinici ospedalieri e universitari italiani, l'impiego dell'intelligenza artificiale potrebbe ridurre del 25% i costi di sviluppo di un farmaco e abbreviare del 40% i tempi necessari per arrivare a una nuova terapia. Un aspetto particolarmente rilevante considerando che il percorso che conduce dalla ricerca di base all'approvazione di un trattamento può richiedere fino a dieci anni e superare i due miliardi di euro di investimento.
Le potenzialità dell'AI non si limitano alla chimica di sintesi. Anche la natura rappresenta una fonte straordinaria di nuove opportunità terapeutiche. Ricercatori dell'ETH di Zurigo hanno già dimostrato come gli algoritmi possano essere utilizzati per identificare nuove applicazioni farmaceutiche dei prodotti naturali. Le possibilità sono enormi se si considera che gran parte della biodiversità terrestre e marina rimane ancora inesplorata. Gli oceani coprono circa il 71% della superficie del pianeta, ma meno del 5% dei fondali marini è stato esplorato e meno dello 0,01% è stato studiato in dettaglio.
L'intelligenza artificiale potrebbe inoltre accelerare la ricerca su sistemi terapeutici tradizionali, come le erbe medicinali cinesi che hanno contribuito alla scoperta di molecole fondamentali, tra cui l'artemisinina utilizzata contro la malaria. Esperti del Beijing Institute of Radiation Medicine hanno infatti proposto approcci basati sull'AI per velocizzare le attività di screening e l'identificazione di nuovi candidati farmaci.
Nonostante le prospettive estremamente promettenti, il successo dell'intelligenza artificiale nella ricerca farmaceutica dipenderà dalla qualità dei dati disponibili. Come sottolineano gli stessi ricercatori impegnati nello sviluppo dei più avanzati modelli di AI, grandi quantità di dati non garantiscono automaticamente risultati affidabili. Dataset incompleti, rumorosi o scarsamente validati possono limitare l'efficacia degli algoritmi. Per questo motivo il contributo degli scienziati resta indispensabile: solo dati accurati e parametri rigorosi possono consentire all'intelligenza artificiale di esprimere appieno il proprio potenziale nel trasformare la scoperta e lo sviluppo di nuove terapie.
Contenuti correlati
