Dopo avere fornito il ritratto di
quasi tutte le proteine note alla scienza, il sistema di
intelligenza artificiale AlphaFold sviluppato da DeepMind e
Google si prepara a dare la caccia a nuovi antibiotici. Per
sfruttare appieno tutte le sue potenzialità, però, bisogna
ancora migliorare i modelli informatici usati per la previsione
delle interazioni tra le proteine batteriche e i farmaci, perché
al momento non risultano essere abbastanza efficienti. Lo indica
uno studio pubblicato sulla rivista Molecular Systems Biology
dal Massachusetts Institute of Technology (Mit).
I ricercatori guidati dal bioingegnere James Collins hanno
messo alla prova le capacità di AlphaFold analizzando le
interazioni tra 296 proteine del batterio Escherichia coli e 218
composti antibatterici (inclusi antibiotici come le
tetracicline). I metodi di simulazione delle interazioni
molecolari, già usati con successo per fare lo screening di
grandi quantità di composti diretti contro un'unica proteina
target, si sono dimostrati invece meno accurati quando si tratta
di selezionare i composti rispetto a diversi potenziali
bersagli. In questi casi AlphaFold non riesce ad azzeccare la
previsione meglio di quanto non si possa fare tirando a
indovinare o lanciando una monetina. Una simile performance
potrebbe essere dovuta al fatto che le strutture proteiche
inserite nel modello per la simulazione sono statiche, mentre
nei sistemi viventi le proteine sono flessibili e cambiano
spesso configurazione.
Riproduzione riservata © Copyright ANSA
