Il ‘lavoretto’ degli scienziati? Generare nuovi peptidi con IA e informatica quantistica.

L’AI Quantistica Sblocca Nuovi Orizzonti nella Scoperta di Farmaci, Nata da Innovazione e Risparmio

Un team di scienziati dell’Università Tecnica della Danimarca (DTU) ha dimostrato con successo come un computer quantistico possa migliorare l’accuratezza e la portata dei modelli di intelligenza artificiale generativa per la scoperta di farmaci. Sorprendentemente, il risultato è stato raggiunto utilizzando tempo libero e fondi avanzati da altri progetti, a riprova che "la scienza più innovativa è spesso troppo rischiosa per le fondazioni," secondo il professor Timothy Patrick Jenkins della DTU, che ha guidato il progetto.

La squadra danese ha eseguito il proprio modello di AI generativa per la previsione delle proteine in collaborazione con un computer quantistico delle dimensioni di una stampante, realizzato dalla startup britannica ORCA Computing. Questa configurazione ibrida, che accelera l’AI collegando macchine quantistiche a processori tradizionali, ha permesso ai ricercatori di generare nuovi peptidi – brevi catene di amminoacidi – capaci di legarsi a specifiche proteine nel corpo. Un passo cruciale nello sviluppo di vaccini e terapie.

I test in laboratorio, volti a verificare il legame dei peptidi con le proteine bersaglio, hanno mostrato che il modello ha prodotto peptidi più efficaci rispetto alla sua controparte classica. I miglioramenti più significativi si sono osservati proprio nelle situazioni in cui i dati di addestramento erano più scarsi. Il team ritiene che questa tecnologia potrebbe accelerare lo sviluppo di immunoterapie e vaccini personalizzati, oltre a migliorare l’efficacia dei farmaci in gruppi di popolazione meno studiati.

"Dovevamo davvero dimostrarlo per convincere gli scettici che le nostre previsioni si collegano al mondo reale," ha affermato Patrick Jenkins a WIRED. Il calcolo quantistico rimane un campo nascente e affronta un intenso scrutinio a causa delle sfide tecniche nella costruzione di queste macchine e nella loro applicazione pratica. Lo stesso Patrick Jenkins era inizialmente riluttante, definendosi "un grande scettico del quantum" e credendo che qualsiasi applicazione al suo lavoro sarebbe stata "decenni a venire."

Il suo team utilizza big data e AI per scoprire proteine che potrebbero sbloccare nuove immunoterapie in modo più economico e veloce. Una sfida particolare per il suo gruppo è stata la mancanza di dati sulla piena varietà delle informazioni genetiche in tutta la razza umana, poiché la maggior parte della ricerca medica si è concentrata sulle popolazioni occidentali. Questo rende difficile sviluppare peptidi efficaci per popolazioni meno studiate, come quelle in Asia e Africa. I ricercatori hanno ipotizzato che l’integrazione di un computer quantistico nel loro flusso di lavoro avrebbe potuto generare un insieme più diversificato di peptidi, specialmente per i bersagli con meno dati, dopo aver appreso che le macchine avevano un effetto simile nella generazione di immagini.

Tuttavia, il processo appena scoperto non rivoluzionerà ancora la ricerca su vasta scala. I computer quantistici sono ancora troppo piccoli per eseguire modelli AI all’avanguardia su vasta scala, il che significa che risultati migliori potrebbero essere ottenuti su un computer classico. "Il quantum non è ancora molto potente, quindi il livello di complessità che potremmo codificare non era un anticorpo di dimensioni normali, con cui di solito lavoriamo," ha spiegato Jonathan Funk, dottorando della DTU. Inoltre, trovare un peptide che possa legarsi a un gene specifico è solo un passo nello sviluppo di un vaccino e da solo non produrrebbe farmaci di successo.

"Credo che non sia una sorpresa che molte aziende industriali considerino il quantum nebuloso e lontano," ha commentato Richard Murray, CEO di ORCA Computing, a WIRED, in parte perché la tecnologia "non ha mai avuto esempi di utilità chiari e a breve termine." Questo studio, ha aggiunto, è innovativo perché mostra un’applicazione commerciale a breve termine per il quantum. La sua azienda sta applicando la tecnologia anche in progetti con il gigante petrolifero BP per la chimica e con la casa automobilistica Toyota per rendere più efficiente il processo di progettazione.

Il team della DTU ora cercherà di utilizzare il flusso di lavoro con modelli più avanzati e proteine più grandi. "Avevamo bisogno di questo come un modo semplice per validare che ora abbiamo effettivamente una possibilità di cambiare sostanzialmente le cose," ha detto Patrick Jenkins, osservando che i flussi di lavoro di AI generativa sono particolarmente preziosi nelle malattie neglette che ricevono pochi fondi per la ricerca. Sta anche valutando l’uso di un computer quantistico per migliorare il suo metodo di AI generativa per la progettazione di antidoti sintetici per il veleno di serpente.