Quando parliamo di medicina e di nuovi trattamenti farmacologici innovativi nella cura del cancro, del diabete o delle malattie autoimmuni per esempio, quasi sempre ci sfugge la difficoltà che c’è dietro il processo biochimico che porta alla teorizzazione e poi alla costruzione della molecola o dell’anticorpo di interesse.
Un processo molto lungo che parte diversi anni prima della sua messa in commercio, che necessita di investimenti milionari e che vede centinaia di ricercatori tra i quali biologi, biochimici e informatici lavorare sinergicamente per trovare la giusta combinazione e affinità di legame elevate (punto cruciale per avere molecole efficaci), tra la proteina bersaglio della patologia e la molecola proteica che si sta mettendo a punto, una sfida non facile.
Grazie a una nuova e innovativa ricerca appena pubblicata, i ricercatori di GoogleDeepMind in collaborazione con il Francis Crick Institute di Londra, hanno progettato una nuova piattaforma di intelligenza artificiale (IA) chiamata AlphaProteo che presenta un framework di apprendimento automatico per il design di nuovi leganti proteici ad alta affinità. Questa piattaforma di IA ha dimostrato di superare i limiti tradizionale di sviluppo di anticorpi e altre molecole proteiche offrendo una maggiore specificità e affinità di legame, riducendo il tempo e il numero di esperimenti necessari per l’ottimizzazione rispetto ai metodi computazionali tradizionali.
AlphaProteo impiega un modello generativo capace di progettare leganti proteici a partire da strutture bersaglio, generando centinaia di candidati che vengono prima filtrati e successivamente testati. Questo framework innovativo ha ottenuto tassi di successo tra il 9% e l’88% su sette proteine bersaglio rilevanti per diverse patologie, tra cui il fattore di crescita Vascular Endothelial Growth Factor A (VEGF-A), coinvolto nell’angiogenesi e bersaglio terapeutico per il cancro e la retinopatia diabetica, la proteina spike di SARS-CoV-2, e l’Interleuchina-17A (IL-17A), una proteina che innesca l’infiammazione e un bersaglio nelle malattie autoimmuni.
In quasi tutti i casi, i leganti progettati hanno superato significativamente i metodi esistenti, ottenendo risultati sorprendenti con capacità di legame anche 300 volte superiori. Inoltre, anche la validazione biologica è stata promettente: i leganti progettati per la proteina spike di SARS-CoV-2 sono riusciti a neutralizzare diverse varianti del virus in vitro e i leganti diretti contro il VEGF-A sono risultati essere più efficaci rispetto all’anticorpo monoclonale bevacizumab.
Sebbene questa nuova piattaforma di AI abbia ottenuti risultati strabilianti nella quasi totalità dei casi, alcuni bersagli, come il fattore di necrosi tumorale alfa (TNF), una citochina pro-infiammatoria prodotta durante l’infiammazione nonché bersaglio terapeutico per le malattie infiammatorie, si sono rilevati più difficili a causa dei siti di legame complessi.
In base ai risultati ottenuti, i ricercatori suggeriscono che AlphaProteo possa essere utilizzato per affrontare una vasta gamma di problemi legati al design molecolare, con l’obiettivo futuro di ampliare le capacità del sistema per risolvere bersagli ancora più complessi con potenziali applicazioni nella terapia, diagnostica e ricerca biomedica.
di Valentino Ribecco
Source: De novo design of high-affinity protein binders with AlphaProteo
