Uno strumento di intelligenza artificiale rivoluzionario sviluppato presso l'Università del Missouri potrebbe fare progressi significativi nel trattamento del cancro e di altre malattie. Lo strumento utilizza immagini di microscopia crioelettronica per rivelare la struttura dei complessi proteici, aprendo la porta a diagnosi e terapie più efficaci.
In una svolta significativa, i ricercatori dell'Università del Missouri stanno sfruttando l'intelligenza artificiale per decodificare l'intricata danza delle proteine all'interno delle cellule, una scoperta che promette grandi progressi rivoluzionari nel trattamento del cancro e in altri campi della medicina.
Jianlin "Jack" Cheng, professore di ingegneria elettrica e informatica di Curators' Distinguished Professor, insieme al suo studente Nabin Giri, ha presentato Cryo2Struct. Questo innovativo programma per computer utilizza l'intelligenza artificiale per costruire modelli 3D dettagliati di grandi complessi proteici da immagini di crio-microscopia elettronica (cryo-EM). Le loro scoperte sono state recentemente pubblicato sulla rivista Nature Communications.
"La crio-EM è attualmente una tecnologia rivoluzionaria e fondamentale per determinare grandi strutture proteiche e assemblaggi nelle cellule", ha affermato Cheng in un comunicato stampa. "Ma costruire strutture proteiche da dati Cryo-EM è un lavoro intenso e richiede molto intervento umano, il che lo rende dispendioso in termini di tempo e difficile da riprodurre. La nostra tecnica è completamente automatizzata e genera strutture più accurate rispetto ai metodi esistenti."
Le proteine sono i mattoni fondamentali della vita, che iniziano come semplici catene di amminoacidi che si ripiegano in complesse strutture tridimensionali. Queste forme intricate dettano le loro funzioni vitali nel corpo. Per decenni, gli scienziati hanno lottato per comprendere appieno questo processo di ripiegamento.
Il lavoro pionieristico di Cheng nell'applicazione del deep learning a questo problema nel 2012 ha segnato una svolta, dimostrando che l'intelligenza artificiale poteva prevedere le strutture proteiche. Ciò ha gettato le basi per strumenti come AlphaFold di Google, rinomato per la sua accuratezza nella previsione della struttura proteica.
Tuttavia, comprendere una singola proteina è solo una parte della sfida. Negli organismi viventi, le proteine operano insieme in complessi assemblaggi, funzionando come macchine molecolari per svolgere compiti biologici critici. Svelare queste interazioni proteiche è fondamentale per comprendere i meccanismi delle malattie e sviluppare trattamenti efficaci.
Cryo2Struct è simile a un detective provetto, che ricompone il puzzle molecolare senza conoscenze pregresse. Analizza le immagini cryo-EM per individuare i singoli atomi in un complesso proteico e li assembla in un modello 3D coeso. Questa visione completa offre approfondimenti approfonditi sul comportamento e le interazioni delle proteine.
"La nostra tecnologia consente agli scienziati di determinare e costruire una struttura a partire dai dati crio-EM", ha aggiunto Cheng. "Una volta ottenuta quella struttura e comprese le sue funzioni, è possibile progettare farmaci per contrastare qualsiasi funzione difettosa di un complesso proteico per farlo funzionare correttamente".
In uno studio associato pubblicato in Chemistry Communications Cheng e lo studente Alex Morehead hanno approfondito un'altra applicazione dell'IA, il modello di diffusione. Questo approccio modella la trasformazione delle strutture molecolari da rumore casuale a forme ben definite, potenzialmente utile nella progettazione e nell'ottimizzazione dei farmaci.
"Ad esempio, ho un farmaco e voglio migliorarne l'efficacia per alcuni pazienti", ha aggiunto Cheng. "Ora posso usare l'intelligenza artificiale per modificarlo e ottimizzarlo".
Il potenziale impatto di Cryo2Struct e di strumenti di intelligenza artificiale simili si estende ben oltre la ricerca accademica, con implicazioni promettenti per il futuro della medicina personalizzata e il trattamento di malattie complesse come il cancro. Automatizzando e perfezionando lo studio delle strutture proteiche, queste innovazioni potrebbero portare a diagnosi più efficaci, trattamenti mirati e, in ultima analisi, migliori risultati per i pazienti.
Per chi lavora nella comunità scientifica e medica, questa svolta dimostra il potere trasformativo dell'intelligenza artificiale nell'affrontare alcune delle sfide più ostinate nei settori dell'assistenza sanitaria e della biologia.