Come un ricercatore usa Codex e ChatGPT per cercare nuove molecole antimicrobiche

I microrganismi resistenti ai farmaci, tra cui batteri, funghi, parassiti e virus, rappresentano una minaccia globale crescente. Nel 2021, circa cinque milioni di decessi sono stati associati⁠(si apre in una nuova finestra) alla resistenza batterica agli antimicrobici, un bilancio annuo che secondo le previsioni sarà quasi raddoppiato entro il 2050. Per trovare molecole potenzialmente utilizzabili come antimicrobici possono servire anni. I ricercatori usano l’IA per accelerare questa fase iniziale della scoperta.

«A mio parere, la resistenza antimicrobica è una delle maggiori minacce esistenziali per l’umanità», ha affermato César de la Fuente⁠(si apre in una nuova finestra), bioingegnere il cui laboratorio interdisciplinare cerca potenziali antimicrobici. «Eppure, da 50 anni non abbiamo una nuova classe di antibiotici».

Gran parte dello sviluppo moderno degli antimicrobici si concentra sulla modifica di farmaci esistenti o sulla ricerca in classi note di sostanze chimiche. Ma questo approccio offre risultati sempre più limitati.

Il laboratorio di de la Fuente parte da un ambito molto meno esplorato: il codice della vita. L’idea centrale alla base del lavoro è che la biologia sia un sistema informativo. «I nucleotidi che compongono il DNA e gli amminoacidi che formano proteine e peptidi sono una sorta di alfabeto», ha spiegato de la Fuente. «Considerare la biologia come informazione ci ha permesso di sviluppare metodi capaci di iniziare a decifrare i principi organizzativi della vita da cui ha avuto origine una molecola funzionale».

I modelli di deep learning del laboratorio vengono addestrati a riconoscere schemi nelle sequenze biologiche, così da poter cercare potenziali antimicrobici in vasti set di dati genomici e proteici. Questo approccio può ridurre da anni a poche ore la ricerca iniziale di molecole candidate.

Oltre ai propri modelli di IA, il laboratorio usa ChatGPT e Codex per formulare ipotesi, scrivere e perfezionare codice, elaborare set di dati, analizzare risultati e collegare idee provenienti da diverse discipline scientifiche.

Solo una parte del genoma ha una funzione chiaramente compresa e una frazione ancora più piccola codifica molecole capaci di combattere i microrganismi infettivi. La sfida consiste nell’individuare gli schemi che rendono una molecola funzionale, o biologicamente attiva, per poi stabilire quali abbiano il potenziale per combattere i microrganismi infettivi.

Da tempo gli scienziati cercano antimicrobici in piante, animali, microrganismi, insetti, acqua e suolo. Raccolgono campioni, isolano o prevedono molecole candidate e le sottopongono a un processo iterativo di verifica che può durare anni.

Le banche dati digitali di genomi e proteine consentono oggi agli scienziati di cercare nuovi composti nell’intero albero della vita, ampliando enormemente la quantità di dati disponibili da esplorare. Ma questa abbondanza di informazioni comporta sfide specifiche: trovare segnali promettenti tra un numero enorme di possibilità.

L’IA è particolarmente adatta a questo compito, paragonabile alla ricerca di un ago in un pagliaio. Può esaminare enormi set di dati, individuare schemi che i ricercatori potrebbero non riuscire a riconoscere e selezionare un numero gestibile di candidati da sottoporre a test sperimentali.

Individuare un candidato promettente, però, non significa necessariamente che diventerà un farmaco efficace.

Gli scienziati devono prima confermare che la molecola candidata uccida il microrganismo bersaglio, stabilire la quantità necessaria perché sia efficace e verificarne gli effetti sulle cellule umane. I chimici possono poi ottimizzarla per migliorarne l’efficacia, la sicurezza o la stabilità.

Ulteriori test valutano la dose alla quale il candidato diventa tossico, la facilità con cui i microrganismi sviluppano resistenza alla molecola e il modo in cui il candidato si distribuisce nell’organismo. I team definiscono inoltre un metodo affidabile per produrre la molecola. Anche dopo aver superato questi ostacoli, i candidati devono affrontare la valutazione normativa e le sperimentazioni cliniche prima di poter raggiungere i pazienti come farmaci antimicrobici approvati.

Per de la Fuente, è per questo che l’IA e la biologia di laboratorio devono progredire insieme. «Gli esperimenti condotti nel mondo reale sono essenziali per convalidare le previsioni dell’IA», ha affermato. «Nei prossimi anni sarà un aspetto cruciale per le scienze della vita, se vogliamo continuare anche solo a scalfire la superficie della nostra comprensione della biologia, il sistema più complesso che esista».

Il suo laboratorio esplora i genomi di organismi viventi ed estinti alla ricerca di molecole candidate. Esaminare questi genomi, comprendere come si formano e funzionano le proteine da essi codificate e stabilire cosa fanno tali molecole richiede competenze in diversi campi.

«Siamo un gruppo fortemente transdisciplinare, composto da persone provenienti dalla biologia, dalla chimica, dall’informatica e dall’ingegneria», ha affermato de la Fuente. Alcuni membri del laboratorio sono ottimi programmatori, ma conoscono meno la biologia o la chimica, e viceversa. Codex e ChatGPT aiutano a colmare queste lacune, consentendo ai biologi di creare programmi e ai programmatori di affrontare problemi biologici. In questo senso, l’IA riduce le barriere tra le discipline scientifiche.

Aiuta i membri del laboratorio ad approfondire temi poco familiari necessari al loro lavoro interdisciplinare, chiarire la terminologia, confrontare metodi di campi diversi e organizzare le idee per la scoperta di farmaci. Altri usano l’IA per scaricare, organizzare e pre-elaborare grandi set di dati genomici. ChatGPT consente inoltre ai membri del laboratorio di lavorare nella propria lingua madre, riducendo gli ostacoli e accelerando i flussi di lavoro.

De la Fuente usa ChatGPT come partner nel brainstorming. Continua a sviluppare idee con i colleghi, ma apprezza la capacità dell’IA di aiutarlo a formulare un’ipotesi. Apprezza anche la possibilità di accedere con un clic alle informazioni di tutto il mondo.

«La nostra area di lavoro ChatGPT riceve contributi da tutte queste persone, che affrontano in modi diversi i problemi che cerchiamo di risolvere», ha affermato de la Fuente. I membri del laboratorio vi inseriscono le proprie idee, buone e cattive, trasformandola in una sorta di spazio di confronto collaborativo.

Avverte però che non bisogna affidarsi esclusivamente all’IA. «Ovviamente bisogna sempre verificare l’accuratezza delle informazioni», ha affermato de la Fuente.

Apprezza comunque la capacità dell’IA di aiutare i ricercatori a esplorare i confini tra le discipline scientifiche. «È lì che attendono di essere scoperte le innovazioni rivoluzionarie. Si trovano essenzialmente ai confini tra campi diversi, dove pochissime persone si avventurano».

Considera questo lavoro parte di una tradizione scientifica molto più lunga. «Ci siamo sempre affidati a strumenti e macchine per comprendere il mondo che ci circonda», ha affermato de la Fuente. «Il telescopio ha fatto luce sul cosmo e il microscopio ha rivelato il mondo dell’invisibile». Oggi le macchine aiutano i ricercatori a comprendere, prevedere e progettare la biologia. «È questo il senso del nostro lavoro», ha affermato.