Dei ricercatori hanno sfruttato l’intelligenza artificiale generativa per sviluppare, per la prima volta, nuovi anticorpi.
Lo studio, riportato su Nature, introduce l’idea di applicare il design proteico guidato dall’IA al settore degli anticorpi terapeutici, un mercato dal valore di centinaia di miliardi di dollari. Tuttavia, la ricerca non ha ancora ricevuto la revisione da parte dei pari.
Tradizionalmente, gli anticorpi, ovvero molecole del sistema immunitario che si legano a proteine associate a patologie, sono stati ottenuti attraverso metodi che implicano l’immunizzazione di animali o l’analisi di un ampio numero di molecole.
Le tecnologie di IA capaci di semplificare questi processi costosi potrebbero “democratizzare la progettazione di anticorpi”, secondo Nathaniel Bennett, biochimico computazionale dell’Università di Washington a Seattle e coautore dello studio. “Questa sarà la modalità standard di progettazione degli anticorpi tra dieci anni“, afferma.
Charlotte Deane, immuno-informatica dell’Università di Oxford nel Regno Unito, descrive la ricerca come “un segmento promettente”, marcando un avanzamento significativo nell’uso degli strumenti di design proteico IA per lo sviluppo di nuovi anticorpi.
Bennett e i suoi collaboratori hanno impiegato uno strumento di IA creato dal loro team l’anno scorso che ha rivoluzionato il design delle proteine. Denominato RFdiffusion, consente di creare mini proteine che si legano con forza ad altre proteine selezionate. Tuttavia, queste proteine personalizzate non somigliano agli anticorpi, i quali identificano i loro obiettivi attraverso anse flessibili difficili da replicare con l’IA.
Per superare questa sfida, un team guidato dai biofisici computazionali David Baker e Joseph Watson, entrambi dell’Università di Washington, ha adattato RFdiffusion. Basato su una rete neurale analoga a quelle impiegate da IA generative di immagini come Midjourney e DALL·E, il gruppo ha ottimizzato l’algoritmo formandolo su migliaia di strutture di anticorpi e le loro interazioni target, oltre a esempi di interazioni simili a quelle degli anticorpi, determinati sperimentalmente.
Con questo metodo, i ricercatori hanno progettato migliaia di anticorpi specifici per regioni di varie proteine batteriche e virali, inclusi elementi utilizzati dai virus SARS-CoV-2 e dell’influenza per infiltrarsi nelle cellule, nonché un target di un farmaco antitumorale. Successivamente, hanno prodotto e testato in laboratorio una parte di questi design per verificare la loro capacità di legarsi correttamente ai bersagli.
Watson riferisce che solo l’uno per cento dei design ha funzionato come previsto, una percentuale di successo inferiore rispetto a quella ottenibile con altri tipi di proteine progettate tramite IA. I ricercatori hanno analizzato la struttura di uno degli anticorpi contro l’influenza, utilizzando la microscopia elettronica a criogenia, confermando che si legava alla porzione target della proteina.
Alcune aziende stanno già esplorando l’uso dell’IA generativa per lo sviluppo di farmaci anticorpali. Tuttavia, gli anticorpi generati tramite RFdiffusion sono ancora distanti dall’applicazione clinica. Gli anticorpi efficaci non si sono legati con grande affinità ai loro bersagli e, per un uso terapeutico, le loro sequenze dovrebbero essere modificate per assomigliare agli anticorpi umani naturali e evitare risposte immunitarie avverse.
“Si tratta di una dimostrazione di principio”, enfatizza Watson, che nutre la speranza che questi risultati iniziali aprano la strada alla progettazione di farmaci anticorpali con la semplicità di premere un pulsante. “Il nostro esperimento rappresenta un momento di svolta. Dimostra concretamente che è fattibile”.
