Google DeepMind è il futuro della genetica

Annunciato durante una conferenza internazionale a Cancún, AlphaFold è uno dei risultati a cui è arrivato il programma di AI di Google, DeepMind. Realizzato per prevedere le forme tridimensionali che possono assumere le proteine, molecole fondamentali della vita, AlphaFold ha sbaragliato la concorrenza di altri progetti di carattere scientifico.

Lo scopo? Studiare con la tecnologia come è possibile modellare le molecole, per comprendere i processi biologici che da queste partono. In tal modo, si potranno creare nuovi farmaci, ad esempio, e implementare cure per problemi a cui oggi non vi è rimedio oppure solo in forma limitata. Era la prima volta che DeepMind, conosciuto per aver battuto i migliori professionisti nel gioco di strategia Go, ha assunto forme più professionali, specificatamente indirizzate alla scienza. Il concorso a cui AlphaFold ha partecipato è stato organizzato e gestito dal Protein Structure Prediction Center, un ente sponsorizzato dall’Istituto Nazionale di Scienze Mediche Generali degli Stati Uniti.

” La competizione quest’anno ha registrato progressi senza precedenti nella capacità dei metodi computazionali di prevedere le strutture 3D delle proteine” – ha affermato l’Istituto. Mentre le tecniche utilizzate per addestrare l’algoritmo col fine di prevedere le forme proteiche non erano identiche a quelle utilizzate da DeepMind per padroneggiare Go, c’erano alcune somiglianze di fondo. L’azienda ha speso due anni per creare AlphaFold, un’iniziativa che è un passo in avanti fondamentale stando ai fautori: “I modelli 3D di proteine ​​che AlphaFold genera sono molto più accurati di quelli visti sinora. Questo ci ha permesso di ottenere avanzamenti significativi su una delle principali sfide della biologia”.

DeepMind ha utilizzato due diverse reti neurali come tecnica di apprendimento automatico basata sul modo in cui funziona il cervello umano, per arrivare alle previsioni sulla forma delle proteine. Demis Hassabis, co-fondatore e chief executive officer della società, aveva anticipato in passato la voglia di esplorare aree specifiche della scienza, come il ripiegamento delle proteine ​​e la scoperta di nuovi potenziali farmaci per cure oggi non presenti. L’algoritmo di DeepMind ha gareggiato con un totale di 98 software e ha previsto con precisione la struttura di 25 su 43 proteine, mentre l’algoritmo piazzato secondo ha portato a casa 3 risultati utili su 43.