AlphaFold — DeepMind risolve un problema da 50 anni

Chi è: DeepMind, laboratorio AI fondato a Londra nel 2010, acquisito da Google nel 2014. Team AlphaFold guidato da John Jumper e Demis Hassabis. AlphaFold2 è il progetto che ha dimostrato per la prima volta che l'AI può risolvere problemi scientifici fondamentali, non solo ottimizzare task noti. Jumper e Hassabis hanno ricevuto il Nobel per la Chimica 2024 insieme al biochimico David Baker.

Il problema

Le proteine sono le macchine molecolari fondamentali della vita. Eseguono quasi tutte le funzioni biologiche: catalizzano le reazioni chimiche (enzimi), trasmettono segnali tra cellule (recettori), difendono l'organismo (anticorpi), trasportano ossigeno (emoglobina), costruiscono strutture fisiche (collagene). Comprendere come funzionano le proteine è comprendere come funziona la biologia a livello molecolare.

La funzione di una proteina dipende quasi interamente dalla sua forma tridimensionale. Una proteina mal ripiegata non funziona, o funziona in modo errato — e questo è alla base di molte malattie neurodegenerative (Alzheimer, Parkinson, Huntington sono tutte associate a proteine mal ripiegate che si aggregano in modo tossico).

La forma tridimensionale di una proteina è determinata dalla sua sequenza di aminoacidi — la catena lineare di 20 possibili "mattoni" che la compone. Il problema: predire la struttura 3D dalla sequenza 1D è computazionalmente enorme. Per una catena di n aminoacidi, il numero di conformazioni possibili cresce esponenzialmente. Anfinsen nel 1969 dimostrò che la struttura è determinata dalla sequenza (Nobel 1972). Ma come calcolarla? Questo è il protein folding problem, aperto per cinquant'anni.

Nei decenni successivi, i biologi hanno usato tecniche sperimentali come cristallografia a raggi X, risonanza magnetica nucleare, e crioelettronmicroscopia per determinare le strutture proteiche. Queste tecniche funzionano, ma sono costose, lente (mesi-anni per proteina), e non applicabili a tutte le proteine. Fino al 2020, erano note le strutture di circa 180.000 proteine — una frazione minuscola dei miliardi di proteine esistenti in natura.

CASP14 (2020)

Il CASP — Critical Assessment of protein Structure Prediction — è la competizione biennale della comunità scientifica internazionale sul protein folding. Il funzionamento: gli organizzatori scelgono proteine di cui la struttura è stata determinata sperimentalmente ma non ancora pubblicata, la distribuiscono ai team partecipanti come sequenza di aminoacidi, e aspettano le predizioni. Poi confrontano predizioni e strutture reali.

La metrica principale è GDT_TS (Global Distance Test): 100 è una predizione perfetta, pari alla risoluzione sperimentale. Per decenni, i migliori team umani si aggiravano intorno a 40-50 su bersagli difficili. Ogni ciclo di CASP dal 1994 mostrava progressi incrementali — qualche punto in più, nuove tecniche, varianti dei metodi esistenti.

CASP14, dicembre 2020: AlphaFold2 ottiene un punteggio medio di 92.4 su 100 sui bersagli più difficili. Il secondo classificato si ferma intorno a 50. Gli organizzatori, storicamente conservativi nelle valutazioni, dichiarano pubblicamente: "Questo è un problema risolto."

Per dare scala all'impatto: è come se in una competizione di scacchi il migliore giocatore umano fosse a 2800 Elo e un nuovo sistema arrivasse a 3500. Non un miglioramento incrementale — un salto di categoria.

AlphaFold2 — l'architettura

Il paper su Nature del luglio 2021 descrive l'architettura tecnica di AlphaFold2 con sufficiente dettaglio per la riproducibilità. Le innovazioni principali:

• Multiple Sequence Alignment (MSA) come input: invece di usare solo la sequenza target, AlphaFold usa anche le sequenze evolutivamente correlate dello stesso gene in organismi diversi. Proteine che hanno co-evoluto mantengono la stessa funzione e struttura — le variazioni nella sequenza contengono informazione implicita sui contatti spaziali tra aminoacidi.
• Evoformer: un blocco transformer specializzato che elabora simultaneamente la matrice MSA e la matrice delle distanze pairwise tra aminoacidi, permettendo all'informazione di fluire in entrambe le direzioni — dalla sequenza alla struttura e viceversa.
• Structure Module: un modulo che traduce le rappresentazioni apprese in coordinate tridimensionali, usando frame di riferimento locali per ogni aminoacido e iterazione rototraslazionale per la raffinazione.
• Training end-to-end: il sistema è addestrato interamente sul Protein Data Bank (PDB) — tutte le strutture proteiche note — senza supervisione intermedia sulle rappresentazioni interne.

L'intuizione centrale è elegante: l'evoluzione ha già "risolto" il protein folding miliardi di volte. Le sequenze evolutivamente correlate sono una traccia di queste soluzioni. AlphaFold impara a leggere quella traccia.

Il database pubblico

La decisione più consequenziale di DeepMind non è stata tecnica ma strategica: rendere i risultati pubblici e gratuiti.

Luglio 2022: DeepMind e EMBL-EBI (European Bioinformatics Institute) rilasciano il database AlphaFold con oltre 200 milioni di strutture proteiche — praticamente tutte le proteine conosciute nel proteoma di ogni organismo sequenziato. Gratis. Download diretto. API aperta. Nessuna licenza commerciale limitante per la ricerca accademica.

Per confronto: in cinquant'anni di cristallografia sperimentale, la comunità scientifica mondiale aveva accumulato circa 180.000 strutture nel PDB. AlphaFold ne ha aggiunte 200 milioni in un anno. Non tutte con la stessa accuratezza — AlphaFold fornisce una stima di confidenza per ogni residuo predetto — ma con accuratezza sufficiente per applicazioni pratiche per la grande maggioranza delle strutture.

I biologi strutturali di tutto il mondo hanno avuto accesso istantaneo a dati che avrebbero richiesto secoli di lavoro sperimentale da raccogliere. Per molti laboratori con poche risorse — università nei paesi in sviluppo, gruppi focalizzati su patogeni negletti — questo ha cambiato radicalmente cosa era possibile fare.

L'impatto sulla medicina

Le applicazioni pratiche di AlphaFold si stanno materializzando su molteplici fronti:

• Drug discovery accelerata: capire la struttura tridimensionale di una proteina target è il primo passo essenziale per progettare molecole che vi si leghino — farmaci. Con AlphaFold, questo step passa da mesi o anni a ore. Non tutte le strutture predette sono abbastanza accurate per il design farmaceutico, ma molte lo sono, e per le proteine di maggior interesse medico le strutture sono ormai validabili rapidamente.
• Malattie rare: molte malattie rare hanno cause molecolari legate a proteine poco studiate, spesso perché la ricerca fondamentale necessaria era troppo costosa per comunità scientifiche piccole. AlphaFold ha democratizzato l'accesso alle strutture di queste proteine neglette.
• Resistenza agli antibiotici: il problema della resistenza antimicrobica è uno dei più urgenti in medicina globale. AlphaFold ha aiutato a identificare proteine batteriche essenziali con strutture uniche — potenziali target per nuovi antibiotici che non avrebbero cross-resistenza con quelli esistenti.
• Vaccini: la progettazione di vaccini richiede capire come le proteine virali interagiscono con il sistema immunitario. AlphaFold ha accelerato questo processo per diversi patogeni, compresi alcuni per cui i vaccini tradizionali non erano efficaci.
• AlphaFold3 (2024): la versione successiva estende le predizioni oltre le proteine pure — include RNA, DNA, piccole molecole e le loro interazioni reciproche. Questo apre la possibilità di predire come un farmaco candidato si lega a una proteina target, combinando le due fasi più costose della drug discovery in un unico sistema.

Perché è il caso di studio AI più importante

AlphaFold occupa un posto speciale nella storia dell'AI per ragioni che vanno oltre la dimensione tecnica. È il caso di studio più difficile da smontare per chi è scettico sull'hype AI — e per questo è anche il più importante da conoscere per chi vuole ragionare in modo onesto sul campo.

Dimostra tre cose che i benchmark su giochi o i test di ragionamento linguistico non possono dimostrare:

• Vera scoperta scientifica: AlphaFold non ha ottimizzato un task noto. Ha risolto un problema aperto da 50 anni che la comunità scientifica non aveva risolto con metodi tradizionali. Questo è qualitativamente diverso dal battere campioni umani a Go — Go è un gioco chiuso, il protein folding è un problema aperto con conseguenze nel mondo fisico.
• Benefici distribuiti globalmente: il database pubblico gratuito ha reso i benefici accessibili a ogni laboratorio nel mondo con una connessione internet. Non è stata costruita una barriera commerciale attorno al risultato. Questo è un modello per come i benefici AI possono essere distribuiti, in contrasto con molti sistemi AI frontier che rimangono accessibili solo a chi può pagare.
• Progresso misurabile e verificabile: il Nobel per la Chimica 2024 a Jumper e Hassabis è la validazione istituzionale più forte possibile. I paper sono peer-reviewed. Le strutture predette sono verificabili sperimentalmente. Non c'è ambiguità su cosa è stato dimostrato, a differenza dei benchmark linguistici dove "intelligenza" e "comprensione" rimangono indefiniti.

AlphaFold non risolve le domande su AGI, allineamento, o rischio esistenziale. Non dice nulla su se i sistemi linguistici capiscano davvero il linguaggio. Ma risponde in modo definitivo a una domanda più concreta: l'AI può fare vera scoperta scientifica di importanza pratica immediata? Sì. L'evidenza è schiacciante, replicabile, e già trasforma la ricerca biomedica globale ogni giorno.

Per chi lavora con AI in qualsiasi contesto, AlphaFold è l'ancora empirica nel mare dell'hype. Quando il dibattito diventa troppo astratto — troppo filosofico, troppo speculativo — tornare ad AlphaFold aiuta a ricordare che stiamo parlando di tecnologia con impatti reali, misurabili, in corso adesso.

---