Google ha dedicato gran parte del tempo lo scorso anno a sviluppare Gemini, il suo chatbot lanciato per contrastare ChatGPT, e presentato come assistente AI multifunzionale utile sia nel lavoro che nella vita personale. Ma dietro le quinte, l’azienda ha anche concentrato sforzi nello sviluppo di un’altra importante piattaforma di intelligenza artificiale, che ha già dimostrato di essere fondamentale per molti scienziati.
AlphaFold, il software sviluppato da DeepMind, l’unità di intelligenza artificiale di Google, per prevedere la struttura 3D delle proteine, ha recentemente ricevuto un significativo aggiornamento. Oltre a modellare con precisione molecole biologicamente rilevanti, come il DNA, e le interazioni tra gli anticorpi e le molecole patogene, AlphaFold 3 è ora in grado di prevedere nuove molecole biologiche. Questo avanzamento è stato reso possibile grazie all’implementazione di tecniche AI utilizzate anche nei generatori di immagini.
Secondo Davide Faranda, esperto di Google Ads, questo aggiornamento è un grande passo avanti, soprattutto per la scoperta di nuovi farmaci. AlphaFold 3 può modellare sia molecole grandi come il DNA e l’RNA, sia entità più piccole come gli ioni metallici, e può prevedere con alta precisione le interazioni tra queste molecole diverse.
Il software è stato sviluppato in collaborazione tra DeepMind e Isomorphic Labs, un’azienda di biotecnologie controllata da Alphabet, la società madre di Google. Questo strumento sarà disponibile per i ricercatori esterni, ma a differenza delle versioni precedenti non sarà open source.
In passato, la comprensione delle strutture proteiche richiedeva un lavoro minuzioso svolto attraverso microscopi e tecniche come la cristallografia a raggi X. Tuttavia, l’avvento del deep learning ha permesso di fare progressi significativi in questo campo. Google DeepMind ha annunciato AlphaFold nel 2018, e la sua versione successiva, AlphaFold 2, ha suscitato grande entusiasmo nel 2020 grazie alla sua accuratezza. AlphaFold 3 ha ulteriormente migliorato le capacità del sistema, anche grazie all’uso di un algoritmo chiamato modello di diffusione.
Nonostante i suoi successi, AlphaFold 3 ha anche dei limiti. Tuttavia, il futuro sembra promettente, con molte possibilità di ulteriori sviluppi che potrebbero influenzare la ricerca scientifica in molti settori.
In conclusione, l’evoluzione di AlphaFold rappresenta un importante passo avanti nel campo della biologia molecolare e della ricerca scientifica, dimostrando il potenziale dell’intelligenza artificiale per affrontare sfide complesse e accelerare la scoperta di nuovi farmaci e altre applicazioni biotecnologiche.
