Algoritmi di intelligenza artificiale per nuove proteine, medicine e vaccini

La ricerca biomedica sta cambiando passo. Gli algoritmi di intelligenza artificiale aiutano scienziati e aziende a esplorare più rapidamente lo “spazio” delle molecole possibili: prevedono come si piegano le proteine, suggeriscono nuove sequenze, selezionano composti promettenti e supportano la progettazione di vaccini di nuova generazione. Modelli di ultima generazione sono in grado di prevedere la struttura di complessi biologici (proteine con DNA, RNA o piccole molecole), accelerando ipotesi e cicli di sperimentazione in laboratorio.

Cosa significa usare l’AI nella scoperta di farmaci

Adottare AI nella scoperta di farmaci vuol dire far “apprendere” ai modelli relazioni tra sequenza, struttura e funzione. Nella pratica, tre filoni stanno già dando risultati tangibili:

• Predizione di struttura e interazioni: strumenti come AlphaFold 3 stimano la forma delle proteine e dei loro complessi con acidi nucleici e ligandi, utile per capire dove e come un farmaco può legarsi.
• Progettazione di nuove proteine: modelli generativi (per esempio Chroma di Generate:Biomedicines) “propongono” sequenze e strutture inedite condizionate a proprietà desiderate, una base per enzimi terapeutici e proteine di legame su misura.
• Dalla variante al bersaglio: metodi come AlphaMissense aiutano a stimare l’effetto di mutazioni e a priorizzare i bersagli più rilevanti per malattie genetiche.

Sul fronte vaccini, ricerche recenti mostrano come l’AI supporti la progettazione delle sequenze (per esempio mRNA) ottimizzando stabilità e traduzione, passaggio chiave per candidati vaccinali più efficaci.

Vantaggi per laboratori e imprese

L’uso di algoritmi di intelligenza artificiale nella scoperta di farmaci consente di testare più ipotesi con meno esperimenti ripetitivi. In sintesi: selezione più mirata dei candidati, maggiore probabilità di trovare molecole attive e tempi decisionali più rapidi lungo la catena che va dal bersaglio biologico fino alla fase clinica. Le analisi di settore confermano il potenziale, pur ricordando che la prova quantitativa di un “salto” su tempi e costi è in corso di consolidamento.

Figure professionali coinvolte

Per trasformare i modelli in risultati servono team integrati:

• biologi strutturali e chimici medicinali validano ipotesi e saggi;
• data scientist e ingegneri del software addestrano e mantengono i modelli;
• esperti di regolatorio e qualità garantiscono tracciabilità e riproducibilità dei dati;
• clinici e statistici pianificano studi con endpoint misurabili.

Le autorità sanitarie europee e statunitensi hanno pubblicato documenti di indirizzo sull’uso dell’AI dentro il ciclo di vita del farmaco, a supporto di trasparenza e robustezza dei processi.

Esempi recenti di applicazione sul campo

• Strutture e complessi: la pubblicazione di AlphaFold 3 su Nature (2024) descrive la previsione accurata di complessi biomolecolari che includono proteine, acidi nucleici e piccole molecole—un passo avanti per guidare disegno razionale e screening mirati.
• Proteine progettate: Generate:Biomedicines ha presentato il framework Chroma per generare nuove sequenze e strutture con controllo sulle proprietà desiderate, utile per terapie proteiche e diagnostica.
• Dalla pipeline alla clinica: società di drug discovery nate con l’AI, come Insilico Medicine, hanno comunicato avanzamenti fino a studi clinici su candidati progettati con AI (comunicati 2025), segnalando un passaggio dalla teoria alle prove sull’uomo. (Nota: risultati in evoluzione e da confermare nelle fasi successive).

La combinazione di dati sperimentali, modelli fisici e algoritmi di intelligenza artificiale riduce tentativi alla cieca e rende più mirato il lavoro in laboratorio. Anche i regolatori stanno aprendo la strada con linee guida su qualità dei dati, documentazione e spiegabilità delle decisioni: un contesto favorevole per chi vuole integrare l’AI in ricerca e sviluppo con criteri chiari e misurabili.

AssoInnovatori APS supporta centri di ricerca, biotecnologiche e farmaceutiche nel definire use case, selezionare piattaforme e impostare percorsi di validazione robusti.

Inizia il tuo percorso di innovazione con noi!