Google DeepMind entra ancora di più dentro al mondo sanitario con AlphaFold 3, la nuova versione della sua intelligenza artificiale scientifica. Con questo modello AI potenziato, DeepMind ora è in grado di prevedere non solo la struttura delle proteine, ma anche quella di “tutte le molecole della vita“, aprendo così nuove frontiere per la ricerca scientifica.
Google DeepMind presenta AlphaFold 3
Le proteine sono alla base di tutto: permettono la comunicazione tra cellule, il metabolismo e la conversione delle informazioni conservate nel DNA e nell’RNA. Ma questo dipende dalla sequenza di amminoacidi della proteina, sequenza che deve piegarsi in una forma tridimensionale specifica per funzionare. Per i ricercatori, la comprensione di questa forma non è facile, perché significa sottoporre la proteina a un processo lungo e laborioso per determinarne la struttura.
Ma tutto è cambiato con l’ultimo lavoro di DeepMind, una delle divisioni di intelligenza artificiale di Google, che ha rilasciato AlphaFold 3, la terza versione del modello originario lanciato nel 2021.
Ma cosa cambia? Racconta Ars Technica, se prima l’AlphaFold originale cercava il maggior numero possibile di versioni di una proteina e allineava le loro sequenze per individuare le porzioni che mostravano poco variazione, chiedendo così un costo computazionale elevato, nella nuova versione tutto cambia.
Eseguendo allineamenti utilizzando coppie di sequenze proteiche all’interno di quelle correlate, il modello AI è molto più efficiente dal punto di vista computazionale, e le informazioni perse non sembrano essere critiche per la determinazione delle strutture proteiche.
Miglior controllo delle allucinazioni
Ovviamente, precisa Ars Technica, il rischio di ritrovarsi con un modello AI incline alle allucinazioni non è impensabile. Ci sta quindi che, nel trovare una struttura, il modello possa inventarne una anche se non esistente, appunto un’allucinazione.
Per cercare di limitarle, il team di DeepMind ha addestrato AlphaFold 3 sulle previsioni di struttura di una versione precedente del suo software, che puntava a generare una configurazione molto più facile da identificare per queste strutture.
Il risultato, come riporta Punto Informatico, è un nuovo modello che vanta un miglioramento del 50% nell’accuratezza delle previsioni rispetto ai suoi predecessori.
Con la messa a disposizione della sua vasta libreria di strutture molecolari, oggi i ricercatori possono inserire un elenco di molecole che desiderano combinare, e il modello AI utilizza un metodo di diffusione per generare un modello 3D della nuova struttura. Tutto ciò permetterà di aprire nuove opportunità di ricerca in diversi campi, tra cui medicina, agricoltura, scienza dei materiali e sviluppo di farmaci.
