Un nuovo passo avanti nell’incontro tra intelligenza artificiale e biologia molecolare arriva dalla Cina, dove un gruppo di ricercatori ha sviluppato ContactSeek, un framework progettato per migliorare la precisione degli strumenti di gene editing. Il sistema, presentato in un articolo pubblicato su Nature, sfrutta la contact probability di AlphaFold3 per individuare gli amminoacidi più importanti nella progettazione dei base editor, aprendo una nuova fase nello sviluppo delle tecnologie genetiche.
Il progetto è stato guidato dal professor Yi Chengqi della Peking University School of Life Sciences, in collaborazione con il team del professor Li Dali dell’East China Normal University. L’obiettivo principale è superare uno dei problemi più complessi dell’editing genetico: mantenere un’elevata efficacia sul bersaglio desiderato riducendo al minimo le modifiche accidentali al DNA.
ContactSeek individua gli amminoacidi decisivi per il gene editing
Il cuore dell’innovazione di ContactSeek è la capacità di analizzare le interazioni tra proteine e acidi nucleici per individuare quali componenti influenzano maggiormente la precisione degli strumenti genetici. Il framework utilizza le informazioni generate da AlphaFold3, il modello di intelligenza artificiale sviluppato per prevedere strutture molecolari sempre più complesse, compresi i complessi formati da proteine, DNA e RNA.
Secondo i ricercatori, la vera svolta non deriva soltanto dalla previsione della struttura tridimensionale delle molecole, ma dalla contact probability, ovvero la probabilità che determinati elementi entrino in contatto tra loro. Questo parametro si è dimostrato particolarmente utile per rilevare cambiamenti molto piccoli, come una singola mutazione in un amminoacido o una modifica in una coppia di basi del DNA.
Grazie a questa analisi, ContactSeek riesce a individuare specifiche regioni proteiche che possono essere modificate per ottenere strumenti di editing più efficienti e selettivi.
AlphaFold3 e la nuova progettazione dei base editor
I base editor rappresentano una delle tecnologie più promettenti nel campo della genetica perché consentono di modificare singole basi del DNA senza provocare rotture complete del doppio filamento. Questi strumenti combinano generalmente una proteina Cas con un enzima deaminasi, permettendo di correggere alcune alterazioni genetiche alla base di diverse patologie.
Tuttavia, uno dei principali ostacoli alla loro applicazione clinica è rappresentato dagli effetti off-target, cioè dalle modifiche effettuate in zone del genoma diverse da quelle previste. Per affrontare questo problema, il team cinese ha combinato i dati della contact probability con informazioni ottenute tramite sequenziamento ad alta capacità degli effetti indesiderati.
Il risultato è stato un sistema capace di suggerire quali amminoacidi modificare nelle proteine Cas e nelle deaminasi per migliorare il comportamento degli editor genetici. I ricercatori hanno quindi sviluppato nuove varianti di Cas9 per gli adenine base editor, mantenendo una buona attività sul bersaglio principale e riducendo significativamente gli errori sul DNA.
Un nuovo approccio per sviluppare strumenti genetici più sicuri
L’importanza di ContactSeek riguarda soprattutto il cambio di paradigma nella progettazione delle tecnologie di editing. In passato, l’ingegnerizzazione delle proteine richiedeva spesso numerosi tentativi sperimentali e processi di selezione molto lunghi. Con questo framework, invece, l’intelligenza artificiale può indicare in anticipo quali modifiche potrebbero produrre il risultato desiderato.
Questo approccio potrebbe avere applicazioni nello sviluppo di trattamenti per malattie genetiche come l’anemia falciforme, la beta-talassemia e alcune patologie metaboliche ereditarie, dove la precisione dell’intervento sul DNA è un elemento fondamentale.
Dal gene editing alla biologia sintetica: le prospettive future
Secondo gli autori della ricerca, ContactSeek non è limitato soltanto ai base editor, ma potrebbe essere esteso anche ad altre piattaforme di modifica genetica, inclusi i prime editor e diversi sistemi CRISPR-Cas. In tutti questi ambiti, infatti, la capacità di controllare le interazioni tra proteine e materiale genetico determina sicurezza ed efficacia.
La pubblicazione su Nature evidenzia inoltre il ruolo crescente dell’IA strutturale nella ricerca biologica. Modelli come AlphaFold3 stanno progressivamente passando dalla semplice previsione delle strutture molecolari alla progettazione diretta di nuovi strumenti terapeutici.
Fonte: Pandaily
