I ricercatori dell'Istituto di chimica organica di Shanghai presso l'Accademia cinese delle scienze hanno sviluppato un modello generativo di intelligenza artificiale che prevede le interazioni proteina-proteina a risoluzione atomica, secondo uno studio pubblicato su Proceedings of the National Academy of Sciences (PNAS) il 9 giugno 2026. Il modello, denominato Void-X, adotta un approccio fondamentalmente diverso alla progettazione delle proteine costruendo interfacce dai singoli atomi verso l'alto anziché scolpire prima una forma proteica complessiva.
Il lavoro, guidato dal Dott. Yang Jing, Yuan Junying e James J. Chou, è stato evidenziato dall'Accademia cinese delle scienze e riportato da Phys.org. Aggiunge un nuovo strumento a un campo in rapida evoluzione in cui l’intelligenza artificiale è sempre più utilizzata per progettare le macchine molecolari che sono alla base dei medicinali, dei materiali e della biologia sintetica. Per maggiori informazioni su questa storia, consulta la nostra notizie sull'IA.
Perché le interazioni proteina-proteina sono importanti
Le proteine sono i cavalli di battaglia molecolari del corpo umano. Costruiscono tessuti, trasportano molecole, regolano la comunicazione cellulare e difendono dalle infezioni. Molti dei farmaci più importanti – comprese le terapie anticorpali per il cancro e l’insulina per il diabete – funzionano interagendo con proteine specifiche o sostituendo quelle mancanti o malfunzionanti.
Poiché molti processi biologici dipendono dal modo in cui le proteine si legano tra loro, la capacità di prevedere e progettare con precisione le interazioni proteina-proteina potrebbe accelerare la scoperta di farmaci e rispondere a bisogni medici insoddisfatti. I progressi in questo campo integrano anche i rapidi progressi nelle tecnologie di somministrazione come i vettori virali adeno-associati e le nanoparticelle lipidiche mRNA, che trasportano molecole terapeutiche nelle cellule.
Un approccio dal basso verso l'alto invece che dall'alto verso il basso
La maggior parte dei framework di intelligenza artificiale esistenti per la progettazione delle proteine seguono una strategia top-down: prima generano un’impalcatura proteica complessiva che si adatta a un sito target e quindi progettano una sequenza per ottimizzare il legame. Void-X inverte questa logica.
Il modello è un sistema di riempimento atomico. È addestrato a riconoscere modelli di interazione su scala atomica e a riempire i “vuoti” – le lacune – all’interno delle interfacce proteiche. Il suo presupposto guida è che i complessi macromolecolari stabili sono tenuti insieme da un impaccamento atomico ottimale, che emerge dalle interazioni locali tra atomi vicini così come dagli accoppiamenti di ordine superiore con quelli più distanti. Invece di progettare un’intera forma proteica, Void-X genera direttamente cluster atomici compatti ottimizzati per l’impacchettamento stretto all’interno di una regione strutturale specifica, fornendo al progetto una base fisicamente solida.
Addestrato su otto milioni di ammassi atomici
Per addestrare Void-X, i ricercatori hanno assemblato un set di dati di oltre otto milioni di ammassi atomici sferici estratti da strutture determinate sperimentalmente depositate nella Protein Data Bank. Per ciascun cluster, circa il 30% degli atomi periferici e spazialmente contigui erano mascherati, mentre gli atomi rimanenti fungevano da “contesto” – effettivamente un suggerimento – che il modello utilizzava per prevedere gli atomi mancanti.
La rete risultante contiene 172 milioni di parametri e ha raggiunto una forte precisione predittiva: 78,3% per i cluster atomici intra-catena e 68,2% per i cluster inter-catena, hanno riferito i ricercatori.
Cosa significa per la scoperta di nuovi farmaci e non solo
Secondo gli autori, queste capacità consentono la generazione de novo di interazioni proteiche a risoluzione atomica, offrendo quello che descrivono come un percorso complementare e fisicamente intuitivo per la progettazione delle proteine. Combinando il dettaglio a livello atomico con la modellazione generativa, Void-X espande il kit di strumenti per progettare razionalmente le interfacce biomolecolari.
Ciò è importante perché la progettazione dell’interfaccia è al centro del moderno sviluppo dei farmaci. Migliori strumenti computazionali per prevedere come una molecola candidata si legherà alla sua proteina bersaglio possono abbreviare il percorso dall’idea alla terapia, ridurre la dipendenza da costosi esperimenti per tentativi ed errori e rendere più semplice la progettazione di proteine per funzioni completamente nuove nella biologia sintetica.
Un settore in crescita
Void-X arriva nel mezzo di un'ondata di lavoro proteico guidato dall'intelligenza artificiale. Dalla previsione della struttura alla progettazione generativa di tutti gli atomi, i ricercatori stanno spingendo costantemente verso la capacità di modellare le interazioni biomolecolari alla massima risoluzione atomica. I precedenti sistemi generativi interamente atomici hanno già dimostrato la fattibilità di progettare e prevedere interazioni su quella scala, e Void-X contribuisce con una strategia distinta, basata innanzitutto sull’imballaggio, allo stesso sforzo.
Il trucco di mascheramento che lo fa funzionare
Il metodo di allenamento di Void-X prende in prestito una pagina dal playbook del modello linguistico. Mascherando circa il 30% degli atomi in ciascun cluster di addestramento e chiedendo al modello di dedurli dal contesto circostante, i ricercatori hanno trasformato la biologia strutturale in un compito di riempimento degli spazi vuoti, lo stesso principio che consente a grandi modelli linguistici di prevedere le parole mancanti in una frase. La differenza è che il "vocabolario" di Void-X è costituito da atomi disposti nello spazio tridimensionale, e la grammatica che apprende riflette le regole di impaccamento fisico che governano il modo in cui le proteine reali si piegano e si legano.
Questo allenamento consapevole della struttura è ciò che distingue Void-X dagli approcci che trattano le proteine come sequenze piatte di amminoacidi. Poiché il modello ragiona simultaneamente su accoppiamenti atomici locali e a lungo raggio, può proporre geometrie di interfaccia che rispettano i vincoli fisici di un complesso stabile, piuttosto che produrre progetti apparentemente plausibili ma biologicamente instabili.
Limiti e questioni aperte
I risultati sono promettenti, ma i ricercatori sono onesti nel ritenere che le sfide rimangano. L’accuratezza inter-catena del 68,2% – relativa ai complessi multiproteici che definiscono la maggior parte dei bersagli farmacologici nel mondo reale – è significativamente inferiore alla cifra intra-catena, riflettendo la maggiore difficoltà di modellare il modo in cui due molecole separate si uniscono. Anche progettare un'interfaccia che si leghi strettamente a un modello computazionale è solo il primo passo; i candidati devono ancora essere sintetizzati e convalidati sperimentalmente, e le interazioni previste possono vacillare nell’ambiente più disordinato di una cellula vivente.
L'aumento dei dati di addestramento, il perfezionamento della gestione del modello di regioni proteiche flessibili o disordinate e l'integrazione di Void-X con sistemi top-down complementari sono probabilmente i prossimi passi. Gli autori inquadrano il loro contributo come una tecnologia complementare piuttosto che sostitutiva: un’opzione fisicamente radicata da combinare con gli scaffold esistenti mentre il campo corre verso una progettazione molecolare affidabile end-to-end.
Una tendenza più ampia
Lo studio, pubblicato con DOI 10.1073/pnas.2607035123, segnala che la competizione per costruire strumenti di progettazione molecolare sempre più precisi è ormai ben avviata e che l’intelligenza artificiale generativa sta diventando una parte indispensabile del banco di lavoro del biochimico. Man mano che modelli come Void-X riducono il divario tra calcolo e laboratorio, la speranza è che i ricercatori siano in grado di progettare nuove terapie, enzimi e materiali più velocemente e in modo più razionale che mai.
---
Rimani Aggiornato sull'IALe ultime notizie, analisi e scoperte sull'intelligenza artificiale — tutto in un posto.
Leggi altre notizie sull'IA →
