Intelligenza artificiale e computazione quantistica insieme per creare nuovi farmaci. È quello che un gruppo di scienziati danesi ha dimostrato di poter fare, e lo hanno fatto quasi di nascosto, lavorando nel tempo libero e mettendo insieme i soldi avanzati da altri progetti. Il risultato è che un computer quantistico può davvero migliorare la precisione e la portata dei modelli di IA generativa applicati alla scoperta di farmaci.
Il team dell’Università Tecnica della Danimarca, la DTU, ha fatto girare il proprio modello di IA generativa per predire le proteine affiancandolo a un computer quantistico grande più o meno come una stampante, costruito dalla startup britannica Orca Computing. Questa macchina ha accelerato il lavoro dell’intelligenza artificiale collegando processori quantistici a quelli tradizionali. Con questa tecnica ibrida i ricercatori sono riusciti a generare nuovi peptidi, cioè brevi catene di amminoacidi capaci di legarsi a proteine specifiche dell’organismo. Un passaggio decisivo quando si tratta di sviluppare vaccini.
IA e computer quantistico: ricerca fatta nei ritagli di tempo
C’è un dettaglio che colpisce in tutta questa storia. Gli scienziati hanno lavorato durante i fine settimana e hanno raccolto i fondi non spesi di altri progetti perché, come racconta il professor Timothy Patrick Jenkins che ha guidato il lavoro, la scienza più innovativa fa semplicemente troppa paura alle fondazioni che dovrebbero finanziarla. La computazione quantistica resta un campo agli inizi e sotto esame continuo, per via delle difficoltà tecniche legate sia alla costruzione di queste macchine sia alla loro applicazione concreta.
Curioso il fatto che lo stesso Jenkins all’inizio fosse tutt’altro che entusiasta. “Ero un grande scettico nei confronti della computazione quantistica” ammette ridendo, convinto che qualsiasi utilizzo per il suo lavoro fosse lontano decenni. Lui e il suo gruppo usano big data e intelligenza artificiale per scovare proteine che possano aprire la strada a immunoterapie più economiche e veloci, spesso con il sostegno della Fondazione Novo Nordisk.
Un problema molto specifico ha però messo in difficoltà il team. Mentre la maggior parte di chi crea modelli biologici è a caccia disperata di dati, qui il nodo era la mancanza di informazioni genetiche sull’intera varietà umana. La ricerca medica si è concentrata soprattutto sulle popolazioni occidentali, e questo rende più complicato sviluppare peptidi che funzionino anche su popolazioni poco studiate, come quelle di Asia e Africa. Da qui l’idea di integrare un computer quantistico nel flusso di lavoro, dopo aver notato che queste macchine avevano un effetto simile nella generazione di immagini.
Risultati promettenti ma ancora piccoli
La sintesi dei peptidi in laboratorio e i test per verificare se si legavano davvero alle proteine hanno mostrato che il modello produceva peptidi più efficaci rispetto alla versione classica. I miglioramenti più evidenti si sono visti proprio nei casi in cui i dati di addestramento scarseggiavano. “Avevamo bisogno di dimostrarlo davvero per convincere gli scettici che le nostre previsioni corrispondono al mondo reale” spiega Jenkins.
Detto questo, nessuna rivoluzione immediata. I computer quantistici restano troppo piccoli per far girare i modelli di IA più avanzati su larga scala, il che significa che in molti casi un computer classico darebbe ancora risultati migliori. “La tecnologia quantistica non è ancora molto potente, quindi il livello di complessità che potevamo codificare non era quello di un anticorpo di dimensioni normali, che è ciò con cui lavoriamo di solito” racconta Jonathan Funk, dottorando della DTU. E trovare un peptide capace di legarsi a un gene specifico è solo uno dei tanti passaggi nello sviluppo di un vaccino.
Richard Murray, amministratore delegato di Orca Computing, riconosce che molte aziende trovano la computazione quantistica confusa e distante, in parte perché non ha mai avuto esempi davvero chiari di utilità nel breve periodo. Secondo lui questo studio è interessante proprio perché mostra un’applicazione commerciale a breve termine. La sua azienda sta già usando questa tecnologia in progetti con il colosso petrolifero BP nel campo della chimica e con Toyota per rendere più efficiente la progettazione delle auto.
Il team della DTU adesso proverà a spingersi oltre, testando lo stesso flusso di lavoro con modelli più avanzati e proteine di dimensioni maggiori. I flussi di lavoro basati su IA generativa, sottolinea Jenkins, sono preziosi soprattutto per le malattie trascurate, quelle che ricevono pochi fondi per la ricerca. E c’è già un’altra idea sul tavolo, quella di usare un computer quantistico per migliorare il metodo di IA generativa pensato per progettare antidoti sintetici contro il veleno di serpente.