In questo articolo Indice dei contenuti 2 sezioni
Un farmaco contro la schizofrenia progettato da ChatGPT e poi sintetizzato in un garage: è questa la storia che ha spinto Douglas Yao sotto i riflettori, dopo un thread diventato virale su X. Il bioinformatico, 28 anni, ha presentato il PAC-3310, un agonista selettivo del recettore muscarinico M4 pensato proprio per il trattamento della schizofrenia. Attrezzature rudimentali, un laboratorio improvvisato tra le quattro mura di casa e una microstruttura individuale intestata a suo nome, Pace Pharmaceuticals, che compare come unica firma dietro il progetto.
L’obiettivo dichiarato è ambizioso: migliorare il Cobenfy, primo antipsicotico con un meccanismo d’azione inedito approvato dalla FDA nel settembre 2024. La strategia di Yao passa dalla selettività, puntando esclusivamente sul recettore M4 per limitare gli effetti collaterali gastrointestinali che accompagnano i trattamenti attuali. Un’idea che sulla carta ha una logica precisa, non il colpo di testa di un curioso con troppo tempo libero.
Chi è il bioinformatico che ha usato ChatGPT per progettare la molecola
La vicenda sarebbe quasi folkloristica se dietro ci fosse un dilettante, e invece il curriculum dice altro. Yao ha conseguito un PhD in biologia computazionale ad Harvard nel 2023, prima di una laurea in biologia molecolare alla UCLA, e le sue pubblicazioni contano oltre 700 citazioni su Google Scholar. La tesi di dottorato riguardava le basi genetiche delle malattie complesse, schizofrenia compresa. Difficile immaginare una preparazione più coerente con quello che sta provando a fare adesso.
Lo screening in vitro dei composti avviene grazie a un robot di pipettaggio OpenTrons OT-2 dal costo di circa 3.700 euro, programmato con Claude Code. Tutto il resto è affidato all’intelligenza artificiale, che qui non fa da assistente ma da progettista vera e propria. E il PAC-3310 non è nemmeno il primo tentativo: due mesi prima Yao aveva annunciato il PAC-832, candidato farmaco contro l’Alzheimer. Due molecole in poche settimane, uscite da un ambiente che con i laboratori delle grandi aziende farmaceutiche non ha praticamente nulla in comune.
Dalla molecola al farmaco, una distanza enorme
Sintetizzare un composto in un garage resta, alla fine, un esercizio di chimica. Trasformarlo in un trattamento somministrabile a pazienti reali è un’altra faccenda, molto più lunga e molto più costosa. La procedura di New Drug Application della FDA richiede da sola l’ispezione del sito di produzione, e arriva soltanto dopo le fasi precliniche e tre livelli di sperimentazioni cliniche. Il costo complessivo stimato per un percorso di questo tipo si misura in diversi miliardi di euro.
I numeri sul tasso di successo non aiutano. Secondo uno studio pubblicato su JAMA nel 2020, solo il 13,8% dei farmaci che entrano nelle sperimentazioni cliniche arriva all’approvazione finale. E se il terreno è quello dell’Alzheimer, la situazione peggiora ulteriormente: più di 200 molecole candidate sono fallite oppure sono state abbandonate negli ultimi vent’anni. Anche quando l’AI viene impiegata in contesti rigorosi, con validazione condotta in laboratori indipendenti, il tragitto che separa una molecola promettente da un farmaco disponibile in farmacia richiede dai 10 ai 15 anni.
Al momento Yao sta testando i suoi composti su linee cellulari e su topi. Nessun dato è stato pubblicato, nessuno è passato attraverso una revisione paritaria. Il che significa che, per ora, l’unica cosa verificabile della vicenda del PAC-3310 è il racconto del suo autore su un social network, con tutto il rumore che ne è seguito.
Il punto interessante, però, riguarda meno il singolo composto e più il fatto che una persona sola, con competenze solide e strumenti da qualche migliaio di euro, possa arrivare a progettare candidati farmaci sfruttando modelli come ChatGPT. Un tipo di attività che fino a poco tempo fa richiedeva team numerosi, budget consistenti e infrastrutture dedicate. Le sperimentazioni sui topi e sulle linee cellulari proseguono, senza risultati resi noti.
