In questo articolo Indice dei contenuti 3 sezioni
Il nuovo atlante delle mutazioni del DNA messo a punto da Google DeepMind prova a rispondere a una domanda che accompagna la genetica da decenni, cioè cosa succede davvero quando una singola lettera del codice genetico cambia. Sapere com’è fatto il genoma umano è ormai un traguardo acquisito, interpretarlo è tutt’altra faccenda. Una variazione minima può non produrre alcun effetto, può spiegare una caratteristica individuale del tutto normale oppure può contribuire alla comparsa di una malattia. Distinguere questi tre scenari resta il punto più difficile.
Il progetto si chiama AlphaGenome Atlas ed è un catalogo di previsioni sugli effetti molecolari delle possibili variazioni del DNA umano. Non un elenco di posizioni sulla mappa, ma qualcosa di più ambizioso, ovvero un tentativo di stimare le conseguenze funzionali di ciascun cambiamento.
Perché servivano miliardi di previsioni
I numeri aiutano a capire la portata del lavoro. Il genoma umano contiene circa tre miliardi di coppie di lettere, quelle indicate con le sigle A, C, G e T. Se si prendono in considerazione tutte le possibili sostituzioni di una singola lettera, il conto arriva a circa nove miliardi di varianti. Analizzarle una per una in laboratorio sarebbe un’impresa che nessun gruppo di ricerca potrebbe realisticamente affrontare, né in termini di tempo né di risorse.
Qui entra in gioco l’intelligenza artificiale, che in questo campo si presta particolarmente bene. Un modello capace di generare previsioni su scala industriale permette di ribaltare l’approccio classico. Invece di partire dall’esperimento per arrivare all’ipotesi, i ricercatori possono partire da una mappa già popolata di indicazioni e usarla per scegliere dove concentrare gli sforzi sperimentali. Un filtro, più che una risposta definitiva.
Dalla posizione all’effetto
La differenza sostanziale rispetto agli strumenti precedenti sta nel tipo di domanda a cui l’atlante prova a rispondere. Fino a ieri l’interrogativo più frequente riguardava la localizzazione, cioè dove si trova una determinata mutazione lungo la sequenza. Con AlphaGenome Atlas la questione si sposta sul funzionamento, ovvero cosa cambia nella cellula quando quella mutazione è presente.
Un esempio concreto lo fornisce la quantità di una determinata proteina prodotta. Una variante può alterare la produzione di una proteina specifica, aumentandola o riducendola, e questo tipo di informazione ha un valore pratico enorme per chi studia le basi molecolari delle patologie. Non è la diagnosi, non è la cura, ma è un indizio che orienta il lavoro successivo.
Un salto di scala per la ricerca genetica
Il contributo di Google DeepMind in questo ambito segue una traiettoria ormai riconoscibile, quella dell’applicazione dei modelli predittivi ai problemi biologici più complessi. La logica è sempre la stessa, cioè usare la potenza di calcolo per esplorare spazi troppo vasti per essere percorsi a mano. Nove miliardi di possibilità rappresentano esattamente questo genere di territorio.
Va detto che si parla di previsioni, non di verità sperimentali. Un catalogo di questo tipo indica direzioni probabili, suggerisce priorità, riduce il rumore di fondo. La verifica in laboratorio resta necessaria, semplicemente diventa più mirata. E in un settore dove ogni esperimento costa tempo e denaro, sapere dove guardare per primi cambia parecchio le cose.
