Rivoluzioni molecolari (e come non farsi ghigliottinare dall’IA)

Qualche anno fa sembrava che l’intelligenza artificiale avesse “risolto” il problema delle proteine. Titoli entusiastici, toni da fine della storia, colleghi che improvvisamente pronunciavano la parola deep learning con la stessa naturalezza con cui prima dicevano “cristallografia” o "modello di Go". Io stesso ne avevo scritto qui sul blog, cercando di capire (da fisico infiltrato in biologia) cosa stesse davvero succedendo.
Una specie di Lady Oscar computazionale, con il cuore da fisico e l'apparenza di un biologo, o viceversa, insomma fate un po' voi. Tanto entusiasmo nell’aria, un certo tremore sotto i piedi, e la sensazione che nulla sarebbe stato più come prima. Sentivo in giro anche tante Marie Antoniette che proclamavano "se non hanno la struttura, che mangino reti neurali"! Al posto della Bastiglia però qui c’erano le strutture proteiche, e al posto dei moschetti i nostri calcolatori.

Di recente ho letto un bell’articolo su Quanta Magazine (“How AI Revolutionized Protein Science — But Didn’t End It”) e mi è venuta voglia di tornare sull’argomento. Ve lo consiglio davvero: è in inglese, ma è scritto con equilibrio e intelligenza. E soprattutto dice una cosa che a me, personalmente, piace moltissimo: l’IA ha rivoluzionato la scienza delle proteine, ma non l’ha affatto finita.

AlphaFold e compagnia ci hanno dato qualcosa che per decenni è stato una sorta di miraggio: la possibilità di passare dalla sequenza aminoacidica alla struttura tridimensionale con una precisione impressionante. Per un biofisico, è quasi poetico: da una stringa di lettere a un oggetto nello spazio, con angoli, superfici, cavità, simmetrie. È la materializzazione dello slogan rivoluzionario tipo libertè, egalitè fraternitè: "sequenza, struttura, funzione"! Ma, come spesso accade nelle rivoluzioni, la realtà è più complessa degli slogan. La struttura è una fotografia. La funzione biologica è un film.

Le proteine nella cellula non stanno ferme in posa come modelle molecolari. Fluttuano, si piegano e si dispiegano, cambiano conformazione, interagiscono con altre proteine, con acidi nucleici, con membrane, in un ambiente affollato e rumoroso dove l’energia termica fa sentire la sua voce. Sono sistemi fisici immersi in un paesaggio energetico complesso, e quel paesaggio non è una superficie liscia, ma una catena montuosa piena di valli, passi e falsi altopiani.

L’articolo di Quanta insiste molto su questo: abbiamo fatto un salto gigantesco nella predizione delle strutture, ma la dinamica, le interazioni, il contesto cellulare restano sfide aperte. E qui, a mio avviso, sta il bello. Perché il futuro non è “abbiamo risolto il problema”, ma “abbiamo cambiato il tipo di domande che possiamo permetterci di fare”.

Possiamo chiederci non solo come è fatta una proteina, ma quali stati alternativi può assumere. Possiamo integrare reti neurali e dinamica molecolare, usare l’IA per guidare le simulazioni, per suggerire quali regioni sono più flessibili, quali interazioni più probabili. Possiamo passare dalle singole proteine ai complessi multiproteici, a quelle macchine molecolari che in realtà fanno il lavoro (sporco?) della vita. Possiamo perfino progettare proteine che in natura non esistono, con funzioni pensate a tavolino (o meglio, a tastiera). 

Sì, ma in tutto questo, io dove sto? Qui viene la parte un po’ meno epica e un po’ più realistica. Non passo le giornate in laboratorio tra provette fumanti, anche perché, diciamolo, non l’ho mai fatto davvero. Non passo neppure le giornate a lanciare simulazioni sul cluster, almeno non direttamente: quello lo fanno bravissimi dottorandi e laureandi che lavorano con me e che hanno molta più dimestichezza di me con script, GPU e file di output che intaserebbero qualunque hard disk. Io, in questo periodo, passo una quantità non trascurabile di tempo con le scartoffie burocratiche, materializzate su formato cartaceo o dematerializzate in formato elettronico: come direttore del Dipartimento di Fisica, il paesaggio energetico che esploro più spesso è quello dei verbali, delle delibere, dei regolamenti, delle autorizzazioni e degli adempimenti formali.

Eppure continuo a fare lezione. Perché insegnare mi piace davvero. In particolare insegno fisica agli studenti di Scienze e Tecnologie Biomolecolari, con un obiettivo che ormai dichiaro apertamente: convincerli che un approccio quantitativo alle scienze biomolecolari non è un vezzo da fisici con evidenti problemi di disagio relazionale, ma una necessità. Che dietro ogni pathway biochimico, ogni interazione, ogni fenomeno apparentemente qualitativo, c’è una struttura matematica, un modello, un bilancio energetico.

In un momento come questo, con l’IA che entra a gamba tesa nella biologia strutturale, questo messaggio diventa ancora più attuale. Le reti neurali non sono magia: sono modelli matematici estremamente sofisticati. Funzionano perché c’è struttura nei dati. Perché la fisica, sotto sotto, continua a mettere vincoli, a definire possibilità, a limitare il caos.

La cosa che mi entusiasma davvero è che non siamo davanti a una fine, ma a un’espansione. Abbiamo più dati strutturali che mai. Abbiamo strumenti computazionali potentissimi. Abbiamo algoritmi capaci di trovare schemi (pattern) che a noi sfuggono. E abbiamo ancora una quantità enorme di domande aperte. È una combinazione rara: strumenti maturi e problemi ancora profondi.

Non so come si chiamerà tra vent’anni il mestiere che facciamo oggi — biologo strutturale computazionale, biofisico teorico, data scientist delle proteine, o qualche etichetta ancora più ibrida. So però che questo è un momento fantastico per essere in questa zona di confine tra fisica, biologia e informatica. Un momento in cui il dialogo con i colleghi sperimentali è più necessario che mai, perché ogni predizione va interpretata, confrontata, stressata contro i dati reali.

Se vi incuriosisce capire meglio dove siamo e dove potremmo andare, vi invito davvero a leggere l’articolo di Quanta. Non perché abbia la risposta definitiva, ma perché racconta bene questa sensazione: la rivoluzione c’è stata, sì. Ma il bello, molto probabilmente, deve ancora venire.

E per un fisico che continua a trotterellare in silico, tra una riunione di dipartimento e una lezione sulle equazioni differenziali applicate alle biomolecole, non è affatto una cattiva notizia. [Immagini generate con ChatGpt 5.2]