Dai mondi antichi ai modelli al computer: come la biofisica computazionale indaga le origini della vita

Questo mese ci imbarchiamo in un viaggio nel tempo, molto più indietro dei dinosauri, fino agli albori della vita stessa. Una delle domande più affascinanti che la scienza si pone è: come è iniziato tutto? Recentemente, ho letto un articolo su Science Advances che offre una prospettiva intrigante e, a mio parere, decisamente entusiasmante per chi ama mettere le mani (e le CPU) nei meccanismi più misteriosi della natura. L'idea centrale è che l'origine della vita non sia stata una semplice sequenza di eventi casuali, ma piuttosto una naturale e robusta estensione delle condizioni geochimiche e ambientali disponibili su un pianeta. Insomma, non proprio un colpo di fortuna alla "una su un miliardo di miliardi", ma qualcosa di più... sistematico. Magari non inevitabile, ma nemmeno così improbabile come si pensa a volte nei momenti di sconforto (soprattutto dopo aver lanciato l'ennesima simulazione notturna scoprendo al mattino che il server è andato giù). Gli autori dell'articolo propongono un approccio integrato per comprendere l'origine della vita. Questo significa mettere insieme i pezzi di diversi puzzle scientifici: esperimenti di chimica prebiotica in laboratorio, osservazioni geologiche e geochimiche dei pianeti (in particolare Marte) e dati astrofisici sugli esopianeti. Sebbene l'articolo non menzioni esplicitamente la biofisica computazionale, i collegamenti con il nostro campo sono evidenti e potenti. È come leggere tra le righe: chiamano "integrazione interdisciplinare" quello che noi facciamo ogni giorno con codici, simulazioni, caffè, congetture, risate e umiliazioni (perché la biologia umilia!).

EXO5, ovvero: come trasformare riunioni noiose in pubblicazioni scientifiche

La didattica, diciamolo, è spesso vista come un fastidio nella vita di un docente universitario che fa anche ricerca: lezioni, esami, studenti svogliati, e soprattutto un’infinità di riunioni per rispondere a richieste sempre più bizzarre di un’amministrazione universitaria in piena sindrome burocratica. Eppure, per quanto sia legittimo lamentarsi della burocrazia, coordinare un corso di laurea richiede anche un certo impegno collettivo: evitare sovrapposizioni nei programmi, costruire percorsi coerenti tra gli insegnamenti, e impedire che gli studenti finiscano intrappolati in un patchwork didattico tutto da decifrare. Il mio arrivo a Trento è stato legato proprio all’idea di lanciare un corso di laurea magistrale in "Quantitative and Computational Biology" (QCB per gli amici). In questi anni, la laurea QCB ha fatto parecchia strada, adattandosi alle esigenze di una formazione in continua evoluzione. Una sfida per tutti noi: fisici, biologi, chimici, informatici, matematici... in un continuo ping-pong disciplinare con studenti che arrivano da background molto diversi. Ed è proprio grazie a questo dialogo che tutto è iniziato. Un giorno, il mio collega Alessandro Romanel mi ha detto: "Ma è vero che nel tuo corso simulano le mutazioni nelle proteine?". La risposta, per fortuna, era sì. E da lì è nata una collaborazione che ci ha permesso di ottenere una borsa di studio dalla Fondazione Pezcoller per un nostro studente (Fabio, in foto tra me e Alessandro) con cui abbiamo appena pubblicato un articolo sul Journal of Chemical Information and Modeling, di cui siamo entrambi molto orgogliosi.

Troppo affollato? No, è proprio quello che serve al virus dell'epatite C!

La vita nelle cellule non è un ambiente tranquillo. Le nostre cellule sono super affollate, piene di molecole che sono costrette a farsi spazio per eseguire le loro funzioni. Questo fenomeno, che i biofisici chiamano "crowding molecolare", è un po' come cercare di fare ordine in una stanza piena di persone che si muovono velocemente: tutto è un po' più difficile, ma allo stesso tempo più interessante. La domanda che ci poniamo è: come influisce questo "affollamento" sulla dinamica delle proteine e, soprattutto, su quelle proteine fondamentali per la vita di un virus? Un esempio chiave arriva da uno studio recente, intitolato Crowding affects structural dynamics and contributes to membrane association of the NS3/4A complex, pubblicato da Natalia Ostrowska, Michael Feig e Joanna Trylska, dell'Università di Varsavia e della Michigan State University. Gli autori hanno utilizzato simulazioni di dinamica molecolare per studiare come le condizioni affollate influenzano una proteina importante del virus dell'epatite C, il complesso NS3/4A, responsabile della replicazione virale. Ma prima di addentrarci nei dettagli tecnici, vediamo perché questo studio è così interessante.

Singapore!

Solitamente mi piace immergermi nei misteri della biofisica computazionale, tra algoritmi che sembrano formule magiche e modelli matematici che sfidano la realtà, anche se in teoria mi piacerebbe anche soltanto comprenderla. Questa volta però ho deciso di abbandonare (per un po’) la mia consueta "zona di comfort" dei codici e delle simulazioni. Recentemente mi sono trovato a Singapore, una città che sembra aver capito che l'apprendimento non deve essere solo un esercizio di memoria, ma una vera e propria esperienza partecipativa. Immaginate una lezione in cui gli studenti non sono semplici spettatori passivi, ma attori protagonisti, come se ogni formula diventasse un numero in un musical scientifico. In tre università ho potuto vedere dal vivo come metodi didattici innovativi trasfomino il tradizionale "teatro della lezione frontale" in qualcosa di dinamico e interattivo. E no, non vi chiederò di risolvere equazioni  per seguire il racconto, ma vi racconterò la mia avventura in questa metropoli di idee e innovazione, con qualche aneddoto e qualche battuta lungo il percorso. 

Benvenuti nell’era dell’esascala: quando i computer diventano supereroi della biofisica!

Immaginate di avere un computer così potente che, oltre a risolvere complessi problemi scientifici, potrebbe anche dirvi quante volte avete dimenticato le chiavi... e quante probabilità ci sono che succeda di nuovo. Ecco, questo è il calcolo esascala: la nuova frontiera tecnologica che sta rivoluzionando il mondo della biofisica computazionale. In un recente articolo pubblicato su Biophysical Journal, Marcelo Melo e Rafael Bernardi ci portano in un viaggio attraverso le incredibili opportunità e le sfide di questa tecnologia, spiegando cosa significhi questa rivoluzione per la biofisica computazionale, il ramo della scienza che usa i supercomputer per studiare i segreti più profondi della vita, come il comportamento delle proteine, il funzionamento delle cellule o perché il nostro corpo insiste a volerci svegliare prima della sveglia: no, quella è l’ansia, la conosco bene! 

Ma cosa è il calcolo esascala? Beh, se partiamo dal calcolo petascala, diciamo che l’esascala ne è il fratello maggiore palestrato: parliamo di computer in grado di eseguire un quintilione di operazioni al secondo. Per mettere in prospettiva, è come se ogni persona sulla Terra facesse un milione di calcoli... ogni secondo... contemporaneamente. Impressionante, no?

Simulare per curare: come la biofisica computazionale accelera la scoperta di farmaci

Siamo ormai a fine anno e colgo l'occasione per scrivere qualcosa di più generale, del tipo: per chi si fosse sintonizzato in questo momento... uno dei motivi per cui mi sono avvicinato pian piano alla biofisica computazionale sicuramente è la mia innata, conclamata, incurabile e ormai cronica ipocondria, che mi ha portato a studiare bugiardini dei farmaci sin da quando ero bambino, naturalmente avvertendone tutti gli effetti collaterali. I farmaci mi hanno sempre atterrito e affascinato, a partire dai rimedi naturali. Avevo letto che già nell'antica Grecia (per cui ho sempre avuto un fascino particolare) utilizzavano la corteccia del salice, perché permetteva di abbassare la febbre. Mi è difficile immaginare come l'avessero scoperto, probabilmente con qualcuno addormentato in un tempio di Asclepios che ha sognato questo miracoloso rimedio. L'idea delle pozioni magiche da un lato attirava la mia curiosità di bambino e adolescente, dall'altro stimolava la cocciutaggine di voler capire "ma perché funzionano?" e soprattutto "ne possiamo trovare anche di migliori? Magari per curare le malattie che oggi riteniamo incurabili?". Un gran contributo mi era offerto dalla fantascienza: tra le prime serie televisive, ho amato molto i Visitors (V, the Visitors) nella serie originale degli anni '80, con tute arancioni e occhiali a goccia in linea con la moda del periodo. Ad un certo punto i misteriosi e fin troppo umani visitatori (prima ancora che si scoprisse la loro vera natura lucertoloide) regalavano all'umanità una fiala con la cura per il cancro: una miscela verde in una provetta. Quanta ingenuità. Tuttavia a quella ingenuità e alla mia ipocondria ho spesso ripensato quando mi sono avvicinato alla biofisica computazionale. Siamo il risultato della nostra adolescenza, no?

I premi Nobel, la legge di Amara e il ciclo Gartner

Sono stati assegnati da pochissimo i premi Nobel per la Fisica e per la Chimica del 2024: entrambi celebrano i progressi nell'intelligenza artificiale (AI) e nei metodi computazionali che hanno profonde implicazioni per le scoperte scientifiche. Scherzando, ho detto che i Nobel sono stati assegnati da ChatGPT e anche sui social in effetti è comparso il meme con il Nobel per la letteratura assegnato proprio alla piattaforma che permette di dialogare con l'intelligenza artificiale come se fosse davvero un altro essere umano, dotato di saggezza e onniscienza. Con le dovute cautele, naturalmente. 

Il Nobel per la Fisica è stato assegnato a John Hopfield e Geoffrey Hinton per i loro lavori pionieristici sulle reti neurali artificiali. La ricerca di Hopfield ha introdotto i modelli di memoria associativa ed è per me un ricordo molto caro, dato che la mia modestissima tesi di laurea verteva proprio su questo argomento, con uno studio che tentava di trovare analogie con il comportamento del cervello umano nell'elaborare i ricordi attraverso i sogni e nei meccanismi ossessivi. Del resto, a 23 anni potevo anche sognare. E a 51 in realtà non ho ancora smesso. Sulle ossessioni preferisco sorvolare... Hinton ha invece contribuito con lo sviluppo della cosiddetta "macchina di Boltzmann", che ha aperto la strada a quello che oggi chiamiamo "machine learning" o apprendimento automatico. Il machine learning ha in effetti permesso ai sistemi di AI di riconoscere e generare schemi. Entrambi i contributi sono stati considerati fondamentali per le applicazioni di machine learning moderne, dimostrando come i modelli basati sulla fisica possano trasformare l'elaborazione dei dati e il riconoscimento di schemi ripetuti o pattern.