Il 2024 verrà ricordato come un anno straordinario per lo studio delle proteine; il merito è di Demis Hassabis, John M. Jumper e David Baker, premi Nobel per la Chimica 2024. A loro l’onore di eccezionali contributi: rispettivamente, a Hassabis e Jumper quello della previsione della struttura tridimensionale delle proteine (protein folding), a Baker quello della progettazione di nuove proteine (design computazionale delle proteine de novo). Possiamo riconoscere nei tre ricercatori il raggiungimento di traguardi che si intrecciano: Hassabis e Jumper hanno risolto il problema di definire la struttura di una proteina partendo dalla sua sequenza di amminoacidi; Baker, invece, è partito dalla struttura-funzione desiderata di una proteina per arrivare alla sua sequenza.
La previsione della struttura di una proteina
Un problema che ha impegnato gli studiosi per circa 50 anni, tanto che nel 1994, con l’avvio del progetto CASP (Critical Assessment of Protein Structure Prediction), ha preso avvio una vera e propria competizione biennale per i ricercatori interessati alla soluzione. Essi ricevono sequenze amminoacidiche di proteine la cui struttura è stata già risolta sperimentalmente con la cristallografia a raggi X, ma non ancora pubblicata. I modelli predittivi della struttura sono poi confrontati con la struttura reale in termini di percentuali di accuratezza.
La svolta si registra nel 2018 (CASP 13), quando Hassabis utilizza un modello di intelligenza artificiale, AlphaFold, ottenendo un’accuratezza vicina al 60%: un risultato molto incoraggiante, visto che da tempo non si riusciva ad abbattere la soglia del 40%.
Decisivo è stato il successivo contributo di Jumper, accolto nel team di Hassabis per la messa a punto del nuovo modello presentato al CASP del 2020, AlphaFold2, basato sul deep learning dell’AI e arricchito dalle vaste informazioni contenute nei database di tutte le strutture proteiche conosciute e delle corrispondenti sequenze di amminoacidi. L’accuratezza nella predizione è risultata sovrapponibile a quella ottenuta con la cristallografia a raggi X.
Il vantaggio è considerevole: prima di AlphaFold2, determinare la struttura di una singola proteina poteva richiedere anni di lavoro in laboratorio; oggi si ottiene un modello predittivo accurato in pochi minuti.
Come funziona AlphaFold2?
- Una rete neurale complessa è addestrata su decine di migliaia di strutture proteiche tridimensionali già note sperimentalmente e sulle loro sequenze amminoacidiche corrispondenti.
- Il modello impara a riconoscere le relazioni evolutive (sequenze che si sono evolute insieme) e le distanze spaziali (quali amminoacidi si trovano vicini tra loro nello spazio, anche se lontani nella sequenza lineare).
- Si costruisce un primo modello strutturale, che viene poi affinato fino a ottenere un modello 3D di altissima precisione.
Il design computazionale delle proteine
Negli anni ’90, Baker costruisce un software, Rosetta, in grado di prevedere le strutture proteiche e partecipa con discreto successo al CASP del 1998. L’idea vincente che ne è seguita, però, è stata quella di utilizzare il software “al contrario”: si inserisce una struttura proteica desiderata e si richiede la sua corrispondente sequenza di amminoacidi.
In pratica, Rosetta riesce a rispondere alla domanda: «Quale sequenza amminoacidica si ripiegherà nella forma e svolgerà la funzione che desidero?». Nasce così, nel 2003, la proteina Top7, una proteina artificiale con una struttura unica, mai osservata in natura.
Un traguardo di grande importanza: le proteine progettate e costruite de novo possono essere utilizzate in nuovi farmaci e vaccini di precisione, in nanomateriali proteici che si auto-assemblano (nanoparticelle) e in nuovi enzimi con funzioni completamente inedite, ad esempio per la degradazione della plastica.
L’impiego di Rosetta per il design di nuove proteine
- Si definisce una forma 3D o una funzione specifica che la proteina deve svolgere (ad esempio, catalizzare una nuova reazione).
- Rosetta modella lo “scheletro” della proteina (la catena principale) in modo che si ripieghi nella forma desiderata e avvia il processo di design della sequenza. In ogni posizione dello scheletro proteico, Rosetta esamina i 20 possibili amminoacidi e, per ciascuno, calcola la probabilità (o il punteggio energetico) che quel determinato amminoacido si adatti all’ambiente circostante e stabilizzi la struttura complessiva.
- Attraverso un algoritmo di ottimizzazione, Rosetta seleziona la migliore sequenza che, secondo le leggi chimico-fisiche, garantirà il ripiegamento stabile nella forma 3D prestabilita e, di conseguenza, la funzione desiderata.
- La sequenza amminoacidica così ottenuta viene poi sintetizzata in laboratorio (ad esempio tramite ingegneria genetica) per testare sperimentalmente la proteina artificiale, che avrà una forma e una funzione create “su misura”.
Un esempio applicativo
SPL C060/1593 è un esempio delle applicazioni di queste scoperte, questa infatti è proteina sintetica a spirale sviluppata appositamente per legare gli ioni terbio (III).
Gli ioni Terbio (Tb³⁺), un elemento delle terre rare, sono dotati di particolari proprietà ottiche e magnetiche che ne permettono diverse applicazioni avanzate. Per esempio, nella nanomedicina si stanno sviluppando tecniche che utilizzano nanoparticelle a base di terbio per applicazioni in:
• bioimaging per la diagnostica e l’identificazione precoce di malattie come il cancro;
• terapeutica (teranostica), per l’effetto combinato di diagnostica e terapia con la somministrazione mirata di farmaci a siti specifici.
Attività Didattica
La portata delle due scoperte per la biologia molecolare è a dir poco sensazionale, ma altrettanto rilevante è l’impatto orientativo che ne può derivare. Illustrare i traguardi raggiunti dai vincitori del premio Nobel per la Chimica 2024 rappresenta un’occasione per mostrare agli studenti come la contaminazione tra discipline possa condurre a risultati fortemente innovativi.
Si incoraggiano percorsi di studio flessibili, curiosità, spirito critico e interdisciplinarità, perché a volte…
«non è necessario partire dalla biologia molecolare per arrivare a rivoluzionarla».
Attività
1. Traccia i percorsi formativi dei tre ricercatori protagonisti attraverso la lettura del seguente link: Il Premio Nobel per la Chimica 2024 – Informazioni divulgative – NobelPrize.org.
2. Quali competenze disciplinari trasversali sono condivise dai tre protagonisti?
3. Le soft skills hanno giocato un ruolo importante nel raggiungimento degli obiettivi?
4. Riesci a immaginare possibili sviluppi nel campo del design de novo di proteine?