Gli scienziati hanno sviluppato un nuovo sistema di apprendimento automatico che potrebbe aiutare a conservare vaccini, sangue e altri trattamenti medici.
La ricerca, pubblicata su Nature Communications, è stata condotta dall’Università di Warwick e dall’Università di Manchester.
Il sistema di intelligenza artificiale aiuta a identificare le molecole chiamate crioprotettori – composti che prevengono i danni durante il congelamento dei materiali biologici.
I crioprotettori sono sostanze speciali che aiutano a proteggere le cellule e i tessuti viventi da danni quando vengono congelati.
Agiscono prevenendo la formazione di dannosi cristalli di ghiaccio, che essenzialmente rompono i tessuti quando vengono congelati, e aiutano le cellule a mantenere la loro struttura in condizioni di freddo estremo.
Questi composti sono di fondamentale importanza per la conservazione di oggetti come vaccini, campioni di sangue e cellule riproduttive per lo stoccaggio o il trasporto a lungo termine.
I criopreventi potrebbero un giorno essere utilizzati per conservare organi, tessuti complessi o addirittura interi esseri umani.
Attualmente, trovare nuovi crioprotettori è un processo lento, basato su tentativi ed errori. Questo nuovo approccio guidato dal ML permette ai ricercatori di vagliare rapidamente e virtualmente centinaia di potenziali molecole.
Ecco alcuni punti chiave dello studio:
- Il team ha creato un modello di apprendimento automatico addestrato sui dati dei crioprotettori esistenti.
- Questo modello è in grado di prevedere l’efficacia di nuove molecole come crioprotettori.
- I ricercatori hanno utilizzato il modello per vagliare una libreria di circa 500 aminoacidi.
- Il sistema ha identificato diversi composti promettenti, tra cui un estere di aminooxazolo che ha superato molti crioprotettori noti.
- I test di laboratorio hanno confermato le previsioni dell’intelligenza artificiale: il nuovo composto ha mostrato una forte capacità di prevenire i cristalli di ghiaccio.
- La molecola scoperta ha migliorato la conservazione dei globuli rossi quando è stata combinata con le tecniche standard.
L’estere amino-ossazolico identificato dallo studio ha dimostrato qualità particolarmente notevoli di inibizione della ricristallizzazione del ghiaccio (IRI). Ha impedito quasi completamente ai cristalli di ghiaccio di ingrandirsi durante il processo di congelamento.
Il composto è rimasto efficace anche quando i ricercatori ne hanno abbassato la concentrazione. Inoltre, ha mantenuto le sue proprietà di inibizione del ghiaccio anche nella soluzione salina tamponata con fosfati (PBS), una soluzione che riproduce la concentrazione di sale nel corpo umano.
Il dottor Matt Warren, il dottorando che ha guidato il progetto, ha descritto come il modello acceleri l’efficienza: “Dopo anni di raccolta di dati ad alta intensità di lavoro in laboratorio, è incredibilmente emozionante poter disporre di un modello di apprendimento automatico che consente un approccio guidato dai dati per prevedere l’attività crioprotettiva”
Il professor Matthew Gibson di Manchester ha aggiunto: “I risultati del modello computerizzato sono stati sorprendenti e hanno identificato molecole attive che non avrei mai scelto, nemmeno con i miei anni di esperienza”
Il professor Gabriele Sosso, che ha guidato il team di Warwick, ha spiegato in un post sul blog che, per quanto impressionante, l’apprendimento automatico non è una panacea per questo tipo di problemi di ricerca: “È importante capire che l’apprendimento automatico non è una soluzione magica per ogni problema scientifico. In questo lavoro, lo abbiamo usato come uno strumento tra tanti”
I ricercatori hanno combinato le previsioni dell’intelligenza artificiale con simulazioni molecolari ed esperimenti di laboratorio: un approccio su più fronti che ha aiutato a convalidare i risultati e a perfezionare il modello.
Questo contribuisce a una serie di studi guidati dall’intelligenza artificiale per la scoperta di farmaci e la progettazione di materiali. I ricercatori hanno costruito modelli di intelligenza artificiale per generare interessanti composti medicinali, uno dei quali è stato portato alla sperimentazione clinica.
DeepMind ha anche creato un modello chiamato GNoME in grado di generare e sintetizzare automaticamente i materiali.
I nuovi composti crioprotettori scoperti potrebbero avere un ampio impatto sul mondo reale.
Ad esempio, i ricercatori descrivono come il miglioramento della crioconservazione potrebbe estendere la durata di conservazione dei vaccini e rendere più facile il trasporto di trattamenti medici sensibili in aree remote.
La tecnica potrebbe anche accelerare le trasfusioni di sangue riducendo il tempo necessario per processare il sangue congelato.
Sebbene i risultati siano promettenti, il team avverte che è necessario un ulteriore lavoro per comprendere appieno il funzionamento di questi nuovi composti e per garantirne la sicurezza e la stabilità medica.
