Scienza nel weekend: Un computer quantistico ha appena aiutato a inventare nuovi candidati farmaci

Punti chiave

• I ricercatori della Technical University of Denmark hanno utilizzato nel 2024 un modello di intelligenza artificiale assistito da computer quantistico per generare peptidi inediti, brevi catene simili a proteine utilizzate nello sviluppo di farmaci.
• I test di laboratorio hanno confermato che il modello assistito da computer quantistico ha prodotto più peptidi efficaci rispetto all'equivalente software standard, con i guadagni maggiori dove i dati di addestramento erano scarsi.
• Il team ha finanziato il lavoro mettendo insieme denaro non speso da altri progetti e lavorando nei fine settimana, poiché nessun ente di finanziamento lo avrebbe supportato.
• I computer quantistici sono ancora troppo piccoli per eseguire modelli di scoperta di farmaci su scala intera, quindi questo risultato è una prova di concetto, non un prodotto finito.
• ORCA Computing, la startup britannica che ha costruito la macchina quantistica, afferma che lo studio è uno dei primi chiari usi commerciali a breve termine della tecnologia.

Un piccolo team della Technical University of Denmark (DTU) ha dimostrato che collegare un computer quantistico a una pipeline di scoperta di farmaci basata su intelligenza artificiale può produrre candidati medicinali migliori rispetto all'uso di un computer standard da solo. Hanno pubblicato i risultati dopo aver eseguito l'esperimento nei fine settimana, pagandolo con il budget avanzato da altre sovvenzioni.

Il modello di intelligenza artificiale in questione è un modello generativo, un software che crea nuovi output anziché limitarsi a classificare quelli esistenti, simile nello spirito alla tecnologia alla base dei generatori di immagini. Qui generava peptidi: minuscole catene di amminoacidi, i mattoni delle proteine, che possono agganciarsi a bersagli specifici all'interno del corpo. Trovare peptidi che si legano in modo affidabile a una proteina bersaglio è un passaggio iniziale critico nella progettazione di vaccini e altri medicinali.

La macchina quantistica che hanno utilizzato è stata costruita dalla startup britannica ORCA Computing ed è circa delle dimensioni di una stampante da tavolo. Non è un sostituto autonomo di un computer normale. Invece, funziona insieme a uno, una configurazione che i ricercatori chiamano sistema ibrido. Il componente quantistico gestisce una parte specifica del calcolo dove la fisica quantistica gli dà un vantaggio nell'esplorare possibilità diverse.

I test di laboratorio sono stati importanti qui. Il team ha effettivamente sintetizzato i peptidi suggeriti dal modello e ha testato se aderissero fisicamente alle loro proteine bersaglio. Lo hanno fatto, e con un tasso di successo più elevato rispetto ai peptidi generati dalla versione classica, non quantistica, dello stesso modello. Il miglioramento è stato più marcato per le proteine dove i dati di addestramento, gli esempi storici da cui l'intelligenza artificiale impara, erano limitati.

Questo ultimo punto è significativo. La maggior parte della ricerca medica si è concentrata sulle popolazioni occidentali, lasciando meno dati genetici per le persone in Asia, Africa e altri gruppi poco studiati. Il professor Timothy Patrick Jenkins della DTU, che ha guidato il progetto, ha dichiarato a Wired che il passaggio quantistico sembrava aiutare il modello a generare un insieme di candidati più diverso anche con dati scarsi, il che potrebbe eventualmente aiutare a produrre medicinali che funzionano in una gamma più ampia di pazienti.

Questo significa che i computer quantistici cambieranno presto la medicina?

Non ancora. Le macchine quantistiche disponibili oggi sono troppo piccole per eseguire un modello di anticorpi di dimensioni complete, il tipo con cui i ricercatori normalmente lavorano. Un computer standard di fascia alta avrebbe comunque prestazioni migliori su la maggior parte dei compiti reali di scoperta di farmaci. Il CEO di ORCA Computing Richard Murray ha riconosciuto che la tecnologia ha a lungo sofferto della mancanza di usi commerciali a breve termine chiaramente definiti. Questo studio, afferma, è uno dei primi esempi concreti che può fare qualcosa di utile in un contesto commerciale oggi.

Jenkins sta già pianificando il passo successivo: testare il flusso di lavoro su proteine più grandi e modelli di intelligenza artificiale più avanzati. Sta anche esplorando se lo stesso approccio quantistico potrebbe aiutare a progettare antidoti sintetici per il veleno di serpente, un'area trascurata che attrae pochi finanziamenti per la ricerca.

Per pazienti e il pubblico, l'impatto pratico è ancora lontano anni. Quello che questo studio fa è dare ai ricercatori un piccolo ma reale motivo per continuare a esplorare la combinazione.