Logo Università degli Studi di Milano


 

 
 
Notizie  

Ellis, il polo milanese che guarda al futuro: l'intelligenza artificiale per i nuovi farmaci


Trovare nuovi farmaci a RNA messaggero e ridurre l’impatto del cambiamento climatico. Due ambiti lontani con una cosa in comune: un’enorme massa di dati da analizzare e confrontare. Dove non arrivano le analisi di laboratorio e i modelli matematici viene in soccorso l’intelligenza artificiale: «Indipendentemente dal campo applicativo, l’AI permette di analizzare big data e individuare pattern e corrispondenze altrimenti introvabili», spiega Giorgio Valentini, docente di informatica della Statale che sta lavorando allo sviluppo di nuovi metodi di AI per la ricerca di nuovi farmaci a RNA.

Il progetto si inserisce nell’unità milanese di Ellis ,costituita lo scorso novembre da Università Statale, Bicocca, Politecnico e Bocconi, che hanno unito le forze per creare uno dei maggiori poli scientifici europei sul tema. Ellis è l’associazione che riunisce scienziati e accademici europei di AI e a capo dell’unità milanese – che conta 60 persone impegnate in diversi progetti di ricerca autonomi – c’è Nicolò Cesa Bianchi, docente di Informatica della Statale.
La ricerca di Valentini è inserita anche nell’ambito del nuovo Centro nazionale per lo sviluppo della terapia genica e di farmaci con tecnologia a RNA finanziato dal PNRR, che unisce università, centri di ricerca e grandi aziende farmaceutiche, tra cui Astrazeneca. «È previsto un finanziamento di circa 320 milioni di euro, tra i più consistenti in Italia dal dopoguerra, motivato dall’impatto economico e sociale potenzialmente enorme di questi nuovi farmaci». I farmaci a RNA, alla base dei vaccini contro il Covid-19, potrebbero essere utili per curare un ampio spettro di patologie, dal cancro alle malattie genetiche e neurodegenerative. Rispetto a quelli tradizionali, essi hanno un ventaglio di molecole bersaglio più ampio, possono essere personalizzabili sul singolo paziente e hanno tempi e costi di produzione minori, quindi sono più adattabili a patogeni a rapida evoluzione.

Qual è il ruolo dell’AI in tutto questo? «Innanzitutto raccogliamo tutti i dati biomedici disponibili: sperimentali, dai database pubblici e dalla letteratura scientifica», spiega Valentini, «li organizziamo in forma di grafi, cioè oggetti in cui stabiliamo correlazioni, per esempio tra un gene e una malattia o un gene e un farmaco. Poi sviluppiamo metodi di AI in grado di trovare nuove correlazioni, per esempio tra un farmaco e una molecola bersaglio, e fare predizioni, che dovranno poi essere verificate in laboratorio.

Si tratta di considerare milioni di possibili interazioni farmaco-bersaglio: l’AI può farlo agevolmente, in laboratorio sarebbe impossibile o troppo costoso».

Il gruppo lavora in stretta collaborazione con medici e ricercatori in campo farmacologico e biotecnologico – Valentini stesso, oltre che informatico, ha una laurea in biologia. Ma tutta la loro ricerca si svolge davanti a un computer – nessuna pipetta o cappa aspirante. I laboratori al secondo piano di via Celoria 18 ospitano calcolatori simili a grandi frigoriferi – l’aria condizionata è al massimo per non far surriscaldare l’ambiente. «Sviluppiamo metodi e algoritmi sulle nostre macchine, poi quando dobbiamo fare calcoli massicci li facciamo girare su supercomputer».

Strumenti simili a quelli utilizzati dal gruppo Clint (climate intelligence) del Politecnico, guidato da Andrea Castelletti, che invece studia il legame tra variabili atmosferiche o climatiche, fenomeni estremi e influenze antropiche; implementa i modelli climatici previsionali esistenti e studia se questi nuovi modelli possono essere vantaggiosi per le decisioni in ambito agricolo, idrico ed energetico. Sempre attraverso l’AI. Un esempio: «Abbiamo studiato i legami tra la temperatura superficiale di alcune celle dell’Oceano Atlantico e i periodi di siccità a sud delle Alpi. Gli studi precedenti consideravano solo alcune celle dell’Oceano, credendo fossero quelle che generavano questi fenomeni, mentre l’AI ne ha trovate altre coinvolte. Ora i climatologi stanno cercando di capire la ragione fisica di questo legame per implementare i modelli previsionali esistenti».

Attualmente la gestione energetica, agricola e idrica è influenzata dalle previsioni climatiche basate sui modelli esistenti: per esempio ogni stagione si sceglie se conservare o meno nel lago di Como l’acqua che arriva dallo scioglimento nivale da aprile a luglio rischiando una piena ma conservandola per la domanda a valle nei mesi successivi. Il gruppo del Politecnico studierà anche se il nuovo modello previsionale può migliorare queste decisioni. «L’idea di base è quella di avere modelli climatici sempre più precisi sul lungo periodo, che non ci diranno se pioverà o meno tra due mesi ma ci daranno indicazioni sui trend, per preparaci in anticipo». Sarebbe stato utile con l’ondata di calore di quest’estate, che non era stata prevista dai modelli climatici attuali, ma che uno studio uscito su Nature Communications ha ricondotto al persistere delle correnti a doppio getto nella zona Euroasiatica. A trovare questa correlazione a posteriori, inutile dirlo, è stata l’intelligenza artificiale.

di Nicola Baroni da Repubblica del 20 agosto 2022

29 agosto 2022
Torna ad inizio pagina