I modelli di intelligenza artificiale potrebbero generare cellule virtuali capaci di simulare le risposte ai farmaci, sostituendo in parte gli esperimenti tradizionali e riducendo tempi e costi della ricerca
Nel laboratorio del futuro, i biologi potrebbero usare il mouse più della pipetta e passare più tempo davanti a uno schermo che al bancone. Non perché smetteranno di studiare le cellule, ma perché a supportare – o persino sostituire – gli esperimenti tradizionali potrebbero esserci “repliche virtuali” di queste minuscole unità viventi: modelli creati con l’intelligenza artificiale (AI), capaci di simulare in pochi secondi risposte che oggi richiedono giorni o settimane di lavoro, come l’effetto di un farmaco o di una modifica genetica. Una rivoluzione che promette di accelerare enormemente la ricerca, riducendo costi e tempi. Ma non tutti sono convinti: secondo alcuni scienziati, le cellule virtuali sono ancora lontane dall’essere davvero affidabili – e forse non lo saranno mai del tutto. Un articolo pubblicato a luglio su Nature esplora potenzialità e limiti di questi modelli computerizzati.
Oggi il lavoro di un biologo è per il 90% sperimentale e per il restante 10% computazionale. Ma se la percentuale fosse invertita? I biologi potrebbero simulare le condizioni degli esperimenti al computer, utilizzando repliche virtuali della più piccola unità vivente: la cellula. L’idea di riprodurre la vita cellulare al computer non è nuova. Già nel 2012 un team di ricerca aveva creato un modello computazionale completo del batterio Mycoplasma genitalium, un organismo con appena 525 geni. In seguito, sono stati sviluppati modelli anche per altri microrganismi, come Escherichia coli. Il filo conduttore di questi primi esperimenti era un approccio strettamente meccanicistico: la cellula veniva suddivisa in componenti, ciascuno modellato secondo regole fisico-chimiche ben precise. In altre parole, gli scienziati cercavano di riprodurre ogni singolo processo cellulare applicando le leggi note della fisica, della chimica e della biologia: dalla cinetica enzimatica alla trascrizione e traduzione del DNA, dal metabolismo alla divisione cellulare.
Ma nessuno di questi modelli, finora, è riuscito a catturare pienamente il funzionamento di una cellula, che è un sistema complesso e dinamico, basato su migliaia di interazioni molecolari difficili da codificare in regole ed equazioni. Il problema non è solo la quantità di elementi coinvolti, ma anche la natura non lineare dei sistemi cellulari: piccole variazioni, anche minime, possono generare effetti imprevisti e a cascata – una vera sfida per i modelli tradizionali. Oggi è entrato in gioco un nuovo attore: l’intelligenza artificiale. I modelli basati su IA non hanno bisogno di conoscere a priori la meccanica di ogni singolo processo cellulare: imparano direttamente dai dati. Sono in grado di analizzare grandi quantità di informazioni (come espressione genica, morfologia, risposta ai farmaci) e identificare correlazioni e schemi ripetuti, generando previsioni sempre più complesse in base a ciò che hanno “visto” nel loro addestramento.
In passato la principale fonte di dati sullo stato di una cellula era rappresentata dall’RNA messaggero, una “fotografia” dei geni attivi in un dato momento. Oggi, invece, si utilizza sempre di più il sequenziamento a singola cellula, che consente di analizzare i genomi di milioni di cellule una per una, fornendo dati ad altissima risoluzione sull’identità molecolare e funzionale di ciascuna. Con dataset così ampi, le intelligenze artificiali possono apprendere correlazioni sempre più sofisticate. Allo stesso modo in cui un modello linguistico può generare testi realistici dopo averne “letti” migliaia, le AI applicate alla biologia vengono addestrate su centinaia di milioni di profili cellulari, fino a generare simulazioni coerenti e – si spera – predittive.
Ma per alcuni scienziati, i dati del sequenziamento a singola cellula, pur essendo incredibilmente informativi, non sono sufficienti. Secondo Jan Ellenberg, biologo molecolare presso il Science for Life Laboratory in Svezia, per ottenere simulazioni davvero utili sarà necessario integrare molte più informazioni, come le immagini ottenute da microscopi ottici o elettronici, che mostrano la struttura tridimensionale delle cellule e l’interazione dinamica delle loro componenti. Anshul Kundaje, biologo computazionale alla Stanford University, è ancora più scettico. Nell’articolo, sostiene che l’entusiasmo attorno a questi modelli sia dettato più dalla retorica e dai finanziamenti che da risultati concreti. E poi c’è un problema più profondo: che cos’è, esattamente, una cellula virtuale? Il termine è sempre più usato, ma manca una definizione condivisa. Lo conferma Tim Mitchison, biologo cellulare della Harvard Medical School, che dopo aver partecipato a un workshop organizzato dalla Chan Zuckerberg Iniziative (CZI) ha commentato: “C’era pochissimo consenso tra i partecipanti”.
Eppure, nonostante i limiti, molti ricercatori restano ottimisti. Modelli mirati su tipi cellulari specifici – come le cellule cardiache o gli organoidi intestinali – potrebbero diventare strumenti utili per studiare malattie, scoprire nuovi farmaci e personalizzare le terapie. Gli esperimenti tradizionali non scomparirebbero, ma potrebbero servire sempre più spesso a confermare ciò che prima è stato osservato sulle cellule virtuali.
