Mentre la Repubblica Democratica del Congo (Rdc) si trova a fare i conti con una nuova e preoccupante epidemia della rara specie di virus Ebola Bundibugyo, la risposta della comunità scientifica globale accelera grazie alle nuove tecnologie digitali. In Texas, un team di scienziati del Southwest Research Institute (SwRI) è riuscito a schierare l’intelligenza artificiale e il machine learning per completare uno screening virtuale ultrarapido, identificando una ventina di composti antivirali promettenti. Di questi, 18 analoghi molecolari sono stati selezionati per entrare immediatamente nella fase di sperimentazione in laboratorio.
«I nostri strumenti di IA aiutano a identificare rapidamente i farmaci candidati che hanno maggiori probabilità di funzionare non solo in un ambiente di alto biocontenimento, ma anche nel corpo umano», ha spiegato Jonathan Bohmann, responsabile dello sviluppo del software di docking molecolare Rhodium, la piattaforma proprietaria dell’istituto SwRI utilizzata per scansionare i database chimici alla ricerca di armi terapeutiche.
Dalla molecola “M7” alla svolta degli algoritmi generativi
La caccia a un trattamento per l’Ebola Bundibugyo non parte da zero, ma si scontra da anni con un grave problema industriale. Attualmente non esistono farmaci approvati specificamente per questa variante del virus. Negli ultimi due anni, lo SwRI ha collaborato con il Texas Biomedical Research Institute (Texas Biomed) per testare una piccola molecola chiamata “M7”.
M7 è un potente inibitore della specie Ebola Zaire ed è un antivirale ad azione ospite: invece di attaccare direttamente il virus (che muta rapidamente), agisce sulle cellule dell’organismo ospite bloccando i meccanismi di replicazione del patogeno. Questo significa che, teoricamente, M7 potrebbe funzionare su quasi tutte le varianti di Ebola. Tuttavia, i test di laboratorio hanno rivelato che la molecola M7 non possiede le proprietà di stabilità necessarie per essere prodotta su larga scala come farmaco commerciale.
È qui che l’alleanza tra Modelli Linguistici di Grandi Dimensioni (LLM) e chimica computazionale ha sbloccato l’impasse: l’IA ha analizzato la struttura di M7 e, in pochi giorni, ha generato e selezionato 18 varianti correlate (analoghi), chimicamente più stabili, producibili su scala industriale e con una catena di approvvigionamento interamente nazionale per garantire una risposta d’emergenza immediata.
Sicurezza globale e test su virus vivi nei laboratori BSL4
La ricerca, parzialmente legata a una collaborazione di lungo termine avviata nel 2016 con la Defense Threat Reduction Agency (DTRA) statunitense, si sposta ora dalla simulazione al computer alla prova del nove biologica. Nelle prossime settimane, i 18 composti chimici verranno spediti nei laboratori del Texas Biomed, uno dei pochissimi centri indipendenti al mondo dotati di strutture di Livello di Biosicurezza 4 (BSL4), attrezzate per manipolare in totale sicurezza agenti patogeni letali e privi di cure disponibili, proprio come il virus vivo di Ebola Bundibugyo.
«L’attuale epidemia ci ricorda chiaramente che la ricerca biomedica non è solo una priorità per la salute pubblica, ma anche una questione di sicurezza nazionale e globale», ha evidenziato Larry Schlesinger, presidente e Ceo di Texas Biomed. «Un investimento costante nello sviluppo di vaccini e terapie è essenziale per garantire di essere preparati a contenere le epidemie prima che diventino minacce globali più ampie».
I test biologici imminenti diranno quali di queste 18 molecole avranno le carte in regola per diventare il primo farmaco al mondo approvato contro una delle varianti più sfuggenti dell’Ebola.
🤖 Rhodium + LLM: Come funziona il “matching” dei farmaci
Il software Rhodium compie quello che in gergo tecnico viene chiamato “docking molecolare virtuale”: simula tridimensionalmente al computer l’incastro perfetto tra la struttura del farmaco candidati e i recettori cellulari. L’integrazione con i modelli linguistici di grandi dimensioni (LLM) ha permesso agli scienziati di andare oltre, chiedendo all’algoritmo di ridisegnare attivamente parti della molecola instabile per renderla più resistente alla degradazione chimica, prevedendo al contempo la facilità di reperimento dei precursori sul mercato nazionale.