Su 2,12 mln di combinazioni testate, l'AI individua 3 nuove ipotesi genetiche per eliminare le cellule tumorali risparmiando quelle sane

Cos’è successo

Per verificare se un modello di intelligenza artificiale possa contribuire alla scoperta scientifica, Codex è stato utilizzato per analizzare 2,12 milioni di possibili interazioni genetiche, confrontando 115 geni oncosoppressori con 18.443 target ottenuti da screening CRISPR. L'analisi ha identificato tre nuove potenziali interazioni di letalità sintetica, tutte ancora da validare sperimentalmente, ma sufficientemente robuste da meritare ulteriori studi.

Non si tratta semplicemente di accelerare una revisione della letteratura. Per la prima volta un modello AI viene utilizzato per generare nuove ipotesi biologiche, suggerendo esperimenti che non erano stati descritti in precedenza.

Perché conta

• L'AI passa dall'analisi alla scoperta. Finora i modelli generativi sono stati impiegati soprattutto per riassumere informazioni esistenti. Il passo successivo è utilizzarli per individuare relazioni biologiche ancora sconosciute e proporre nuove direzioni di ricerca;
• Cambia il metodo scientifico. L'ipotesi non nasce più esclusivamente dall'intuizione del ricercatore, ma anche dall'analisi sistematica di milioni di combinazioni impossibili da esplorare manualmente. Il laboratorio diventa sempre più un luogo di validazione delle ipotesi generate dall'AI;
• La ricerca diventa scalabile. Con l'aumento dei database biologici e dei laboratori automatizzati, sarà possibile esplorare simultaneamente milioni di possibili target terapeutici, riducendo tempi e costi della fase di discovery.

Adesso

• Le aziende farmaceutiche investiranno sempre di più in piattaforme capaci di generare automaticamente nuove ipotesi sperimentali;
• La competitività della ricerca dipenderà sempre meno dal numero di ricercatori e sempre più dalla qualità dei dati e degli algoritmi disponibili;
• Nel prossimo decennio il vantaggio competitivo non sarà soltanto possedere il miglior laboratorio, ma costruire sistemi in grado di proporre continuamente nuove domande scientifiche e testarle con cicli sempre più rapidi di validazione.