La startup britannica Potential Sciences vuole utilizzare l’intelligenza artificiale per accelerare la progettazione di farmaci, un processo lento e capriccioso. Lanciata il 5 novembre, intende aggirare una parte significativa degli esperimenti di laboratorio, costosi e lunghi, per identificare molecole adatte a malattie specifiche.
- La startup britannica Potential Sciences vuole usare l’intelligenza artificiale per progettare farmaci, riducendo gli esperimenti di laboratorio.
- Il metodo si basa su simulazioni e banche dati chimiche che prevedono il comportamento delle molecole.
- I fondatori non hanno rivelato né l’importo del finanziamento né la valutazione dell’azienda.
- Resta da verificare se le previsioni saranno abbastanza precise per funzionare davvero in clinica.
Simulare piuttosto che sperimentare
Il principio si basa sulla simulazione. Potential Sciences prevede di costruire grandi banche dati chimiche basandosi sui principi fondamentali della fisica, prima per modellare le interazioni tra atomi, poi tra piccole molecole, poi tra amminoacidi complessi e proteine. Questi dati servirebbero ad addestrare modelli di IA e sistemi di previsione, cioè software capaci di stimare il comportamento di una molecola prima di testarla.
Il fondatore e amministratore delegato dell’azienda, Hatem Helal, spiega a WIRED il suo obiettivo: «Vogliamo che le molecole che non funzioneranno mai in clinica falliscano rapidamente». Aggiunge che ciò presuppone «strumenti migliori per prevedere come si comporteranno quando interagiscono con la biologia umana».
Un finanziamento senza importo preciso
La startup, lanciata il 5 novembre, indica di aver raccolto un finanziamento iniziale dell’ordine di diverse decine di milioni di dollari da SovAI, il fondo di venture capital dedicato all’IA del governo britannico, e da Twin Path Ventures, tra altri investitori. I fondatori hanno rifiutato di comunicare l’importo esatto così come la valutazione dell’azienda.
Secondo Hatem Helal, una riduzione del costo degli esperimenti potrebbe anche rendere redditizio, per i laboratori farmaceutici, lo sviluppo di trattamenti per malattie rare, finora largamente trascurate. «Vogliamo rendere possibili trattamenti più personalizzati per le malattie, questa idea che i farmaci possano essere combinazioni molecolari uniche, adatte alla biologia umana propria di ciascuno», dichiara.
Promesse ancora da verificare
Rimane una questione centrale: Potential Sciences riuscirà a prevedere con la precisione sperata il modo in cui i candidati farmaci si legano alle proteine associate alle malattie? Un tale progresso presupporrebbe un miglioramento notevole. Peter Wolynes, professore di chimica alla Rice University, si dice «sicuro che sarà un miglioramento». Stima tuttavia che, per la progettazione delle proteine, «l’ingegneria è al livello dei Romani, non del Rinascimento».
Diverse personalità del settore difendono un’altra visione. Demis Hassabis, premio Nobel per la chimia per i suoi lavori presso Google DeepMind, ha a lungo affermato che i progressi dell’IA finiranno per portare a scoperte scientifiche maggiori, simile a quanto la tecnologia ha recentemente iniziato a produrre in matematica. Le giovani aziende come Potential Sciences sperano che la scoperta di farmaci sarà uno dei primi campi scientifici trasformati da questa tecnologia.
