STATI UNITIL’Intelligenza Artificiale come nuova alleata della biologia sintetica

Gli scienziati del Lawrence Berkeley National Laboratory (Berkeley Lab) del Department of Energy degli Stati Uniti hanno realizzato un nuovo strumento che adatta gli algoritmi di apprendimento automatico alle esigenze della biologia sintetica per guidare lo sviluppo di cellule che non esistono in natura. Lo studio, pubblicato su Nature Communication, apre la strada all’incremento di nuove tecniche che possono rivelarsi utili per riprogettare in maniera veloce sistemi viventi come lieviti e batteri per numerose applicazioni, dalla produzione di farmaci a quella di biocarburanti.
Il nuovo algoritmo si chiama Automated Recommendation Tool (ART) ed è in attesa di brevetto.
Dopo un semplice addestramento, ART è in grado di prevedere come determinate modifiche del DNA o dei processi biochimici di una cellula influenzeranno il suo comportamento, guidando così la sua ingegnerizzazione. «Le possibilità sono rivoluzionarie», ha affermato Hector Garcia Martin, ricercatore della divisione di sistemi e ingegneria biologica (BSE) del Berkeley Lab che ha guidato la ricerca. «Ora la bioingegneria è un processo molto lento: sono serviti anni per creare il farmaco antimalarico artemisinina. Se invece sei in grado di creare nuove cellule per un’indicazione specifica in un paio di settimane o mesi, puoi davvero stravolgere quello che puoi fare con la bioingegneria».
Al fine di testare l’efficacia dell’algoritmo, i ricercatori lo hanno utilizzato per guidare il processo di ingegneria metabolica per aumentare la produzione di triptofano, un amminoacido con vari usi, da una specie di lievito chiamato Saccharomyces cerevisiae, o lievito di birra. Nello specifico, hanno selezionato cinque geni, ciascuno dei quali controllato da altri geni o meccanismi regolatori, rivelando in totale 8.000 possibili combinazioni. Grazie alla collaborazione con l’Università tecnica della Danimarca, hanno ottenuto dati sperimentali relativi a 250 di queste combinazioni (che rappresentano il 3% di tutte le combinazioni possibili), dati che sono stati usati per addestrare l’intelligenza artificiale. L’algoritmo ha così imparato quale amminoacido viene prodotto in base ai geni accesi nella cellula.
Adoperando un procedimento statistico, l’algoritmo è poi riuscito a dedurre come le restanti 7.000 combinazioni possono influire sulla produzione di triptofano, indicando la via per accrescerla fino al 106%. «Questa è una chiara dimostrazione che la bioingegneria guidata dall’apprendimento automatico è fattibile e dirompente se scalabile. Lo abbiamo fatto per cinque geni, ma crediamo che potrebbe essere fatto per l’intero genoma», ha dichiarato Garcia Martin.
I ricercatori affermano di essere rimasti sorpresi dalla quantità di dati necessari per ottenere risultati. Tuttavia, per realizzare veramente il potenziale della biologia sintetica, gli algoritmi dovranno essere addestrati con molti più dati. «Questo è solo l’inizio. Con questo abbiamo dimostrato che esiste un modo alternativo di fare ingegneria metabolica», ha ribadito Garcia Martin. In effetti, se ulteriormente sviluppata, la biologia sintetica ha le potenzialità per avere impatti significativi in ​​quasi tutti i settori, dal cibo alla medicina, dal clima all’energia, fino ai nuovi materiali.