Il Biohub di Zuckerberg e Chan lancia una potente intelligenza artificiale per prevedere la struttura e sviluppare proteine terapeutiche

Publicado em 29 de maio de 2026

Mark Zuckerberg - FotoField / Shutterstock.com

Biohub, società fondata da Mark Zuckerberg e Priscilla Chan, ha annunciato il lancio di un nuovo modello di intelligenza artificiale avanzata. La tecnologia Essa è stata attentamente addestrata per studiare in profondità la biologia delle proteine, con l’obiettivo di progettare strutture molecolari che possano essere più utili e precise nei trattamenti. L’annuncio ufficiale dell’iniziativa è avvenuto direttamente sul sito dell’azienda, segnando un passo significativo nella ricerca biomedica.

Le proteine sono componenti essenziali per la vita, poiché svolgono ruoli cruciali come il trasporto di ossigeno nel corpo e la lotta contro gli invasori virali. Elas sono fondamentali anche nella formazione dei muscoli, nella regolazione delle cellule e nel rafforzamento del sistema immunitario, orchestrando un’ampia gamma di processi biologici. Tuttavia, nonostante i progressi nella previsione delle loro strutture complesse, molte proteine non sono ancora state completamente studiate e le loro funzioni specifiche rimangono un mistero per la scienza.

Generazione di Nova da Modelos Evolutivos a Escada (ESM)

L’azienda sta introducendo una nuova generazione di Modelos Evolutivos in Escada (ESM), acronimo che sta per “Evolutionary Scale Models”. L’innovativo sistema Este apprende dalle sequenze proteiche attraverso un processo che simula l’evoluzione naturale. La conoscenza intrinseca di Esse viene quindi utilizzata per rappresentare, mappare, prevedere e, soprattutto, progettare digitalmente le proteine con maggiore precisione.

ESMFold2: un modello all’avanguardia che eccelle nella previsione della struttura tridimensionale delle proteine, una pietra angolare per la progettazione di nuove proteine con le caratteristiche desiderate.
ESM Atlas: una mappa completa che cataloga 6,8 miliardi di sequenze proteiche, insieme a 1,1 miliardi di strutture precedentemente previste, creando un vasto database biologico.
ESMC: un modello di linguaggio proteico all’avanguardia, meticolosamente addestrato su circa 2,8 miliardi di sequenze proteiche raccolte dall’intera diversità della vita, migliorando la tua comprensione molecolare.

Informazioni Segundo rilasciate da Biohub, questo modello di intelligenza artificiale ha la capacità di assistere sostanzialmente nello sviluppo di proteine che possono legarsi a specifici bersagli molecolari. La tecnologia è in grado di progettare proteine con elevata affinità di legame, una caratteristica vitale per il successo di terapie innovative. I risultati iniziali sono stati convalidati rispetto a cinque obiettivi altamente rilevanti nei settori dell’oncologia e dell’immunologia. L’azienda crede fermamente che questo sia un momento di trasformazione nel campo della progettazione delle proteine, con il potenziale di rivoluzionare il modo in cui vengono sviluppati i farmaci.

Modello ESMC funzionante con Mecanismo

ESMC rappresenta l’ultimo culmine di un programma di ricerca in corso, le cui origini risalgono al 2019. Durante il periodo Naquele, il team di scienziati è riuscito a sviluppare il primo modello linguistico basato sull’architettura del trasformatore appositamente progettato per analizzare sequenze proteiche. L’intenso processo di formazione di questo modello cerca di interiorizzare le proprietà fondamentali intrinseche che governano la complessa biologia delle proteine.

Le proprietà di Essas comprendono le regole essenziali che determinano il modo in cui le proteine si ripiegano nelle loro specifiche forme tridimensionali, nonché il modo in cui interagiscono con altre molecole nell’ambiente cellulare. Adicionalmente, il modello cerca di capire come queste proteine svolgono le loro funzioni biologiche cruciali. La capacità di prevedere e comprendere questi meccanismi è un passo decisivo verso la manipolazione e la progettazione di nuove proteine con applicazioni terapeutiche o industriali.

Le proteine sono macromolecole complesse, la cui struttura di base è costituita da una catena lineare di aminoacidi. Quando questi aminoacidi si riuniscono in una sequenza particolare, possono formare una gamma vasta e quasi illimitata di combinazioni strutturali. L’ordine specifico di questi amminoacidi nella catena è il fattore determinante che guida il ripiegamento della molecola in una configurazione tridimensionale unica e altamente specifica.

La particolare struttura tridimensionale di Essa, a sua volta, è ciò che definisce con precisione l’esatta funzione biologica che la proteina eserciterà all’interno di un organismo. Nelle fasi iniziali dello studio, i ricercatori hanno fatto una scoperta rilevante: i modelli sviluppati erano in grado di apprendere ed elaborare informazioni che andavano oltre le semplici sequenze di aminoacidi. Eles ha dimostrato la capacità di codificare la struttura e la funzione biologica delle proteine, comprese proprietà che non erano mai state esplicitamente dimostrate o insegnate al modello durante l’addestramento.

Potencial medicina terapeutica e di precisione

Após grazie all’apprendimento approfondito degli intricati modelli biologici delle proteine, il modello di intelligenza artificiale ha dimostrato una notevole capacità di prevedere la forma tridimensionale di queste molecole con elevata precisione. Grazie alla struttura di Além, è riuscito a decifrarne le funzioni biologiche essenziali e, cosa più innovativa, a generare nuove proteine. Todo questo processo avviene interamente all’interno dell’ambiente computazionale, velocizzando drasticamente la ricerca.

Le funzionalità avanzate di Essas racchiudono un significativo potenziale di trasformazione per future applicazioni in medicina. Con l’aiuto del modello, la progettazione di una proteina che si lega a uno specifico bersaglio molecolare con una combinazione ideale di forza e selettività diventa una realtà più vicina. Isso implica la possibilità di sviluppare un potenziale terapeutico maggiore e in modo sostanzialmente più rapido rispetto agli approcci biochimici classici, che richiedono tempo e sono laboriosi.

Il progresso tecnologico di Este è di fondamentale importanza, soprattutto se si considera l’attuale scenario di creazione di trattamenti basati su proteine, come gli anticorpi usati contro il cancro. Atualmente, gli scienziati devono dedicare molto tempo a identificare quale proteina specifica si lega al bersaglio corretto e, inoltre, a garantire che questo legame avvenga in modo preciso ed efficace. Este costituisce il fondamento della cosiddetta “medicina di precisione”, che ricerca trattamenti altamente personalizzati.

Tuttavia, è ampiamente noto che il processo tradizionale di scoperta e validazione delle proteine è estremamente costoso e spesso richiede molto tempo. Con l’intelligenza artificiale di Biohub è possibile simulare virtualmente un vasto numero di proteine in un breve periodo di tempo. La tecnologia può quindi prevedere quali hanno maggiori probabilità di essere efficaci contro un obiettivo specifico, ottimizzando in modo significativo le risorse e il tempo per la ricerca e lo sviluppo di nuovi farmaci.

Validação e sperimentazioni in oncologia e immunologia

Para Per convalidare empiricamente la funzionalità e l’efficacia del sistema sviluppato, i ricercatori di Biohub hanno selezionato un insieme di proteine direttamente collegate al cancro, alla crescita del tumore e al complesso funzionamento del sistema immunitario. Foram ha scelto obiettivi clinicamente rilevanti come EGFR, PD-L1 e CTLA-4, che sono biomarcatori cruciali in diverse patologie oncologiche e immunologiche, ponendo sfide significative.

L’intelligenza artificiale è stata quindi incaricata di generare decine di migliaia di proteine candidate. Il processo massivo Esse è stato completato in circa due giorni, con l’obiettivo principale di testare quale di queste proteine avrebbe dimostrato la migliore interazione e affinità contro i target specifici precedentemente selezionati. Subsequentemente, il sistema computazionale ha calcolato quale delle proteine generate sarebbe stata più stabile e avrebbe avuto la maggiore probabilità di svilupparsi in un trattamento praticabile e sicuro.

I risultati dettagliati degli studi hanno indicato che l’aumento della potenza computazionale applicata all’intelligenza artificiale ha comportato un notevole miglioramento nel tasso di successo della progettazione delle proteine. L’ottimizzazione di Essa è stata particolarmente notevole e significativa nel caso degli anticorpi che, secondo gli approcci tradizionali, sono considerati più difficili da legare ai rispettivi target con la necessaria precisione. Isso dimostra la scalabilità e l’efficacia inerenti all’approccio computazionale.

Posteriormente, le proteine più performanti, progettate e selezionate dall’intelligenza artificiale, sono state sottoposte a rigorosi test di laboratorio, simulando condizioni biologiche reali. Algumas di essi ha dimostrato l’effettiva capacità di legarsi correttamente a target definiti. Além ha inoltre mostrato la stabilità desiderata, attestando il loro concreto potenziale terapeutico e la loro fattibilità come futuri candidati farmacologici.

Biohub sottolinea che, sebbene le malattie seguano modelli biologici comuni, gran parte di esse hanno caratteristiche individuali, che richiedono approcci personalizzati. Para alcune malattie, come il cancro e le malattie rare, il potenziale per l’applicazione immediata di questa tecnologia è immenso e promettente. L’azienda ha dimostrato che il modello ESM è in grado di progettare ligandi proteici convalidati in laboratorio per cinque target clinicamente rilevanti nel giro di pochi giorni. Il lavoro di Este cambia sostanzialmente la velocità della fase iniziale del processo di sviluppo del farmaco, democratizzando l’accesso a strumenti avanzati.