Biologia strutturale e intelligenza artificiale: una rivoluzione multidisciplinare nella comprensione delle strutture proteiche

Titolo Rivista RENDICONTI
Autori/Curatori Federico Forneris
Anno di pubblicazione 2026 Fascicolo 2025/2
Lingua Italiano Numero pagine 16 P. 21-36 Dimensione file 0 KB
DOI 10.3280/rndoa2025oa21153
Il DOI è il codice a barre della proprietà intellettuale: per saperne di più clicca qui

Vedi l'articolo Scarica l'articolo open access

FrancoAngeli è membro della Publishers International Linking Association, Inc (PILA), associazione indipendente e non profit per facilitare (attraverso i servizi tecnologici implementati da CrossRef.org) l’accesso degli studiosi ai contenuti digitali nelle pubblicazioni professionali e scientifiche.

La biologia strutturale è una disciplina affascinante e in continua evoluzione, che si occupa dello studio della struttura tridimensionale delle macromolecole biologiche e della loro relazione con la funzione cellulare. Attraverso avanzate tecniche sperimentali e computazionali, si procede alla progressiva comprensione dei meccanismi molecolari che governano la vita, con implicazioni dirette sulla salute umana attraverso la comprensione dei meccanismi molecolari alla base di molteplici malattie, aprendo prospettive innovative per lo sviluppo di farmaci specifici ed efficaci. L’intervento che segue si propone di offrire un’introduzione alla biologia strutturale, con particolare attenzione al problema del folding delle proteine e all’impatto rivoluzionario che l’intelligenza artificiale sta avendo da qualche anno in questo settore. In relazione alla tematica e per sottolineare quanto gli strumenti basati sull’intelligenza artificiale possano rappresentare, se ben utilizzati, una preziosa risorsa per la ricerca scientifica, desidero precisare di aver fatto uso di strumenti basati sull’intelligenza artificiale nella redazione del presente testo. In particolare, la prima stesura di questa relazione è stata generata dal software ChatGPT a partire dalla trascrizione dell’intervento tenuto presso l’Istituto Lombardo, ottenuta anch’essa sfruttando l’intelligenza artificiale facendo analizzare la registrazione, disponibile su YouTube, al software Panopto.

  1. Bai X.C., Gonen T., Gronenborn A.M., Perrakis A., Thorn A. and Yang J. (2024). Challenges and opportunities in macromolecular structure determination. In: «Nat Rev Mol Cell Biol», 25: 7-12. Doi: 10.1038/s41580-023-00659-y.
  2. Bai X.C., McMullan G. and Scheres S.H. (2015). How cryo-EM is revolutionizing structural biology. In: «Trends Biochem Sci», 40: 49-57. Doi: 10.1016/j.tibs.2014.10.005.
  3. Berman H., Henrick K. and Nakamura H. (2003). Announcing the worldwide Protein Data Bank. In: «Nat Struct Biol», 10: 980. Doi: 10.1038/nsb1203-980.
  4. Eisenberg D. (2003). The discovery of the α-helix and β-sheet, the principal structural features of proteins. In: «Proceedings of the National Academy of Sciences», 100: 11207-11210. Doi: 10.1073/pnas.2034522100.
  5. Elofsson A. (2023). Progress at protein structure prediction, as seen in CASP15. In: «Curr Opin Struct Biol», 80: 102594. Doi: 10.1016/j.sbi.2023.102594.
  6. Fitzpatrick A.W.P., Falcon B., He S., Murzin A.G., Murshudov G., Garringer H.J., Crowther R.A., Ghetti B., Goedert M. and Scheres S.H.W (2017). Cryo-EM structures of tau filaments from Alzheimer’s disease. In: «Nature», 547: 185-190. Doi: 10.1038/nature23002.
  7. Heck A.J. (2008). Native mass spectrometry: a bridge between interactomics and structural biology. In: «Nat Methods», 5: 927-933. Doi: 10.1038/nmeth.1265.
  8. Humphreys I.R., Pei J., Baek M., Krishnakumar A., Anishchenko I., Ovchinnikov S., Zhang J., Ness T.J., Banjade S., Bagde S.R., Stancheva V.G., Li X.H., Liu K., Zheng Z., Barrero D.J., Roy U., Kuper J., Fernandez I.S., Szakal B., Branzei D., Rizo J., Kisker C., Greene E.C., Biggins S., Keeney S., Miller E.A., Fromme J.C., Hendrickson T.L., Cong Q. and Baker D. (2021). Computed structures of core eukaryotic protein complexes. In: «Science», 374: eabm4805. Doi: 10.1126/science.abm4805.
  9. Iacobucci C., Gotze M. and Sinz A. (2019). Cross-linking/mass spectrometry to get a closer view on protein interaction networks. In: «Curr Opin Biotechnol», 63: 48-53. Doi: 10.1016/j.copbio.2019.12.009.
  10. Jumper J., Evans R., Pritzel A., Green T., Figurnov M., Ronneberger O., Tunyasuvunakool K, Bates R, Žídek A, Potapenko A, Bridgland A, Meyer C, Kohl S.A.A., Ballard A.J., Cowie A., Romera-Paredes B., Nikolov S., Jain R., Adler J., Back T., Petersen S., Reiman D., Clancy E., Zielinski M., Steinegger M., Pacholska M., Berghammer T., Bodenstein S., Silver D., Vinyals O., Senior A.W., Kavukcuoglu K., Kohli P. and Hassabis D. (2021). Highly accurate protein structure prediction with AlphaFold. In: «Nature», 596: 583-589. Doi: 10.1038/s41586-021-03819-2.
  11. Kryshtafovych A., Schwede T., Topf M., Fidelis K. and Moult J. (2021). Critical assessment of methods of protein structure prediction (CASP)-Round XIV. In: «Proteins», 89: 1607-1617. Doi: 10.1002/prot.26237.
  12. Kuhlbrandt W. (2014). Cryo-EM enters a new era. In: «elife», 3: e03678. Doi: 10.7554/eLife.03678.
  13. Levinthal C. (1968). Are there pathways for protein folding?. In: «J. Chim. Phys.» 65: 44-45. Doi: 10.1051/jcp/1968650044.
  14. Id. (1969). How to fold graciously. In: Mössbaun spectroscopy in biological systems proceedings. Univ. of Illinois Bulletin. Champaign: University of Illinois Press, 22-26.
  15. Mahamid J., Pfeffer S., Schaffer M., Villa E., Danev R., Cuellar L.K., Forster F., Hyman A.A., Plitzko J.M. and Baumeister W. (2016). Visualizing the molecular sociology at the HeLa cell nuclear periphery. In: «Science», 351: 969-972. Doi: 10.1126/science.aad8857.
  16. Marion D. (2013). An Introduction to biological NMR spectroscopy. In: «Molecular & Cellular Proteomics», 12: 3006-3025. Doi: 10.1074/mcp.O113.030239.
  17. Maritan M., Autin L., Karr J., Covert M.W., Olson A.J. and Goodsell D.S. (2022). Building structural models of a whole mycoplasma cell. In: «J Mol Biol», 434: 167351. Doi: 10.1016/j.jmb.2021.167351.
  18. Morris G.M. and Lim-Wilby M. (2008). Molecular docking. In: «Methods Mol Biol», 443: 365-382. Doi: 10.1007/978-1-59745-177-2_19.
  19. Oikonomou C.M. and Jensen G.J. (2017). Cellular electron cryotomography: toward structural biology in situ. In: «Annu Rev Biochem», 86: 873-896. Doi: 10.1146/annurev-biochem-061516-044741.
  20. Regan L., Caballero D., Hinrichsen M.R., Virrueta A., Williams D.M. and O’Hern C.S. (2015). Protein design: past, present, and future. In: «Biopolymers», 104: 334-350. Doi: 10.1002/bip.22639.
  21. Strandberg B. (2009). Chapter 1: building the ground for the first two protein structures: myoglobin and haemoglobin. In: «J Mol Biol» 392: 2-10. Doi: 10.1016/j.jmb.2009.05.087.
  22. Thompson B. and Petric Howe N. (2024). Alphafold 3.0: the AI protein predictor gets an upgrade. In: «Nature». Doi: 10.1038/d41586-024-01385-x.
  23. Thorn A. (2022). Artificial intelligence in the experimental determination and prediction of macromolecular structures. In: «Curr Opin Struct Biol», 74: 102368. Doi: 10.1016/j.sbi.2022.102368.
  24. Tunyasuvunakool K., Adler J., Wu Z., Green T., Zielinski M., Zidek A., Bridgland A., Cowie A., Meyer C., Laydon A., Velankar S., Kleywegt G.J., Bateman A., Evans R., Pritzel A., Figurnov M., Ronneberger O., Bates R., Kohl S.A.A., Potapenko A., Ballard A.J., Romera-Paredes B., Nikolov S., Jain R., Clancy E., Reiman D., Petersen S., Senior A.W., Kavukcuoglu K., Birney E., Kohli P., Jumper J. and Hassabis D. (2021). Highly accurate protein structure prediction for the human proteome. In: «Nature», 596: 590-596. Doi: 10.1038/s41586-021-03828-1.
  25. van den Hoek H., Klena N., Jordan M.A., Alvarez Viar G., Righetto R.D., Schaffer M., Erdmann P.S., Wan W., Geimer S., Plitzko J.M., Baumeister W., Pigino G., Hamel V., Guichard P. and Engel B.D. (2022). In situ architecture of the ciliary base reveals the stepwise assembly of intraflagellar transport trains. In: «Science», 377: 543-548. Doi: 10.1126/science.abm6704.
  26. Varadi M., Anyango S., Deshpande M., Nair S., Natassia C., Yordanova G., Yuan D., Stroe O., Wood G., Laydon A., Zidek A., Green T., Tunyasuvunakool K., Petersen S., Jumper J., Clancy E., Green R., Vora A., Lutfi M., Figurnov M., Cowie A., Hobbs N., Kohli P., Kleywegt G., Birney E., Hassabis D and Velankar S. (2022). AlphaFold protein structure database: massively expanding the structural coverage of protein-sequence space with high-accuracy models. In: «Nucleic Acids Res», 50: D439-D444. Doi: 10.1093/nar/gkab1061.
  27. Wohlwend J., Corso G., Passaro S., Reveiz M., Leidal K., Swiderski W., Portnoi T., Chinn I., Silterra J., Jaakkola T. and Barzilay R. (2024). Boltz-1 democratizing biomolecular interaction modeling. In: bioRxiv. Doi: 10.1101/2024.11.19.624167.
  28. Wu M. and Lander G.C. (2020). How low can we go? Structure determination of small biological complexes using single-particle cryo-EM. In: «Curr Opin Struct Biol», 64: 9-16. Doi: 10.1016/j.sbi.2020.05.007.
  29. Yan X. and Maier C.S. (2009). Hydrogen/deuterium exchange mass spectrometry. In: «Methods Mol Biol», 492: 255-271. Doi: 10.1007/978-1-59745-493-3_15.
  30. Yang Y., Arseni D., Zhang W., Huang M., Lövestam S., Schweighauser M., Kotecha A., Murzin A.G., Peak-Chew S.Y., Macdonald J., Lavenir I., Garringer H.J., Gelpi E., Newell K.L., Kovacs G.G., Vidal R., Ghetti B., Ryskeldi-Falcon B., Scheres S.H.W. and Goedert M. (2022). Cryo-EM structures of amyloid-β 42 filaments from human brains. In: «Science», 375: 167-172. Doi: doi:10.1126/science.abm7285.

Federico Forneris, Biologia strutturale e intelligenza artificiale: una rivoluzione multidisciplinare nella comprensione delle strutture proteiche in "RENDICONTI" 2/2025, pp 21-36, DOI: 10.3280/rndoa2025oa21153