I virus a RNA, compreso il SARS-CoV-2, accumulano costantemente nuove mutazioni.Credito: Steve Gschmeissner/Libreria fotografica scientifica
Il Santo Graal della preparazione a una pandemia è la capacità di prevedere come si evolverà un virus semplicemente osservandone la sequenza genetica. Quei giorni sono ancora lontani, ma un numero crescente di gruppi di ricerca sta utilizzando l’intelligenza artificiale (AI) per prevedere l’evoluzione della SARS-CoV-2, dell’influenza e di altri virus.
I virus, in particolare i virus a RNA come SARS-CoV-2, si evolvono costantemente accumulando nuove mutazioni. Alcuni di questi cambiamenti sono vantaggiosi per il virus, poiché consentono alle varianti di eludere l’immunità dell’ospite e diffondersi rapidamente. Prevedendo come si evolverà un virus, i ricercatori potrebbero, in teoria, progettare vaccini e trattamenti antivirali in anticipo.
Finora, gli strumenti di intelligenza artificiale possono prevedere quali singole mutazioni di un virus avranno più successo e quali varianti “vinceranno” a breve termine. Ma sono ancora lontani dal poter prevedere combinazioni di mutazioni o varianti che si verificheranno in un lungo periodo futuro.
Si tratta di “un’area di ricerca davvero entusiasmante e molto utile”, afferma Brian Hie, biologo computazionale dell’Università di Stanford in California, che è stato tra i primi ricercatori ad applicare modelli linguistici di grandi dimensioni allo studio delle mutazioni virali1. Ma prevedere l’evoluzione virale è ancora estremamente impegnativo, dice.
Strumenti di intelligenza artificiale
In passato, i ricercatori hanno condotto esperimenti di laboratorio per identificare varianti con proprietà migliorate, ma questi sono laboriosi e richiedono tempo. Alcuni gruppi, come il laboratorio guidato da Yunlong Cao, un immunologo dell’Università di Pechino, hanno sviluppato esperimenti per indagare su come le mutazioni individuali influenzano la capacità di un virus di sfuggire al rilevamento da parte di un gruppo di anticorpi2. Questi esperimenti possono spiegare gran parte dell’evoluzione virale, ma non tutta.
L’arrivo di strumenti di previsione della struttura proteica basati sull’intelligenza artificiale – come AlphaFold, creato dalla società di intelligenza artificiale londinese DeepMind, così come ESM-2 ed ESMFold, entrambi creati da Meta (ex Facebook, con sede a Menlo Park, California) – ha portato nuova energia in questo campo, afferma David Robertson, virologo dell’Università di Glasgow, nel Regno Unito.
I modelli di intelligenza artificiale richiedono grandi quantità di dati per poter prevedere l’evoluzione virale. Il sequenziamento di massa del SARS-CoV-2, il virus che causa il COVID-19, ha reso tutto ciò possibile, afferma Jumpei Ito, bioinformatico dell’Università di Tokyo. I ricercatori ora hanno quasi 17 milioni di sequenze che possono utilizzare per addestrare i loro modelli.
Un modello, chiamato EVEscape, sviluppato da Debora Marks presso la Harvard Medical School di Boston, Massachusetts, e dal suo team, è stato utilizzato per progettare 83 possibili versioni della proteina spike SARS-CoV-2, che il virus utilizza per infettare le cellule . Questi avatar di picco possono eludere gli anticorpi prodotti da persone che sono state vaccinate o infettate con le varianti attualmente circolanti4e potrebbe essere utilizzato per testare l’efficacia dei futuri vaccini contro il COVID-19.
Il gruppo di Ito si sta concentrando su una caratteristica più ampia della fitness virale: la capacità delle varianti di diffondersi rapidamente in una popolazione e infine dominare. I ricercatori hanno utilizzato ESM-2 per creare un modello chiamato CoVFit, in grado di prevedere l’idoneità relativa delle varianti SARS-CoV-2. CoVFit è addestrato su 13.643 varianti di proteine spike SARS-CoV-2 e utilizza anche dati sperimentali del gruppo di Cao su come le singole mutazioni influenzano la capacità del virus di eludere gli anticorpi. Il team di Ito ha creato un modello ristretto addestrato utilizzando i dati delle varianti fino all’agosto 2022 e ha scoperto che era in grado di prevedere con successo il miglioramento dell’idoneità di alcune varianti dopo tale limite, incluso XBB5una nuova variante che prese piede più tardi quell’anno.
Nel marzo 2024, la variante SARS-CoV-2 dominante in tutto il mondo era quella denominata JN.1. Utilizzando CoVFit, il gruppo di Ito ha identificato tre cambiamenti di un singolo aminoacido che aiuterebbero JN.1 a guadagnare forma fisica. Da allora queste mutazioni sono state osservate in varianti che si stanno rapidamente espandendo a livello globale.
