Un nuovo studio potrebbe segnare un punto di svolta nella lotta contro i superbatteri e altre patologie: grazie all’Intelligenza Artificiale, il design di proteine su misura è oggi possibile in tempi impensabili fino a pochi anni fa. Un gruppo di ricercatori australiani ha realizzato, per la prima volta, una proteina biologica pronta all’uso capace di uccidere batteri resistenti agli antibiotici come l’Escherichia coli, servendosi dell’Intelligenza Artificiale. Lo studio, pubblicato su Nature Communications, rappresenta un’importante pietra miliare nella ricerca biomedica e segna l’ingresso dell’Australia tra i Paesi in grado di progettare proteine terapeutiche in modo rapido e scalabile grazie all’AI, insieme a Stati Uniti e Cina.
Come funziona la AI Protein Design Platform
Dietro questa innovazione c’è AI Protein Design Platform, un’infrastruttura sviluppata congiuntamente da biologi strutturali e informatici dell’Università di Melbourne Bio21 Institute e del Monash Biomedicine Discovery Institute (peraltro forse non tutti sanno che c’è una sede della Monash University anche a Prato, in Toscana). Il progetto è guidato da Rhys Grinter e da Gavin Knott, Snow Medical Fellow, che tracciano una linea di continuità con il lavoro del premio Nobel David Baker, pioniere del design proteico basato sull’AI.
“Queste proteine vengono ora sviluppate come farmaci, vaccini, nanomateriali e sensori molecolari. Le potenzialità sono enormi, molte ancora tutte da esplorare”, spiega nel comunicato stampa proprio Gavin Knott.
Intervenire sull’assunzione di ferro
Questo studio dimostra come l’intelligenza artificiale possa essere usata per progettare, in modo mirato, proteine capaci di ostacolare la crescita di batteri patogeni come Escherichia coli, intervenendo su un meccanismo cruciale per la loro sopravvivenza: l’assunzione di ferro.
Durante un’infezione, il nostro corpo limita la disponibilità di ferro – una strategia di difesa naturale – ma i batteri hanno evoluto sistemi sofisticati per procurarselo comunque. Uno di questi è ChuA, una proteina situata sulla membrana esterna dei batteri E. coli e Shigella, che si lega all’emoglobina umana per estrarre il cofattore eme, ricco di ferro, e importarlo nella cellula.
I ricercatori australiani hanno studiato nei dettagli questo processo, utilizzando tecniche come la crio-microscopia elettronica e la cristallografia a raggi X, e hanno poi sfruttato strumenti di protein design basati sull’AI per creare molecole artificiali che bloccano ChuA, impedendo così ai batteri di legarsi all’emoglobina e quindi di accedere al ferro.
Il risultato è promettente: alcune di queste molecole inibiscono la crescita di E. coli anche a concentrazioni molto basse, senza bisogno di ulteriori modifiche. In più, la loro struttura corrisponde esattamente a quella prevista dai modelli computazionali. In sintesi, lo studio apre la strada a una nuova strategia antimicrobica, basata su proteine sintetiche progettate per affamare i batteri, e propone un metodo potenzialmente replicabile su altri microrganismi patogeni.
Da anni a secondi
Fino ad oggi, la progettazione di proteine con funzioni terapeutiche richiedeva anni di lavoro e si basava su lunghe fasi di evoluzione in vitro e riutilizzo di molecole già presenti in natura. Con le nuove tecniche di deep learning, invece, è possibile generare de novo proteine con caratteristiche specifiche in pochi secondi, riducendo drasticamente i tempi e i costi della ricerca farmaceutica.
Il cuore dello studio australiano è l’uso di strumenti open-source per il design proteico combinati a nuove metodologie sviluppate in casa. Questo approccio ha permesso ai ricercatori di creare rapidamente proteine capaci di legarsi a target specifici e agire come inibitori, agonisti o enzimi migliorati in stabilità e attività.
Il design proteico guidato dall’intelligenza artificiale, tecnologia insignita del Premio Nobel, sta trasformando profondamente lo sviluppo di strumenti diagnostici, terapeutici e di ricerca a livello globale. Un team di ricerca australiano si propone di guidare l’avanzamento di questo campo attraverso progetti collaborativi d’avanguardia, con l’obiettivo di costruire una capacità nazionale di livello internazionale. L’ambizione è rendere il design proteico basato su AI una componente strutturale dell’ecosistema di ricerca e sviluppo, ridefinendo il panorama dei bersagli terapeutici esistenti con soluzioni innovative e ad alto impatto progettate grazie all’intelligenza artificiale.
Record di infezioni da E. coli in UE
Escherichia coli e il genere correlato Shigella rappresentano un gruppo di batteri di grande rilevanza clinica, responsabili di un ampio spettro di malattie nell’uomo e negli animali. La loro notevole diversità genetica — con ceppi che condividono tra loro anche solo il 40% dei geni codificanti per proteine — consente a queste specie di adottare stili di vita molto differenti, dal commensalismo innocuo alla patogenicità intestinale ed extra-intestinale.
A giugno 2025 l’ECDC ha dichiarato che nel 2023 le infezioni da Escherichia coli produttore della tossina Shiga (Stec) hanno raggiunto il livello più alto mai registrato nell’Unione europea e nello Spazio economico europeo (Ue/See) dall’inizio della sorveglianza comunitaria nel 2007. Secondo i dati ufficiali, sono stati confermati 10.901 casi in 30 Paesi membri, con un incremento del 22% rispetto al 2022 e un tasso di notifica annuale pari a 3,2 casi ogni 100.000 abitanti, il più elevato mai osservato.
Le infezioni intestinali da E. coli si classificano in sei sottotipi distinti (DAEC, EAEC, EHEC, EIEC, EPEC, ETEC), in base alla genealogia batterica e alla sintomatologia. Al di fuori dell’intestino, E. coli extra-intestinale è la principale causa di infezioni urinarie e meningite neonatale. La crescente resistenza agli antibiotici, in particolare tra questi patogeni, rappresenta una minaccia urgente: l’OMS ha classificato E. coli tra i tre principali patogeni prioritari resistenti e ha assegnato ad alcune specie di Shigella resistenti ai fluorochinoloni lo status di alta priorità nella lista 2024 dei patogeni batterici.
Per approfondire.
Cosa è AlphaFold e perché è importante per lo sviluppo dell’intelligenza artificiale
Quanto sono efficaci le molecole scoperte con l’intelligenza artificiali nei trial clinici?
Prevedere con l’Ai come un virus evolverà semplicemente guardando alla sua sequenza genetica
