NUOVI ANTIBIOTICI DALL'INTELLIGENZA ARTIFICIALE?

 https://www.nature.com/articles/d41586-025-03201-6

Ne funzionerà qualcuno, si chiede il titolista di Nature? E il chiederselo è un segno dei tempi. Tempi in cui mettere "Intelligenza Artificiale" nella domanda per un grant continua a funzionare mentre si parla sempre più di bolla dell'IA destinata a scoppiare. Lo stesso Sam Altman ha dichiarato:

Altman ha ammesso che la strada da percorrere richiederebbe "migliaia di miliardi di dollari" solo per i data center e ha accennato alla possibilità di creare nuovi strumenti finanziari per finanziare la potenza di calcolo.

Pur riconoscendo la frenesia (sull'IA, NdCS), Altman ha insistito sul fatto che le bolle speculative non cancellano il valore dell'innovazione sottostante. "Qualcuno perderà una quantità fenomenale di denaro, ma le bolle non cancellano il valore."

Torniamo all'articolo di Nature. Si tratta di Machine Learning (ML) applicato alla progettazione di farmaci, in particolare al design di peptidi (sequenze di amminoacidi) con attività antibatterica.

Ma Jim Collins del MIT ha notato che alcuni antibiotici progettati dall'IA sono chimicamente instabili e impossibili da sintetizzare. Altri richiedono troppi passaggi per la sintesi e risulterebbero troppo costosi e lunghi da produrre su scala commerciale.

E qui vengono fuori due classici problemi da "mondo reale". Il primo riguarda in genere lo sviluppo di nuovi antibiotici: rispetto a sei anni fa le cose non sono cambiate: se una biotech ha successo nello sviluppo di un antibiotico e FDA lo approva rischia comunque di fallire (è successo ad Achaogen, Melinta Therapeutics, Tetraphase Pharmaceuticals, Aradigm). Perché un nuovo antibiotico non venderà per più di alcune decine di milioni l'anno, quando va bene. Mettiamo che tu abbia speso 200 milioni, per i trial: se vendi per 40 milioni all'anno magari ce la fai, ma se le vendite sono inferiori...

Quanto a Intelligenza Artificiale e sviluppo di farmaci con tempi più veloci e maggiori possibilità di successo, la parabola dell'hype è ben descritta da quella di BenevolentAI, fondata nel 2013 con l'idea di fare addestrare l'IA da chimici medicinali. Tra il 2013 e il 2019, raccoglie finanziamenti per centinaia di milioni di euro da investitori come Oxford Sciences Innovation e persino dal governo britannico (consulenza su strategie IA). Forma partnership chiave, come quella con AstraZeneca (2018), per identificare target per malattie croniche. La piattaforma "Benevolent Platform" diventa il motore: integra machine learning e dati scientifici per prevedere interazioni molecolari in giorni, invece che anni (o meglio questo è quel che continuavano a dire). Fatto sta che di nuovi farmaci approvati BenevolentAI non ne ha tirato fuori nemmeno uno. Nel 2023 il titolo perde il 99% del suo valore e alla fine, ad aprile 2025, ritira la quotazione in borsa: delisting da Euronext. Continua ad esistere, per ora, come la zia di molte altre biotech, quotate in borsa o no, specializzate in IA nel senso che la usano come l'ultima versione del Computer Aided Drug Design (che avrebbe dovuto rivoluzionare tutto nei primi anni '80, quando nacque, ma non lo fece). Biotech che sgomiteranno accanto a quelle delle terapie cellulari, dei biologici e dei coniugati farmaco-anticorpo (ADC), dei mRNA, per agganciare il finanziatore nei prossimi eventi, tipo il BIO-Europe 2025.

Alcune considerazioni per quanti, al di fuori dell'ambiente. potrebbero dire: ma AlphaFold? E Insilico Medicine e Recursion Pharmaceuticals che grazie all' IA sono arrivate ai trial clinici in tempi record?

Cominciamo con Alpha Fold: predirre (con errore) la struttura di una proteina dalla sequenza di aminoacidi è stata una cosa folle, nel senso che nessuno ci sarebbe mai riuscito prima. Ma dal punto di vista della drug discovery è di utilità limitata a causa delle modifiche post-traslazionali. Le nostre proteine sono glicosidate, fosforilate, acetilate o ubiquitinate. I chimici medicinali non lavorano con proteine "nude", appena sintetizzate da RNA. 

Secondo: portare qualcosa in fase II a tempi record è pubblicità aziendale (in oncologia succede spesso). Il problema non arrivare presto in fase II, è uscire bene dalla fase III.

Al di là dell'hype residuale quel che realmente c'è è una nuova generazione di utili attrezzi. Ma devono essere usati da chi sa riconoscere quando un composto è sintetizzabile, quando un LogP calcolato è attendibile, che è quello che diverse biotech stanno tentando. Altrimenti continueremo a vedere BenevolentAI che raccoglie centinaia di milioni per poi non avere un farmaco approvato in 12 anni.

PS: Qua sopra si è parlato a lungo di antibiotici...