Come l'IA Sta Aiutando la Ricerca di Farmaci per il Cancro: Dentro il Motore di Scoperta Molecolare di BIOPTIC

Trovare un nuovo farmaco è spesso descritto come cercare un ago in un pagliaio. In realtà, il problema è molto più grande: il "pagliaio" può contenere miliardi, o addirittura trilioni, di molecole possibili.

Questo è il punto in cui entra in gioco l'intelligenza artificiale.

BIOPTIC, un'azienda biotech orientata all'IA associata all'imprenditore e ex dirigente di Google Andrey Doronichev, sta sviluppando tecnologie che utilizzano l'apprendimento automatico per cercare enormi librerie chimiche a caccia di molecole che potrebbero eventualmente diventare nuovi farmaci. Uno dei programmi più interessanti dell'azienda si concentra sul cancro, dove il suo sistema di IA è stato utilizzato per identificare inibitori selettivi del VEGFR-3, un bersaglio biologico coinvolto nell'angiogenesi tumorale.

La parola importante qui è "eventualmente". L'IA non preme un pulsante e produce un farmaco antitumorale finito. Invece, aiuta gli scienziati a decidere quali molecole valga la pena sintetizzare e testare nel mondo reale.

Che Cos'è BIOPTIC e Cosa Fa Davvero la Sua IA?

BIOPTIC opera all'incrocio tra intelligenza artificiale, chimica computazionale e scoperta di farmaci. La sua idea centrale è trattare la scoperta chimica in parte come un problema di ricerca.

Un programma convenzionale di scoperta di farmaci può iniziare con un bersaglio biologico, una proteina coinvolta in una malattia, e poi cercare una molecola capace di interagire con quel bersaglio nel modo desiderato. La sfida è che il numero di molecole simili a farmaci teoricamente possibili è astronomico.

Il sistema B1 di BIOPTIC tenta di rendere questa ricerca gestibile.

Il sistema rappresenta le molecole matematicamente, creando embedding numerici compatti che consentono di confrontare le strutture chimiche ad alta velocità. Secondo la ricerca peer-reviewed dell'azienda, B1 può cercare librerie contenenti decine di miliardi di composti e recuperare molecole che potrebbero avere proprietà biologiche simili anche quando le loro strutture chimiche differiscono significativamente.

L'IA quindi non sta sostituendo il laboratorio. Sta agendo come un filtro estremamente rapido prima che inizi il lavoro di laboratorio.

Come Cerca BIOPTIC B1 Tra Milioni di Molecole?

La base tecnica di B1 è un sistema di screening virtuale basato su ligandi.

Un ligando è una molecola che può legarsi a un bersaglio biologico, come una proteina. Se gli scienziati conoscono già diverse molecole con attività utile, quelle molecole possono servire come punti di partenza per una nuova ricerca.

B1 converte le informazioni molecolari in una rappresentazione vettoriale compatta. Nel sistema pubblicato, ogni molecola è rappresentata come un embedding a 60 dimensioni memorizzato con precisione float16. Il modello può quindi confrontare una molecola di query con rappresentazioni molecolari preindicizzate e calcolare la similarità su scala enorme.

Il sistema è stato testato su Enamine REAL Space, una libreria chimica virtuale contenente circa 40 miliardi di molecole enumerate.

Quella scala crea un problema ingegneristico tanto quanto uno scientifico. I ricercatori di BIOPTIC hanno separato il processo in due fasi:

• Scansione: le reti neurali elaborano le molecole e generano embedding.

• Ricerca: gli embedding precomputati vengono confrontati per recuperare i candidati più rilevanti.

Nei benchmark pubblicati, una ricerca attraverso la libreria di 40 miliardi di composti poteva essere eseguita in circa due minuti e quindici secondi utilizzando la configurazione di ricerca basata su SSD descritta nell'articolo. Una configurazione basata su RAM era notevolmente più veloce.

Questo non significa che l'IA comprenda la biologia nello stesso modo in cui lo fa uno scienziato. Significa che il sistema può navigare rapidamente in una mappa matematica dello spazio chimico e identificare candidati che meritano una maggiore attenzione.

Il Progetto Cancro: Ricercare Inibitori Selettivi di VEGFR-3

Il programma oncologico di BIOPTIC fornisce un esempio concreto di come questo approccio possa funzionare.

Il bersaglio è il VEGFR-3, noto anche come FLT4, un recettore coinvolto in vie di segnalazione connesse all'angiogenesi, la formazione di nuovi vasi sanguigni. I tumori possono sfruttare l'angiogenesi per sostenere la loro crescita, rendendo questa via un'importante area di ricerca sul cancro.

La sfida è la selettività.

I farmaci che influenzano ampiamente più recettori VEGF possono anche interagire con altri sistemi biologici, aumentando potenzialmente la tossicità. Il progetto di BIOPTIC mirava a identificare piccole molecole con una selettività più forte per VEGFR-3.

L'azienda ha utilizzato un pipeline a due modelli:

SMILES è una notazione basata su testo utilizzata per descrivere le strutture molecolari. Questo rende la chimica sorprendentemente compatibile con le tecniche dei modelli linguistici: una molecola può essere rappresentata come una sequenza di simboli, permettendo ai sistemi di IA di apprendere schemi nei dati chimici.

Dopo che il primo modello ha esaminato un’ultra-grande libreria di 40 miliardi di composti, una Rete Neurale Grafica è stata utilizzata come secondo filtro. A differenza di una sequenza di testo, un grafo rappresenta atomi come nodi e legami chimici come connessioni, rendendo le GNN utili per modellare la struttura molecolare e le relazioni.

Da una Predizione Digitale a una Vera Molecola

Questo è il punto in cui la storia dell'IA diventa vera scienza.

Il computer può prevedere che una molecola sembra promettente, ma la molecola deve ancora essere sintetizzata e testata sperimentalmente.

Nel progetto VEGFR-3, BIOPTIC ha riportato di aver testato 110 composti utilizzando un saggio di profiling dei chinasi. Diverse molecole hanno mostrato attività contro VEGFR-3 e tre erano selettive per un singolo bersaglio VEGFR. Un candidato ha dimostrato una selettività superiore a 45 volte rispetto a VEGFR-1 e VEGFR-2 negli esperimenti riportati. I risultati sono stati presentati in un abstract per il 2025 ASCO Annual Meeting e pubblicati come abstract di incontro nel Journal of Clinical Oncology.

I ricercatori hanno poi combinato la scoperta molecolare con un'analisi di sequenziamento dell'RNA. Utilizzando l'algoritmo Oncobox, hanno analizzato migliaia di profili di espressione tumorale per stimare quali tipi di cancro potessero essere più reattivi all'inibizione selettiva di VEGFR-3. I candidati riportati per ulteriori indagini includevano il cancro alla tiroide papillare, il cancro renale a cellule chiare, il cancro pancreatico, il cancro ovarico e i sarcomi.

Questi sono risultati di ricerca, non prove che un farmaco contro il cancro finito sia pronto per i pazienti.

Le Evidenze Scientifiche Dietro BIOPTIC B1

La tecnologia di BIOPTIC è stata descritta anche nella letteratura scientifica peer-reviewed.

Nel 2025, i ricercatori hanno pubblicato uno studio nel Journal of Chemical Information and Modeling descrivendo BIOPTIC B1 e il suo utilizzo in un esperimento di scoperta di farmaci prospettico mirato a LRRK2, una proteina associata alla malattia di Parkinson.

Il sistema ha esplorato lo stesso spazio chimico di 40 miliardi di molecole e ha identificato ligandi nuovi per forme sia normali che mutate di LRRK2. I migliori composti validati sperimentalmente hanno raggiunto costanti di dissociazione basse fino a 110 nanomolari.

La fase successiva è particolarmente importante per comprendere la scoperta di farmaci assistita da IA. I colpi iniziali non sono stati trattati come risposte finali. Gli scienziati hanno utilizzato i migliori composti come punti di partenza per una ricerca analogica, recuperato molecole strutturalmente correlate, filtrate per proprietà pratiche e selezionato candidati che potessero realistici essere sintetizzati.

Dei 48 analoghi scelti, 47 sono stati sintetizzati con successo. I composti risultanti sono stati poi testati di nuovo, creando un circuito di feedback tra calcolo, chimica e biologia.

Perché l'IA Non Può Sostituire gli Scienziati dei Farmaci

La frase “l'IA scopre farmaci” è accattivante, ma incompleta.

L'IA può classificare le molecole sulla base di schemi appresi dai dati. Può accelerare lo screening virtuale e identificare relazioni chimiche che sarebbero difficili da esplorare manualmente. Ma una previsione rimane una previsione fino a quando il lavoro sperimentale non la conferma.

Gli scienziati devono ancora rispondere a domande fondamentali:

• La molecola si lega effettivamente al bersaglio?

• Influenza la via biologica prevista?

• È abbastanza selettiva?

• È tossica?

• Può raggiungere il tessuto giusto?

• Viene metabolizzata in modo sicuro?

• Funziona negli animali?

• Aiuta i pazienti umani?

Una molecola promettente può fallire in qualsiasi punto.

Ecco perché il vero valore di sistemi come BIOPTIC B1 potrebbe essere la velocità piuttosto che la magia. Se l'IA può ridurre miliardi di possibilità teoriche a qualche dozzina di molecole degne di test, può rendere le fasi iniziali della scoperta farmacologica più efficienti.

Il Futuro della Medicina Guidata dall'IA

Il lavoro di BIOPTIC illustra una trasformazione più ampia nella biotecnologia. L'IA sta diventando sempre più parte dell'infrastruttura di ricerca stessa, un sistema per cercare nello spazio chimico, prioritizzare gli esperimenti e connettere i dati molecolari con le informazioni biologiche.

La ricerca sul cancro dell'azienda è particolarmente interessante perché combina diversi strati di computazione: screening molecolare, modellizzazione della selettività e analisi RNA-seq della biologia tumorale.

Ma il prodotto finale di questo processo non è una prescrizione generata dall'IA. È una lista di ipotesi per gli scienziati da testare.

Quella distinzione è importante.

L'IA può aiutare i ricercatori a cercare miliardi di molecole più velocemente di quanto possano fare i metodi tradizionali. Può scoprire strutture chimiche sconosciute e indirizzare i laboratori verso candidati che altrimenti rimarrebbero nascosti. Eppure la molecola deve ancora sopravvivere a chimica, biologia, tossicologia, ricerca preclinica e sperimentazioni cliniche.

In altre parole, l'IA non sta sostituendo lo scienziato che cerca una cura per il cancro.

Sta dando a quello scienziato un motore di ricerca enormemente più potente.