Impronte molecolari create dall’IA: così si cercano farmaci già esistenti

L’intelligenza artificiale può confrontare le impronte chimiche dei composti e indicare farmaci da studiare per nuove applicazioni, ma servono prove biologiche.

Aggiornato:

Un farmaco già noto potrebbe avere un’utilità diversa da quella per cui è stato sviluppato. Per trovarla, l’intelligenza artificiale può confrontare le sue caratteristiche molecolari con quelle di migliaia di composti.

Che cosa sono le impronte molecolari

In chimica farmaceutica, un composto può essere descritto attraverso una sorta di impronta digitale: non è un’immagine della molecola, ma una rappresentazione numerica di alcune sue proprietà strutturali.

Il modello può codificare, per esempio, la presenza di anelli aromatici, gruppi funzionali, cariche elettriche, legami chimici e distanze tra determinati atomi. Due molecole con forme diverse possono quindi risultare simili sotto alcuni aspetti, soprattutto se presentano porzioni capaci di interagire con lo stesso bersaglio biologico.

Questa descrizione consente di confrontare rapidamente grandi librerie chimiche. Invece di esaminare una molecola alla volta, i ricercatori possono chiedere a un algoritmo di individuare composti con caratteristiche vicine a quelle di una sostanza già conosciuta o di un farmaco con un’attività biologica documentata.

Perché cercare nuove funzioni nei farmaci

Lo sviluppo di un nuovo medicinale richiede spesso molti anni e un percorso complesso: identificazione del bersaglio, test in laboratorio, studi di sicurezza, sperimentazioni cliniche e valutazione da parte delle autorità.

Il riposizionamento dei farmaci parte invece da una sostanza che possiede già informazioni farmacologiche, tossicologiche o cliniche. Questo non elimina la necessità di nuovi studi, ma può ridurre alcuni ostacoli iniziali e suggerire applicazioni che non erano state considerate.

Un algoritmo può cercare analogie tra l’impronta di un medicinale e quella di molecole associate a un determinato recettore, enzima o processo cellulare. Il risultato non è una diagnosi e non dimostra un’efficacia terapeutica: è una lista di ipotesi da verificare.

Dalla previsione al test biologico

Il passaggio decisivo avviene in laboratorio. Una previsione computazionale deve essere confrontata con esperimenti biochimici, colture cellulari e, quando esistono basi sufficienti, studi su modelli animali. Solo in seguito si può valutare l’eventuale utilità clinica.

Un composto può apparire molto simile a un altro sul piano matematico, ma comportarsi in modo diverso nell’organismo. Piccole variazioni nella struttura possono modificare l’assorbimento, la distribuzione nei tessuti, il metabolismo o la capacità di legarsi a proteine differenti.

Conta anche la concentrazione. Un’interazione osservata in una provetta può richiedere quantità irrealistiche nel corpo umano, oppure può essere accompagnata da effetti indesiderati. Per questo una previsione positiva deve essere considerata un punto di partenza, non una conferma.

Il ruolo dei modelli di intelligenza artificiale

I sistemi più recenti possono combinare impronte molecolari, dati di attività biologica, informazioni sulle proteine bersaglio e risultati sperimentali. Alcuni modelli cercano relazioni tra struttura e funzione; altri stimano la probabilità che un composto interagisca con una determinata proteina.

Un vantaggio importante è la capacità di esplorare spazi chimici molto estesi. Il numero di molecole teoricamente possibili è enorme, mentre gli esperimenti disponibili riguardano soltanto una piccola parte di esse. Gli algoritmi possono quindi aiutare a scegliere quali candidati analizzare per primi.

La qualità del risultato dipende però dai dati utilizzati per l’addestramento. Se le banche dati contengono misure incomplete, errori o soprattutto risultati positivi, il modello può produrre previsioni distorte. Un problema noto è anche la difficoltà nel riconoscere i casi in cui sta lavorando fuori dall’ambito già osservato.

Una ricerca più rapida, non automatica

L’uso dell’IA può ridurre il numero di esperimenti inutili e accelerare la selezione dei candidati. Non sostituisce tuttavia la chimica sperimentale né la valutazione medica. La sintesi del composto, la sua stabilità, la formulazione e la sicurezza restano questioni concrete.

Inoltre, l’effetto di un farmaco dipende dall’intero organismo. Un bersaglio molecolare può essere coinvolto in funzioni diverse e un’azione apparentemente utile in una cellula può avere conseguenze indesiderate in altri tessuti. Anche un composto già autorizzato per una malattia può richiedere nuove prove se viene proposto per una condizione differente, una dose diversa o una popolazione più fragile.

Che cosa cambia per i pazienti

Se il metodo sarà validato in studi indipendenti, potrebbe contribuire a individuare più velocemente candidati per malattie rare, infezioni emergenti o condizioni con poche opzioni terapeutiche. Il vantaggio maggiore sarebbe nella fase di esplorazione, quando occorre decidere quali ipotesi meritino risorse e test.

Non significa però che i pazienti debbano modificare una terapia sulla base di una somiglianza molecolare o di un risultato generato da un algoritmo. L’eventuale nuova indicazione deve essere dimostrata con studi clinici progettati per quella specifica malattia.

Il tema si inserisce nella più ampia evoluzione della relazione tra intelligenza artificiale e ricerca chimica. Anche l’idea di studiare nuove modalità per utilizzare farmaci esistenti mostra quanto sia importante distinguere una possibilità chimica da un trattamento già dimostrato.

Il criterio decisivo resta la verifica

Le impronte molecolari possono trasformare la ricerca in un problema più gestibile: confrontare strutture, ordinare candidati e formulare ipotesi verificabili. La loro forza è la velocità con cui aiutano a esplorare dati complessi; il loro limite è che una correlazione numerica non equivale a un effetto terapeutico.

Per questo il percorso più credibile combina algoritmi, chimica, biologia e sperimentazione clinica. L’intelligenza artificiale può indicare dove guardare, ma sono le prove riproducibili a stabilire se una molecola possa davvero diventare una cura.

Per il quadro generale sulla progettazione e valutazione dei medicinali è utile consultare le risorse del National Institutes of Health e della American Chemical Society, insieme ai criteri e alla terminologia della International Union of Pure and Applied Chemistry.

Condivid

Ultime Notizie

Oggetto spaziale misterioso: possibilità di origine sovietica e ipotesi di sonda perduta

Un oggetto nello spazio ha attirato l'attenzione degli esperti per la sua possibile origine sovietica. Leggi tutto

22 Novembre 2026 - 00:18

Psicologo e moglie sotto accusa per esperimento di solletico mascherato sui figli

Un esperimento controverso condotto da uno psicologo e sua moglie sui propri figli solleva dubbi… Leggi tutto

22 Novembre 2026 - 00:15

Allegri avvisa il Napoli: «Vinto soffrendo, ora basta errori. Champions? Pensiamo al campionato»

Massimiliano Allegri si gode la vittoria del Napoli contro il Torino, ma non nasconde le… Leggi tutto

21 Novembre 2026 - 23:29

Napoli, McTominay dopo il gol al Torino: «La cosa più importante è che abbiamo vinto»

Il Napoli ritrova la vittoria contro il Torino e, dopo il gol decisivo al Maradona,… Leggi tutto

21 Novembre 2026 - 23:17

McTominay rompe il muro granata: il Napoli stende il Torino al Maradona

Il Napoli interrompe il digiuno e torna a vincere dopo tre settimane e mezzo, superando… Leggi tutto

21 Novembre 2026 - 22:44