IA decifra segreti afidi

L'intelligenza artificiale può aiutare gli scienziati a risolvere complessi enigmi biologici, ma anche i sistemi più avanzati incontrano dei limiti quando le informazioni disponibili sono incomplete. Un recente studio sulle proteine ​​degli afidi illustra come la combinazione di previsioni computazionali ed evidenze genetiche possa consentire di superare un difficile problema di ricerca.

Gli scienziati hanno scoperto che migliaia di proteine ​​in rapida evoluzione condividono una base strutturale comune, offrendo nuovi indizi su come questi minuscoli insetti influenzino lo sviluppo delle piante.

Scoperta una famiglia di proteine ​​nascosta

Gli afidi possono influenzare lo sviluppo di alcune piante introducendo proteine ​​specializzate nei loro tessuti. In alcuni casi, questo processo induce le piante a formare strutture chiamate galle, che offrono agli insetti un luogo in cui vivere e nutrire la propria prole.

Gli scienziati stanno studiando un gruppo di queste molecole, note come proteine ​​BICYCLE. Il loro nome fa riferimento a una sequenza ripetuta che coinvolge l'amminoacido cisteina. Sebbene i ricercatori avessero già individuato tali proteine, comprenderne il ruolo è rimasto difficile, poiché le loro sequenze genetiche differivano sostanzialmente da quelle di proteine ​​note presenti nei database scientifici.

Di norma, i ricercatori confrontano la sequenza amminoacidica di una proteina sconosciuta con esempi già studiati. Le somiglianze possono fornire indizi sulla sua struttura e sulla sua funzione biologica. Tuttavia, questo approccio si è rivelato meno efficace per le proteine ​​BICYCLE, a causa delle profonde modificazioni subite nel corso dell'evoluzione.

Perché la previsione dell'IA ha fallito

Per indagare sulla questione, il team di ricerca ha collaborato con biologi strutturali per determinare la disposizione fisica di due proteine ​​BICYCLE mediante cristallografia a raggi X. Questa tecnica di laboratorio consente agli scienziati di stabilire come gli atomi siano organizzati all'interno di una molecola. Le strutture ottenute hanno fornito un importante riferimento per testare AlphaFold2, un sistema di IA progettato per prevedere la forma delle proteine ​​a partire dalle loro sequenze di amminoacidi.

Inizialmente, AlphaFold2 non è riuscito a riprodurre le strutture determinate sperimentalmente. Il problema non era semplicemente una carenza di potenza di calcolo. Il sistema, infatti, si avvale anche di informazioni evolutive – inclusi schemi condivisi da proteine ​​correlate – per affinare le proprie previsioni. Poiché le proteine ​​BICYCLE presentavano caratteristiche così insolite, i database disponibili non offrivano un numero sufficiente di confronti utili; all'IA mancava, di conseguenza, un'importante fonte di contesto biologico.

L'evoluzione fornisce gli indizi mancanti

I ricercatori hanno affrontato il problema raccogliendo ulteriori informazioni genetiche su diverse specie di afidi. Il loro lavoro ha incluso il campionamento sul campo negli Stati Uniti e in Giappone, seguito dal sequenziamento del genoma per svelare le relazioni tra le proteine.

Questi confronti hanno fornito prove di natura evolutiva che mancavano nell'analisi iniziale. Grazie alle ulteriori informazioni disponibili, AlphaFold2 ha predetto con successo una struttura corrispondente a quella determinata mediante cristallografia. Il team ha quindi esteso l'approccio a sette specie di afidi, generando circa 2.400 previsioni strutturali ad alta affidabilità.

Dai risultati è emersa una caratteristica costante: le proteine ​​condividevano un assetto strutturale noto come ripiegamento di tipo "saposina" (saposin-like fold). In termini semplici, esse sembravano seguire un modello tridimensionale comune, nonostante le loro singole sequenze fossero cambiate notevolmente. Tale scoperta ha rivelato una connessione che i metodi convenzionali di confronto delle sequenze avevano faticato a individuare.

Una struttura, molteplici funzioni possibili

Condividere una base strutturale non implica necessariamente che le proteine ​​svolgano funzioni identiche. I ricercatori hanno riscontrato notevoli variazioni nelle proprietà chimiche delle superfici esterne delle proteine; alcune regioni differivano per caratteristiche elettriche e interazioni con l'acqua. I tentativi di suddividere le proteine ​​in gruppi chiaramente definiti sulla base di tali proprietà non hanno avuto successo.

Questa diversità suggerisce che le proteine ​​BICYCLE possano interagire con le molecole delle piante in molti modi diversi. Invece di basarsi su un unico meccanismo specifico, tali proteine ​​potrebbero influenzare diversi processi biologici all'interno delle cellule vegetali. I ricercatori hanno inoltre ipotizzato che la rapida evoluzione proteica possa aiutare gli afidi a mantenere queste interazioni, rendendo al contempo più difficile per le piante riconoscere le loro molecole. Tuttavia, le funzioni precise delle singole proteine ​​richiedono ancora ulteriori approfondimenti.

Cosa significa questa scoperta per la ricerca futura

Lo studio, pubblicato sulla rivista *Proceedings of the National Academy of Sciences* nel settembre 2026, offre un approccio utile per esaminare proteine ​​che hanno subito modifiche tali da renderle difficilmente riconoscibili tramite i metodi di confronto convenzionali. La sua importanza va oltre il caso degli afidi.

Anche altri sistemi biologici contengono proteine ​​in rapida evoluzione la cui caratterizzazione rimane complessa. Combinare misurazioni di laboratorio, sequenziamento genetico, analisi evolutiva e previsioni basate sull'intelligenza artificiale può aiutare i ricercatori a studiare queste molecole in modo più efficace. Tuttavia, le strutture previste non sostituiscono le evidenze sperimentali.

La ricerca dimostra che l'IA può diventare più efficace quando i ricercatori forniscono il contesto biologico appropriato. Combinando strutture determinate sperimentalmente con informazioni genetiche provenienti da diverse specie di afidi, il team ha individuato un modello strutturale comune, celato dietro un'ampia variabilità proteica.

La prossima sfida consiste nello stabilire in che modo queste molecole influenzino le cellule vegetali e se le loro diverse strutture corrispondano a ruoli biologici differenti. Con il proseguire della ricerca, questo studio potrebbe aiutare gli scienziati a comprendere meglio le complesse interazioni vegetali, dimostrando al contempo come le conoscenze evolutive possano potenziare le scoperte assistite dall'intelligenza artificiale.