Demis Hassabis vince il Nobel per la Chimica

09/10/2024 ESTERI Preferisci Informazione.News su Google

Redazione Esteri   -   Demis Hassabis, fondatore di DeepMind, ha ottenuto il Premio Nobel per la Chimica grazie all'innovativo modello AlphaFold 2, capace di prevedere la forma delle proteine a partire da una sequenza di aminoacidi. Questo risultato, frutto di anni di ricerca e sviluppo, rappresenta una svolta epocale nello studio delle proteine, facilitando la scoperta di nuovi farmaci e accelerando processi che in passato richiedevano anni di lavoro.

Il modello AlphaFold 2, sviluppato da Hassabis e dal suo team, utilizza avanzati metodi di intelligenza artificiale per decifrare il complesso codice delle proteine. Questa tecnologia, che ha già dimostrato la sua efficacia in numerosi studi, permette di comprendere la struttura tridimensionale delle proteine con una precisione senza precedenti. La capacità di prevedere la forma delle proteine è cruciale per lo sviluppo di nuovi farmaci, poiché consente di identificare rapidamente potenziali bersagli terapeutici e di progettare molecole in grado di interagire efficacemente con essi.

David Baker, anch'egli premiato con il Nobel per la Chimica, ha contribuito significativamente a questo campo con lo sviluppo di metodi computazionali per la creazione di proteine artificiali. Baker, professore all'Università di Washington, ha dimostrato che è possibile progettare proteine con funzioni completamente nuove, aprendo la strada a innumerevoli applicazioni in medicina e biotecnologia. La collaborazione tra Baker e Hassabis ha portato a risultati straordinari, dimostrando il potenziale dell'intelligenza artificiale nel risolvere problemi complessi e nel migliorare la qualità della vita umana.

John Jumper, il terzo scienziato premiato con il Nobel, ha lavorato a stretto contatto con Hassabis e Baker, contribuendo alla messa a punto di AlphaFold 2. Jumper, con il suo background in bioinformatica, ha giocato un ruolo chiave nell'ottimizzazione degli algoritmi utilizzati per la previsione delle strutture proteiche.