AlphaFold è un sistema di intelligenza artificiale sviluppato da DeepMind che prevede la forma tridimensionale di una proteina a partire dalla sequenza di amminoacidi che la compone. Quella forma conta perché la funzione di una proteina è determinata quasi interamente da come si ripiega: se si conosce la struttura, si può cominciare a capirne la funzione e, da lì, la malattia. Per circa cinquant'anni ricavare queste forme è stato un lavoro di laboratorio meticoloso che poteva richiedere mesi o anni per una sola proteina.
Nel 2020 AlphaFold2 ha raggiunto un'accuratezza paragonabile a quella di quei lenti metodi sperimentali, e nel giro di pochi anni il sistema aveva previsto le strutture di circa duecento milioni di proteine, quasi tutte quelle note alla scienza. DeepMind ha reso disponibile il database gratuitamente. Nel 2024 il lavoro è valso a Demis Hassabis e John Jumper una parte del premio Nobel per la chimica, condiviso con David Baker per il campo affine della progettazione di proteine.
Ciò che rende AlphaFold importante al di là della biologia è quanto ha dimostrato sull'IA stessa. Un problema che il settore aveva tacitamente accettato potesse non cedere mai del tutto non è stato eroso poco a poco, ma in gran parte dissolto, da una macchina che ha appreso la grammatica profonda del ripiegamento dagli esempi esistenti. Resta uno dei casi più chiari di un sistema di IA che produce una vera svolta scientifica anziché un miglioramento incrementale: un fatto al passato, non una promessa sul futuro.
Un limite onesto merita di restare in vista. Prevedere una struttura non equivale a capire tutto ciò che una proteina fa, come si muove, o come trasformare quella conoscenza in un medicinale che funzioni. AlphaFold ha compresso un passaggio lento di una lunga catena. Non ha fatto crollare l'intera catena; ma comprimere anche un solo passaggio di quella portata ha ridisegnato ciò che il resto del settore poteva tentare.
