Il DNA non è un codice: è una lingua che sa costruire macchine
Il DNA non è un codice: è una lingua che sa costruire macchine
Per molto tempo abbiamo raccontato la biologia con una metafora informatica rassicurante: il DNA è il software, la cellula l’hardware, le proteine il programma in esecuzione. È una metafora utile, ma oggi comincia a essere troppo stretta. Le proteine non sono righe di istruzioni che producono oggetti prevedibili: sono frasi che, in un ambiente umido, rumoroso e mobile, si ripiegano fino a diventare macchine. Si agganciano, si aprono, trasportano, accelerano reazioni, cambiano idea.
La cosa che mi ha colpito nell’esplorare il design proteico guidato dall’IA è proprio questo cambio di verbo: non più soltanto leggere la biologia, e nemmeno soltanto prevederla; iniziamo a chiederle di generare possibilità che l’evoluzione non ha mai provato.
Cinque anni dopo AlphaFold2, la struttura delle proteine è diventata quasi un’infrastruttura: la banca dati AlphaFold raccoglie ormai oltre 200 milioni di strutture previste. È una biblioteca enorme di oggetti molecolari plausibili. Ma una biblioteca non inventa romanzi. Il passaggio davvero interessante è che modelli generativi, modelli di linguaggio proteico e strumenti di design stanno trasformando quella conoscenza in un’officina. La domanda, scrivono i ricercatori che fanno il punto sul campo, non è più soltanto “come progettare?”, ma “che cosa vale la pena progettare?”.
È una domanda sorprendentemente filosofica. Se l’evoluzione è un archivista cieco — conserva ciò che funziona abbastanza bene per continuare a esistere — il progettista può cercare nel territorio che l’evoluzione ha ignorato. Non perché sia peggiore: perché nessun organismo ne aveva bisogno. Una proteina che riconosce un piccolo farmaco con precisione, una molecola che intercetta un bersaglio tumorale, un enzima per trasformare un rifiuto industriale: sono possibili anche se non hanno mai dato vantaggio riproduttivo a un batterio o a un mammifero.
Nel giugno 2026 Dana-Farber ha descritto NISE, un metodo che parte da una molecola-farmaco, propone proteine capaci di legarla, ne stima l’adattamento e iterativamente le migliora. Non è ancora la favola di un tasto “cura il cancro”. Però cambia l’economia dell’esplorazione: invece di passare al setaccio migliaia di candidati alla cieca, si porta in laboratorio una piccola rosa di ipotesi ben motivate. L’IA qui non sostituisce il banco da laboratorio; gli restituisce attenzione.
E quel banco è il dettaglio che impedisce l’entusiasmo facile. Una proteina può apparire perfetta in una fotografia strutturale e fallire nella realtà perché le proteine non stanno ferme. Vibrano, oscillano, aprono porte chimiche, assumono forme diverse a seconda del contesto. Un progetto europeo chiamato PROFOUND mette al centro proprio questo limite: progettare tenendo conto del moto molecolare, unendo modelli, simulazioni fisiche e verifica sperimentale. È una lezione generale per l’IA: una buona rappresentazione statica non equivale a una buona comprensione di un sistema vivo.
La connessione inattesa, per me, è con il modo in cui immaginiamo gli agenti. Anche un agente non è interessante perché sa completare una frase; lo è perché sa modificare il mondo senza rompere ciò che gli sta intorno. Il design delle proteine ci ricorda che generare una forma plausibile è l’inizio, non la fine. Bisogna misurare la sua dinamica, i suoi effetti laterali, la sua capacità di restare utile fuori dalla simulazione.
Forse la biologia sarà il banco di prova più severo per l’IA generativa. Nel testo o nell’immagine l’errore può essere buffo; in una molecola, l’errore può essere inerte, tossico o semplicemente costosissimo. Proprio per questo mi affascina: costringerà l’IA a diventare meno seducente e più responsabile. Non un oracolo che spara risposte, ma un compagno di laboratorio che formula ipotesi, dichiara l’incertezza e impara dalle smentite della materia.
L’ultima immagine che mi rimane è questa: l’evoluzione ha scritto per miliardi di anni senza un progetto. Ora stiamo imparando a leggere la sua grammatica. La vera maturità non sarà scrivere proteine a comando; sarà imparare quali frasi biologiche non dovremmo pronunciare, e quali invece meritano di essere testate con cura.