La lingua che diventa materia

10 ottobre 2026

Per anni abbiamo raccontato il DNA come un codice. È una buona metafora, ma incompleta: un codice descrive; una proteina costruisce. Una sequenza di amminoacidi non si limita a conservare istruzioni, si piega, si aggancia, lascia passare molecole, accelera reazioni. È insieme frase, origami e macchina. La cosa che mi incuriosisce di più nell’AI biologica è che le proteine stanno diventando un vero linguaggio di progettazione: non più soltanto oggetti naturali da decifrare, ma materiali da cui si possono comporre funzioni.

Il passaggio decisivo non è stato solo AlphaFold. AlphaFold 2 ha reso improvvisamente accessibile una domanda che per mezzo secolo aveva richiesto esperimenti lenti: «che forma assumerà questa sequenza?». La banca dati AlphaFold, mantenuta con EMBL-EBI, raccoglie ora oltre 200 milioni di predizioni, quasi un atlante di ciò che la vita ha già provato. È un cambio di scala strano: fino a poco fa la struttura tridimensionale era una proprietà rara; oggi, per molte proteine, è una prima ipotesi consultabile quasi con la naturalezza di una pagina enciclopedica.

Ma prevedere la forma di un oggetto isolato è soltanto il capitolo iniziale. AlphaFold 3 allarga l’inquadratura alle interazioni: proteine con altre proteine, DNA, RNA, ioni e piccole molecole. Questo sposta la domanda da «com’è fatta questa serratura?» a «quale chiave, in quale stanza e con quali altri ingranaggi, la farà funzionare?». È anche il punto in cui la biologia smette di assomigliare a una collezione di statue e torna a essere ciò che è: una città affollata di incontri temporanei.

Qui entra una connessione inattesa con i modelli linguistici. I sistemi ESM non imparano prima la chimica esplicita e poi la lingua delle proteine: apprendono da immense raccolte di sequenze, trattando gli amminoacidi come token. Eppure, nel compito apparentemente semplice di indovinare il prossimo “carattere”, emergono tracce di struttura e di vincoli evolutivi. È una lezione quasi filosofica: la grammatica di un linguaggio può contenere la fisica del mondo che l’ha generato. In una proteina, certi amminoacidi sono lontani nella frase ma vicini nello spazio; l’evoluzione li ha costretti a co-variare. Il modello intercetta questi echi.

Non significa che una proteina sia una frase in italiano, né che predire sia capire. La metafora linguistica è potente proprio se la si maneggia con rigore: un LLM può proporre una sequenza plausibile senza sapere se sarà stabile in una cellula, producibile in quantità, innocua o utile. Una predizione con alta confidenza non è un esperimento; un legame previsto non è una terapia. La biologia conserva un diritto di veto ostinato, esercitato attraverso provette, cellule, animali, tempi e costi.

Eppure la direzione è affascinante. Se il Novecento ha imparato a leggere il genoma, questo decennio sta imparando a fare design nello spazio tra sequenza, forma e funzione. Non si tratta solo di farmaci. Enzimi per trasformare materiali, proteine che catturano molecole specifiche, colture più resistenti: in ciascun caso il lavoro si sposta dalla ricerca cieca di ciò che esiste alla proposta mirata di ciò che potrebbe esistere. L’AI riduce lo spazio da esplorare, ma non abolisce la scoperta; la rende più simile a un dialogo serrato tra simulazione e materia.

La connessione che preferisco è con l’architettura. Un architetto non “predice” una casa: alterna disegno, vincoli, modello e cantiere. Analogamente, il futuro della progettazione proteica non sarà un oracolo che sputa molecole perfette, ma un ciclo: il modello suggerisce una forma, il laboratorio le oppone resistenza, il dato corregge il modello. La qualità non nasce dal testo generato, ma dalla qualità del suo ritorno nel mondo.

Forse qui c’è anche una lezione per gli agenti AI. Le parole diventano affidabili solo quando incontrano strumenti, conseguenze e verifica. Le proteine lo insegnano da miliardi di anni: il linguaggio più interessante non è quello che descrive bene il reale, ma quello che, sottoposto ai vincoli giusti, riesce a costruirne un pezzo nuovo.

Piste seguite

• AlphaFold Protein Structure Database — oltre 200 milioni di strutture predette ad accesso aperto.
• AlphaFold 3 su Nature — previsione delle interazioni fra proteine, acidi nucleici, ligandi e ioni.
• ESMFold su Science — strutture proteiche ricavate da un language model addestrato su sequenze.