Medicina e Premi Nobel

Medicina e Premi Nobel

12 Novembre 2024 di: Angelo Milazzo 0

Premio Nobel per la Medicina

 

I vincitori del Premio Nobel per la Fisiologia o la Medicina 2024 sono stati Victor Ambros e Gary Ruvkun: per la scoperta del microRNA e del suo ruolo nella regolazione genica post-trascrizionale.

Victor Ambros è nato nel 1953 nel New Hapshire e, dopo aver lavorato in alcune delle più prestigiose università, insegna adesso presso la University of Massachusetts Medical School. Gary Ruvkun è nato a Berkeley nel 1952 e attualmente insegna genetica presso la Harvard Medical School.

I ricercatori hanno scoperto i micro RNA, una classe di minuscole molecole di RNA che svolgono un ruolo cruciale nella regolazione genica. Infatti è proprio la regolazione genica che permette a ogni cellula di selezionare soltanto le istruzioni più rilevanti per il suo ruolo. Così una cellula può esprimere un determinato gruppo di geni in un contesto e di silenziarne altri. Il lavoro dei micro RNA permette per esempio alle cellule dei muscoli, dell’intestino e ai diversi tipi di cellule nervose di svolgere funzioni specializzate. Ma l’attività genica deve essere continuamente ricalibrata per adattare le funzioni cellulari alle condizioni in divenire in cui si trova il nostro organismo, o agli stimoli ambientali. Se si verificano anomalie nel processo di regolazione genica, possono determinarsi patologie molto gravi come il cancro, il diabete o patologie autoimmuni.

I due ricercatori nel 1993 notarono che lin-4, un gene che regola i tempi di sviluppo delle larve del nematode C. Elegans, produceva una molecola di RNA insolitamente corta, a cui mancava un codice per la codifica di proteine. Il confronto con altri geni permise ai due di concludere che si trovavano davanti a un nuovo meccanismo di regolazione genica, che avveniva in una delle fasi finali dell’espressione genica: il silenziamento della produzione di alcune proteine. Quei filamenti troppo corti, poi chiamati micro RNA, avevano la capacità di legarsi a specifiche sezioni di mRNA e annullare parte delle sue istruzioni. Nel 2000 il gruppo di ricerca di Ruvkun pubblicò la scoperta di un altro micro RNA, codificato dal gene let-7, che è altamente presente in tutto il regno animale. Negli anni successivi si determinò un effetto valanga, con la scoperta di centinaia di diversi micro RNA. Oggi sappiamo che nell’uomo ci sono più di un migliaio di geni che regolano il micro RNA: in pratica un’intera dimensione genica. Il lavoro sul gene let-7 ha permesso quindi di capire che questo meccanismo di regolazione genica è universale tra tutti i meccanismi pluricellulari. Questo processo di regolazione genica è all’opera da centinaia di milioni di anni e ha permesso l’evoluzione di organismi sempre più complessi. Una regolazione non corretta dei micro RNA può determinare malattie congenite, ma può anche contribuire allo sviluppo di neoplasie o di patologie degenerative.

Premio Nobel per la chimica

David Baker, Demis Hassabis e John M. Jumper hanno vinto il Nobel per la Chimica 2024. Il Nobel ha riguardato il più ingegnoso e brillante strumento chimico della vita: le proteine, delle quali i tre scienziati hanno decifrato il “codice segreto”. David Baker è riuscito in un compito ritenuto impossibile: creare tipi di proteine interamente nuovi. Hassabis e Jumper hanno sviluppato un modello di intelligenza artificiale in grado di risolvere un problema altrettanto mai risolto: prevedere le strutture complesse delle proteine.

Baker, nato nel 1962 a Seattle e attualmente docente all’Università di Washington ha sviluppato metodi computerizzati per creare, nel 2003, una proteina che prima non esisteva: la TOP7. Questa, con i suoi 93 aminoacidi, è anche la più grande proteina mai prodotta. Da allora il suo gruppo di ricerca ha creato numerose proteine, incluse molecole che possono essere usati in nuovi farmaci, vaccini, nanomateriali e minuscoli sensori. Hassabis e Jumper, entrambi ricercatori alla Google DeepMind, hanno usato l’intelligenza artificiale per predire la struttura tridimensionale delle proteine, a partire da una sequenza di amminoacidi. Ciò ha loro permesso di immaginare la struttura di quasi tutte le 200 milioni di proteine finora note. Nel 2020 hanno presentato il loro modello di intelligenza artificiale: l’AlphaFold2. Da allora, l’AlphaFold2 è stato usato da oltre 2 milioni di persone per una infinità di applicazioni scientifiche: da studi per comprendere meglio l’antibiotico-resistenza a ricerche per realizzare enzimi in grado di decomporre la plastica. Hassabis, tra l’altro, vanta tra i suoi meriti quello di essere un neuroscienziato, nonché un esperto giocatore di scacchi. E’ stato co-fondatore della DeepMind. L’ AlphaFold2 sfrutta reti neurali chiamate transformers, capaci di trovare pattern in enormi moli di dati nel modo più flessibile. Hassabis e Jumper hanno calcolato la struttura di tutte le proteine umane e predetto quella delle 200 milioni di proteine presenti nel nostro pianeta.

Nel frattempo, Baker aveva cominciato a produrre proteine “de novo”, perché il numero di proteine presenti in natura è limitato. Ha quindi sviluppato un software, chiamato Rosetta, che funziona, per esemplificare, così: si progetta una proteina e si chiede a Rosetta di calcolare quale tipo di sequenza di aminoacidi può dare origine alla proteina identificata. Nel 2003 Baker pubblica il successo di Rosetta nel costruire Top7, una proteina pensata e sviluppata de novo, e con le caratteristiche desiderate. Inoltre, ha reso pubblico il codice di Rosetta, in modo da renderlo liberamente accessibile a tutta la comunità scientifica.

Tutti e tre gli scienziati hanno permesso di conoscere meglio le strutture e le funzioni delle proteine, e di saperne creare delle nuove. Ciò permette di comprendere meglio i meccanismi di base della vita, di capire come si sviluppano le malattie, di ottenere nuovi farmaci e nuovi materiali.

 

 

Autore

Angelo Milazzo

Presidente Società Italiana di Pediatria Preventiva e Sociale (Sipps),


Email: milazzo@cataniamedica.it

Your email address will not be published. Required fields are marked *