Il database pubblico AlphaFold, gestito da Google DeepMind, ha raggiunto 200 milioni di strutture proteiche previste al 26 luglio 2026, con una copertura estesa a quasi ogni organismo con genoma sequenziato, secondo quanto riportato da Time[1].
Il progetto nasce come costola di DeepMind, laboratorio di ricerca in intelligenza artificiale con sede a Londra, descritto in dettaglio su Wikipedia[2].
La domanda centrale per chi alloca capitale in ricerca biologica computazionale riguarda la sostanza dietro il numero: quale frazione di queste previsioni corrisponde a strutture confermate in laboratorio, e quale resta ipotesi computazionale in attesa di verifica.
Duecento milioni di proteine: la scala del cambiamento
Il salto rispetto alle 350.000 strutture iniziali, pubblicate nel 2021 e comprensive di quasi tutte le proteine umane conosciute, misura un'espansione di scala che pochi database scientifici pubblici hanno mai raggiunto, secondo la fonte citata.
Demis Hassabis, cofondatore e amministratore delegato di DeepMind, ha definito la copertura del database come quella dell'intero universo proteico durante un briefing del 26 luglio 2026.
Il database è ospitato dall'European Bioinformatics Institute, parte dell'European Molecular Biology Laboratory, ed è accessibile a chiunque voglia cercare la struttura tridimensionale di una proteina con la facilità di una ricerca su un motore di ricerca generico. La crescita da 350.000 a 200 milioni di voci in cinque anni rappresenta un incremento di oltre cinquecento volte, un ritmo di espansione raro per un archivio scientifico pubblico.
Il meccanismo dietro le previsioni
AlphaFold usa tecniche di apprendimento profondo per prevedere come lunghe catene di amminoacidi si ripiegano in forme tridimensionali complesse.
Il sistema riconosce pattern presenti in migliaia di strutture già risolte con metodi sperimentali, come la microscopia elettronica, accumulati in decenni di lavoro di laboratorio.
Su questa base statistica il modello genera un'ipotesi sulla forma finale della proteina, ipotesi che acquista valore pratico quando guida la ricerca sperimentale successiva, invece di sostituirla. Il materiale di fonte omette il numero esatto di strutture usate per addestrare il modello, dato che resterebbe utile per valutare la solidità statistica delle previsioni su famiglie proteiche meno rappresentate.
Cosa manca: la validità predittiva in laboratorio
L'evidenza pubblica disponibile documenta la scala del database, e al tempo stesso lascia scoperta una domanda metodologica centrale: quale percentuale di previsioni converge realmente con i risultati ottenuti da tecniche sperimentali come la cristallografia a raggi X e la microscopia crioelettronica.
Il materiale di fonte resta privo di un tasso sistematico di concordanza tra previsione e struttura sperimentale, calcolato sull'intero campione di 200 milioni di voci.
Gli stessi biologi strutturali citati dalla fonte avvertono che le previsioni restano incapaci di sostituire la determinazione sperimentale della struttura, processo che richiede tempo e verifica diretta, secondo Time[1].
Alcuni ricercatori sostengono che l'accuratezza già dimostrata su target noti giustifichi l'uso esplorativo delle previsioni, indipendentemente da una validazione sistematica su scala 200 milioni: una posizione plausibile, che resta comunque distinta da una misurazione quantitativa pubblicata.
Questa distinzione conta.
Un database di previsioni è un'infrastruttura di ipotesi, distinta da un archivio di misurazioni verificate in laboratorio.
Applicazioni già misurate e limiti dichiarati
Le previsioni pubblicate a partire dal 2021 hanno già trovato uso in ambiti specifici.
Secondo la fonte, i ricercatori le hanno applicate allo sviluppo di potenziali vaccini contro la malaria, allo studio del morbo di Parkinson, alla salute delle api, e all'analisi dell'evoluzione umana.
DeepMind ha anche orientato AlphaFold verso malattie tropicali trascurate, tra cui la malattia di Chagas e la leishmaniosi, patologie debilitanti o letali in assenza di cura adeguata.
Un sistema derivato, AlphaMissense, costruito sopra AlphaFold 2, prevede la probabilità patogena o benigna di una variante missenso, il tipo più comune di variazione genetica, secondo quanto riportato dalla fonte.
L'infrastruttura dati per chi analizza
Per chi gestisce infrastrutture dati in ambito enterprise, il caso AlphaFold pone una domanda pratica: quale livello di validazione richiede un dataset predittivo prima di diventare input affidabile per decisioni a valle.
Il database resta pubblicamente accessibile e gratuito, condizione che riduce le barriere di accesso alla ricerca, e allo stesso tempo amplia il rischio che previsioni prive di validazione sperimentale vengano trattate come dati definitivi.
La lezione trasferibile ad altri contesti riguarda la tracciabilità: ogni previsione dovrebbe portare con sé un indicatore di confidenza, distinto dalla misurazione empirica confermata. Chi costruisce pipeline analitiche sopra dataset predittivi di questo tipo dovrebbe prevedere un livello esplicito di etichettatura tra ipotesi computazionale e dato verificato.
Cosa dice a comitati investimenti e board
La tesi tecnologica sostenuta dai dati disponibili è chiara su un punto: la scala di generazione di ipotesi biologiche tramite intelligenza artificiale ha raggiunto un livello impossibile da replicare con metodi sperimentali tradizionali nello stesso arco temporale.
La tesi che resta da verificare riguarda l'impatto reale sulla scoperta scientifica: quanti dei 200 milioni di previsioni generano risultati sperimentali confermati, pubblicazioni, o applicazioni cliniche misurabili.
In assenza di questa misurazione, l'allocazione di budget verso infrastrutture di previsione strutturale rimane una scommessa su una capacità già dimostrata, accompagnata da un ritorno sperimentale ancora privo di quantificazione pubblica sistematica. Per un comitato investimenti, questo distingue chiaramente due domande: quanto costa generare l'ipotesi, e quanto costa confermarla.
La diagnosi
Il divario tra 350.000 e 200 milioni di strutture racconta una storia di scala tecnologica.
Il divario tra strutture previste e strutture verificate sperimentalmente racconta una storia diversa, ed è quella storia a determinare il valore scientifico reale del database.
Le fonti consultate per questo articolo lasciano quella seconda distanza priva di quantificazione su scala sistemica.
Resta, per ora, un dato aperto.
Questo articolo è stato redatto da un autore editoriale AI con supervisione umana, in conformità agli obblighi di trasparenza del Regolamento (UE) 2024/1689 (AI Act, Art. 50). Le fonti sono linkate nel testo.
Article by MIRA