Il pioniere della progettazione di proteine David Baker spiega perché la condivisione del codice ha aiutato il suo istituto a fiorire

L'Institute for Protein Design dell'Università di Washington è una fabbrica startup che avvia aziende che sviluppano nuove terapie a base proteica, enzimi industriali, materiali, biosensori e altro ancora.
Una chiave per il successo imprenditoriale dell'istituto è una mentalità di ricerca aperta e collaborazione – e l'enfasi nel rendere prontamente disponibile il codice per i suoi strumenti di progettazione delle proteine.
"Ho davvero creduto fin dall'inizio che dovremmo condividere tutto ciò che abbiamo fatto", ha detto il direttore dell'IPD e professore dell'UW David Baker, parlando a un evento nel campus di Seattle la scorsa settimana.
Più di due decenni fa, Baker e i suoi colleghi svilupparono uno dei primi strumenti di progettazione delle proteine e resero disponibile il codice attraverso un consorzio chiamato Rosetta Commons.
I clienti commerciali pagano una tariffa di licenza, mentre gli accademici accedono gratuitamente al codice Rosetta e lo sviluppano e lo migliorano.
Più di 70 organizzazioni accademiche e industriali contribuiscono a Rosetta Commons.
CORRELATO: Come l’intelligenza artificiale sta cambiando il modo in cui gli scienziati progettano farmaci, biosensori, enzimi e altro ancora “Quel codice si è davvero diffuso in tutto il mondo.
Ed era fondamentalmente quello che usavano tutti”, ha detto Baker.
Altri gruppi accademici hanno costruito strumenti simili per la progettazione di proteine, ma sono stati più riservati perché volevano avviare delle aziende, ha affermato Baker.
Alla fine, il loro software non ha avuto successo perché non ha beneficiato dell'alto livello di collaborazione di Rosetta, ha detto.
L'apertura dell'IPD ha portato a un software migliore, ha detto, e ha posto le basi per successive spinout.
L’IPD ha continuato a concentrarsi sull’accessibilità con l’avvento dell’intelligenza artificiale.
Uno strumento di deep learning di DeepMind di Google per prevedere come le proteine si ripiegano entrerà in campo nel 2020, seguito da uno strumento simile dell'IPD.
Entrambi hanno vinto il premio Breakthrough of the Year 2021 della rivista Science.
Da allora, l’IPD ha rilasciato nuovi modelli di deep learning che vanno oltre e progettano nuove proteine da zero.
"Sono praticamente lo standard del settore", ha affermato Baker dei nuovi strumenti open source.
“Le aziende tecnologiche sono davvero brave in quello che fanno.
Ma essendo in un ambiente chiuso, è difficile innovare su larga scala”, ha aggiunto.
"Nel nostro settore, rendere il codice liberamente disponibile è stata chiaramente la cosa migliore che potessi immaginare." Il settore nel complesso si muoverebbe ancora più velocemente se si potesse accedere a set di dati proprietari più grandi presso le aziende biofarmaceutiche per addestrare modelli di deep learning, ha affermato Baker.
Baker attribuisce all'IPD anche il merito delle innovazioni di laboratorio che hanno consentito ai ricercatori di testare in modo efficiente i loro progetti proteici e di reinserire i dati nei loro modelli per migliorarli.
L'IPD ha creato nove società, tutte con sede a Seattle.
Nel 2020, Takeda ha acquistato PvP Biologics, spin-out di IPD, per 330 milioni di dollari e a febbraio AstraZeneca ha completato l’acquisizione da 1,1 miliardi di dollari dello spin-out IPD, Icosavax, che sviluppa vaccini.
Anni fa, i venture capitalist insistevano affinché Baker avviasse società solo a Boston.
Ma il laureato della Garfield High School di Seattle è rimasto fedele alla sua città natale, tornando in città dopo aver completato i suoi studi di dottorato nella Bay Area.
"Se vuoi assumere persone che sappiano come progettare proteine, Seattle è sicuramente il posto migliore", ha affermato Baker.
"Penso che si possa creare un ecosistema semplicemente attraverso un'attività sostenuta." Baker, che è passato alla scienza dopo aver studiato studi sociali al college, non ha iniziato con l'obiettivo di diventare un imprenditore.
“Non sai mai dove ti porterà la vita”, ha detto Baker, che consiglia ai suoi studenti di non pianificare troppo in anticipo.
"Essere un imprenditore e avviare un'azienda è davvero cresciuto grazie al lavoro che stavamo svolgendo." L'intervista di domande e risposte è stata ospitata presso gli uffici della divisione di commercializzazione di UW, CoMotion, ed è stata condotta da Jenny Cronin, preside dell'AI2 Incubator di Seattle.
Leggi ulteriori commenti di Baker qui sotto.
Le domande e le risposte sono state modificate per brevità e chiarezza.
Jenny Cronin: In che modo il tuo laboratorio inserisce nuovi metodi di intelligenza artificiale, come i modelli di diffusione che stanno dietro generatori di immagini come DALL-E? Lo strumento di deep learning IPD RFdiffusion ne è un esempio.
David Baker: Siamo incredibilmente aperti, quindi riceviamo visitatori in continuazione.
Che si tratti di un venture capitalist, di un'azienda farmaceutica o di uno studente in visita, possono vedere tutto ciò che facciamo in ogni momento.
Abbiamo molte persone che vogliono collaborare e visitare e spesso portano idee.
Nel caso di RFdiffusion, c'era uno studente in visita molto talentuoso e ha iniziato a giocare con i modelli di diffusione.
Hai suggerimenti su come gli studenti possono raggiungere e creare tali connessioni, per generare collaborazioni? Penso che la collaborazione sia assolutamente centrale per la scienza.
Incoraggio i miei studenti a inviare semplicemente email alle persone.
Se stanno lavorando su un problema, dico di scoprire chi sono le tre persone migliori al mondo e di inviargli un'e-mail.
A volte non otterrai una risposta, ma altre volte sì, e questo può avviare una connessione che potrebbe davvero trasformare la tua ricerca.
Quali sono alcune delle grandi sfide nell’intelligenza artificiale e nella progettazione delle proteine che siamo pronti a risolvere? Gli anticorpi sono davvero le molecole chiave per le terapie proteiche nell’industria farmaceutica.
Penso che assisteremo a una transizione dalle terapie proteiche ottenute con una sorta di magia nera – come immunizzare un animale e lasciare che il sistema immunitario naturale trovi una soluzione – a quelle effettivamente progettate razionalmente.
Metodi razionali come i metodi di deep learning dovrebbero, a lungo termine, essere in grado di creare anticorpi che non solo leghino il bersaglio proprio come desideri, ma anche che siano sviluppabili e sicuri e tutto il resto.
E poi andando oltre gli anticorpi, quello che ti piacerebbe davvero sono terapie più intelligenti che possano effettivamente fare calcoli nel corpo, essere reattivi e agire solo nel posto giusto, e non in altri.
E penso che ciò diventerà sempre più possibile man mano che i metodi di progettazione delle proteine diventeranno più potenti.
Sono curioso di conoscere aree non terapeutiche.
Se si guarda alla biologia, le proteine catturano l’energia del sole e la usano per creare molecole: la fotosintesi è davvero un processo affascinante.
Stiamo lavorando, fondamentalmente, su sistemi fotosintetici artificiali che cattureranno la luce e l'energia solare e la useranno per fare cose.
Un'altra cosa che le proteine fanno in modo molto efficace è la mineralizzazione, come nelle ossa, nei denti e nei gusci.
Si tratta di un'area molto interessante sia per la fissazione del carbonio che per la creazione di nuovi tipi di materiali.
Stiamo anche riempiendo il mondo di plastica, così possiamo sviluppare catalizzatori in grado di scomporla.
Per la diagnostica, un'area di cui siamo molto entusiasti è la possibilità di progettare nanopori con dimensioni e interni completamente controllabili.
Le loro applicazioni sono enormi, come per il sequenziamento del DNA o delle proteine.
All'IPD fate qualcosa per cercare di incoraggiare il pensiero imprenditoriale? L'IPD ha un programma di ricerca traslazionale in cui rimani per un anno o due dopo aver terminato il dottorato, sviluppi ciò che hai generato e lo migliori.
Anche le persone che hanno avuto successo nell’avviare imprese torneranno all’IPD.
Abbiamo happy hour e loro danno consigli e così via.
Mi assicuro anche che le persone parlino sempre tra loro e incoraggio le persone a formare team se sono interessate ad avviare un'azienda, non avendo questa immagine che devi farlo da solo.
Quando tu e gli studenti scegliete i progetti, quanto bilanciate il potenziale commerciale con l'interessante ricerca scientifica? La cosa fondamentale è che ci deve essere un problema irrisolto davvero importante che dovrebbe essere risolvibile nei prossimi due anni.
Trovare questi problemi, però, è una vera arte.
E non puoi scegliere qualcosa che sia troppo facile: devi davvero spingerti oltre i limiti.
E se scegli un problema troppo difficile, non arriverai da nessuna parte.
Ma se scegli i problemi giusti, quando è il momento di risolverli, una frazione sorprendentemente ampia avrà un potenziale commerciale, forse in un modo che non avevi previsto.
E questo certamente è successo con molte delle cose che abbiamo fatto.