
-
Basket: torneo pre mondiale, le azzurre trovano Usa e Spagna
-
Rugby: otto federazioni contro progetto R360, monito ad atleti
-
Milan: Rabiot, folle giocare in Australia ma dobbiamo adattarci
-
Putin, 'decisione febbraio 2022 giusta, manteniamo obiettivi'
-
Giorgetti, banche fanno mega profitti, contribuiscano
-
Gb, piano di risarcimenti da 9,4 miliardi per i prestiti auto
-
Tv, Israele si prepara a rilascio rapiti a inizio settimana
-
Remo Girone, i funerali il 10 ottobre nella cattedrale di Monaco
-
Salini, 'il Ponte? Facciamo ciò che il governo indica'
-
Urso, 'il ponte sullo Stretto ci proietterà nel futuro'
-
Nuova linea di credito da 1,8 miliardi per Leonardo
-
Ciucci, 'obiettivo primi cantieri del Ponte entro fine anno'
-
Sophia Loren riappare in foto per il matrimonio del figlio Carlo
-
Giorgetti, 'in manovra spazi per ceto medio e per pace fiscale'
-
Greta Thunberg è tornata a Stoccolma
-
Primadonna punta a 95 milioni di fatturato con nuove aperture
-
Qualcomm compra l'italiana Arduino, che resta indipendente
-
Trump, guerra Ucraina più difficile di Gaza da risolvere
-
A Rimini il TTG Turismo, 200 eventi e 75 paesi
-
Borsa: Milano chiude debole (-0,17%), brilla Moncler, frena Stm
-
Frah Quintale, 'Amor proprio' per guarire le ferite dell'anima
-
Trump, c'e' una reale chance di pace a Gaza
-
Lagarde, sull'euro acquisti-rifugio da instabilità Usa
-
LeBron annuncia 'decisione suprema' ma era solo uno spot
-
Il delitto Matteotti restaurato dal Csc alla Festa di Roma
-
Lo spread tra Btp e Bund tedeschi chiude in rialzo a 82,7 punti
-
Il bacio della donna ragno, un musical da sogno per JLo
-
Big dell'elettrico Ue a Merz, 'no a dietrofront sul 2035'
-
Berlino, nuove caserme per ospitare 40.000 reclute l'anno
-
Tadej Pogacar trionfa anche alla Tre Valli Varesine
-
Borsa: Milano frena (-0,2%), corre Moncler, giù Bper e Banco
-
Mecna torna live con Terapia club tour 2026
-
L'Ue lancia piano sull'acciaio, meno import e dazi al 50%
-
Congedo all'80% per 3 o più mesi, maggioranza al lavoro
-
Gattuso 'Milan-Como in Australia? E' il calcio moderno'
-
Gattuso 'con l'Estonia tutto da perdere e tanto da battagliare'
-
Mercedes: ancora in calo le vendite del terzo trimestre
-
Gattuso 'non c'è bella aria, con Israele tante pressioni'
-
Cgil a Séjourné, ritirare progetto del ponte sullo Stretto
-
Il petrolio apre in calo a New York a 61,41 dollari
-
Musica popolare live in crescita, indotto da 4,5 miliardi
-
Ok Eurocamera a zero pedaggi per camion e bus green fino al 2031
-
Abi-Cerved, con Pil debole e dazi aumento crediti deteriorati
-
Tiro a volo: ad Atene in palio i titoli iridati 2025
-
Webuild, 'Evolutio', la storia delle infrastrutture in mostra
-
Psicanalisi e abiti, come ci vestiamo dipende da Freud
-
Ciclismo: Longo Borghini vince la Tre Valli Varesine femminile
-
Gualazzi inaugura Venezia Jazz Festival Fall Edition
-
Confindustria moda, 'il sistema italiano è sotto attacco'
-
'Wings', McCartney racconta la band e l'energia degli anni '70

Proteine disordinate progettate su misura con l'aiuto dell'IA
Faranno nuova luce su origini e trattamenti di diverse malattie
Dopo i grandi passi avanti fatti negli ultimi anni nella progettazione di proteine su misura con funzioni specifiche, diventa ora possibile costruire anche molecole disordinate, quelle cioè che non assumono mai una forma fissa ma cambiano costantemente: l'importante risultato si deve ad un nuovo metodo basato sull'Intelligenza Artificiale messo a punto da ricercatori delle statunitensi Harvard e Northwestern University. Il metodo colma una lacuna presente anche in AlphaFold, il sistema dell'azienda britannica Google DeepMind vincitore del premio Nobel per la Chimica 2024. Lo studio, pubblicato sulla rivista Nature Computational Science, consentirà dunque di fare luce su origini e possibili trattamenti di diverse malattie che vedono coinvolte proteine disordinate, come il Parkinson. Il 30% delle proteine espresse dal Dna umano, che svolge un ruolo chiave in moltissime funzioni, ha una struttura disordinata ed è dunque molto difficile da prevedere anche per gli strumenti di IA più potenti. Per risolvere questo problema, i ricercatori guidati da Ryan Krueger di Harvard e Krishna Shrinivas della Northwestern hanno sfruttato algoritmi già usati in altri ambiti, che gli hanno permesso di addestrare un computer a riconoscere come anche piccolissime variazioni nelle sequenze di amminoacidi che compongono una proteina influenzano le proprietà finali della molecola. Hanno poi collegato un motore di ricerca in grado di selezionare gli amminoacidi più adatti a svolgere una specifica funzione, in modo da progettare proteine con le caratteristiche desiderate. Il risultato è che le molecole così ottenute non sono ipotesi dell'IA, ma si basano su come le proteine si comportano realmente in natura.
J.Marty--VB