0:00:00.917,0:00:03.825
Come faremo a battere[br]questo nuovo coronavirus?

0:00:04.317,0:00:06.948
Usando i nostri strumenti migliori:

0:00:06.972,0:00:09.011
la scienza e la tecnologia.

0:00:09.594,0:00:12.726
Nel mio laboratorio,[br]stiamo usando l'intelligenza artificiale

0:00:12.750,0:00:14.329
e la biologia sintetica

0:00:14.353,0:00:17.413
per accelerare la lotta[br]contro questa pandemia.

0:00:18.018,0:00:19.941
Inizialmente, il nostro lavoro fu ideato

0:00:19.965,0:00:22.818
per affrontare la crisi[br]della resistenza agli antibiotici.

0:00:22.842,0:00:27.265
Il nostro progetto cerca di sfruttare[br]le capacità dell'apprendimento automatico

0:00:27.335,0:00:29.361
per ricostituire l'arsenale di antibiotici

0:00:29.401,0:00:33.263
ed evitare un'era post antibiotici[br]devastante a livello globale.

0:00:33.685,0:00:34.835
Ancora più importante,

0:00:34.835,0:00:38.601
la stessa tecnologia può essere usata[br]per cercare molecole antivirali

0:00:38.601,0:00:41.433
che possano esserci utili[br]nel combattere l'attuale pandemia.

0:00:41.850,0:00:44.170
L'apprendimento automatico[br]sta trasformando

0:00:44.170,0:00:46.736
in modo radicale[br]la tradizionale ricerca farmacologica.

0:00:47.314,0:00:48.619
Con questo approccio,

0:00:48.659,0:00:52.701
invece di testare faticosamente[br]le migliaia di molecole esistenti

0:00:52.761,0:00:55.624
una alla volta in laboratorio,[br]per la loro efficacia,

0:00:55.674,0:00:57.217
possiamo addestrare un computer

0:00:57.497,0:01:00.537
a esaminare lo spazio[br]esponenzialmente più ampio

0:01:00.537,0:01:04.071
sostanzialmente di tutte[br]le possibili molecole sintetizzabili,

0:01:04.121,0:01:09.534
e così, invece di cercare[br]un ago in un pagliaio,

0:01:09.584,0:01:13.543
possiamo usare il magnete gigante[br]fornito dalla capacità computazionale

0:01:13.543,0:01:17.482
per cercare molti aghi[br]in molti pagliai simultaneamente.

0:01:18.423,0:01:20.415
Abbiamo già avuto i primi successi.

0:01:21.010,0:01:26.405
Di recente abbiamo usato l'apprendimento[br]automatico per scoprire nuovi antibiotici

0:01:26.475,0:01:28.949
utili nella lotta[br]contro le infezioni batteriche

0:01:29.190,0:01:32.694
che possono verificarsi[br]insieme alle infezioni da SARS-CoV-2.

0:01:33.181,0:01:37.320
Due mesi fa, The Audacious Project di TED[br]ha approvato i finanziamenti

0:01:37.350,0:01:39.512
per aumentare enormemente il nostro lavoro

0:01:39.562,0:01:44.214
con l'obiettivo di scoprire[br]sette nuove classi di antibiotici

0:01:44.214,0:01:47.661
contro sette dei peggiori[br]batteri patogeni al mondo

0:01:47.721,0:01:49.800
nei prossimi sette anni.

0:01:50.206,0:01:51.879
Per dare il quadro:

0:01:51.939,0:01:57.041
il numero di nuove classi di antibiotici[br]scoperte negli ultimi trent'anni è zero.

0:01:58.030,0:02:01.561
La ricerca di nuovi antibiotici[br]è per il nostro prossimo futuro,

0:02:01.601,0:02:06.227
ma il nuovo coronavirus rappresenta[br]una minaccia mortale immediata,

0:02:06.277,0:02:10.054
e sono entusiasta di dire che crediamo[br]di poter usare la stessa tecnologia

0:02:10.094,0:02:12.927
per cercare medicinali[br]per combattere questo virus.

0:02:13.486,0:02:14.720
Allora, come faremo?

0:02:15.220,0:02:18.100
Stiamo creando una libreria[br]di molecole per l'apprendimento

0:02:18.100,0:02:19.757
e con l'aiuto di collaboratori,

0:02:19.757,0:02:23.717
stiamo applicando queste molecole[br]a cellule infettate con SARS-CoV-2

0:02:23.767,0:02:27.661
per vedere quali di queste[br]mostrano un'attività efficace.

0:02:27.775,0:02:31.481
Questi dati saranno usati per addestrare[br]un modello di apprendimento automatico

0:02:31.521,0:02:35.411
che verrà applicato a una libreria[br]in silico di oltre un miliardo di molecole

0:02:35.461,0:02:39.689
per cercare potenziali[br]nuovi composti antivirali.

0:02:40.324,0:02:42.942
Sintetizzeremo e testeremo[br]le previsioni migliori

0:02:42.982,0:02:46.035
e faremo avanzare nella fase clinica[br]i candidati più promettenti.

0:02:46.316,0:02:48.034
Sembra troppo bello per essere vero?

0:02:48.158,0:02:49.400
Be', non dovrebbe.

0:02:49.474,0:02:52.993
L'Antibiotics-AI Project si fonda[br]sulla nostra prova di ricerca concettuale

0:02:52.993,0:02:56.334
che ha portato alla scoperta[br]di un nuovo antibiotico ad ampio spettro

0:02:56.364,0:02:57.573
che si chiama halicina.

0:02:58.443,0:03:01.216
L'halicina ha una potente[br]attività antibatterica

0:03:01.256,0:03:05.332
contro quasi tutti i batteri patogeni[br]resistenti agli antibiotici,

0:03:05.382,0:03:09.047
comprese le infezioni[br]non trattabili panresistenti.

0:03:09.442,0:03:12.112
E più importante,[br]diversamente dagli attuali antibiotici,

0:03:12.142,0:03:15.810
la frequenza con cui i batteri[br]sviluppano la resistenza contro l'halicina

0:03:15.850,0:03:17.358
è notevolmente bassa.

0:03:18.153,0:03:20.707
Abbiamo testato la capacità dei batteri

0:03:20.737,0:03:22.997
di sviluppare una resistenza[br]contro l'halicina

0:03:23.037,0:03:24.939
come contro il Ciproxin, in laboratorio.

0:03:25.299,0:03:26.801
Nel caso del Ciproxin,

0:03:26.841,0:03:29.690
dopo solo un giorno,[br]abbiamo visto la resistenza.

0:03:30.213,0:03:31.661
Nel caso dell'halicina,

0:03:31.691,0:03:34.120
dopo un giorno, non abbiamo visto[br]alcuna resistenza.

0:03:34.479,0:03:37.731
Sorprendentemente, dopo 30 giorni,

0:03:37.781,0:03:40.406
non abbiamo visto[br]alcuna resistenza contro l'halicina.

0:03:41.098,0:03:42.415
In questo progetto pilota,

0:03:42.465,0:03:46.879
abbiamo prima testato[br]circa 2.500 molecole contro l'E. coli.

0:03:46.949,0:03:50.133
Questo insieme volto all'apprendimento[br]comprendeva antibiotici noti,

0:03:50.173,0:03:51.809
come il Ciproxin e la penicillina,

0:03:51.839,0:03:54.135
così come molti farmaci[br]che non sono antibiotici.

0:03:54.984,0:03:57.541
Abbiamo usato questi dati[br]per addestrare un modello

0:03:57.577,0:04:01.573
a imparare le caratteristiche molecolari[br]associate all'attività antibatterica.

0:04:02.059,0:04:03.787
Poi abbiamo applicato questo modello

0:04:03.817,0:04:07.296
a una libreria di farmaci da riposizionare[br]di diverse migliaia di molecole

0:04:07.326,0:04:10.138
e abbiamo chiesto al modello[br]di identificare quelle molecole

0:04:10.178,0:04:12.892
che si prevede abbiano[br]proprietà antibatteriche

0:04:12.922,0:04:15.499
ma che non hanno l'aspetto[br]degli antibiotici esistenti.

0:04:16.427,0:04:21.194
Cosa interessante, solo una molecola[br]nella libreria ha soddisfatto quei criteri

0:04:21.224,0:04:23.584
e si è rivelata essere l'halicina.

0:04:23.984,0:04:27.506
Poiché l'halicina ha un aspetto diverso[br]da qualsiasi antibiotico esistente,

0:04:27.556,0:04:31.670
sarebbe stato impossibile per un uomo,[br]persino per un esperto di antibiotici,

0:04:31.710,0:04:33.918
identificare l'halicina in questo modo.

0:04:34.574,0:04:37.174
Immaginate ora cosa potremmo fare[br]con questa tecnologia

0:04:37.204,0:04:38.969
contro il SARS-CoV-2.

0:04:39.783,0:04:40.952
E non è tutto.

0:04:41.112,0:04:43.868
Stiamo usando questi strumenti[br]della biologia sintetica,

0:04:43.908,0:04:46.423
sperimentando con il DNA[br]e altri apparati cellulari,

0:04:46.463,0:04:50.531
per servire gli interessi dell'uomo[br]nel combattere il COVID-19,

0:04:50.561,0:04:54.212
tra l'altro, stiamo lavorando[br]per sviluppare una mascherina protettiva

0:04:54.232,0:04:57.688
che possa anche servire[br]da test diagnostico rapido.

0:04:58.192,0:04:59.454
In che modo?

0:04:59.538,0:05:00.833
Di recente abbiamo mostrato

0:05:00.883,0:05:03.837
che si può estrarre l'apparato cellulare[br]da una cellula vivente

0:05:03.860,0:05:08.010
e liofilizzarlo, sulla carta,[br]insieme a dei sensori di RNA

0:05:08.040,0:05:12.916
per creare test diagnostici economici[br]per Ebola e Zika.

0:05:13.503,0:05:18.700
I sensori si attivano quando vengono[br]reidratati con un campione del paziente,

0:05:18.730,0:05:21.476
come un campione di sangue,[br]o di saliva, per esempio.

0:05:21.600,0:05:24.811
Si è scoperto che questa tecnologia[br]non si limita alla carta

0:05:24.861,0:05:27.771
e può essere applicata[br]su altri materiali, inclusa la stoffa.

0:05:28.671,0:05:30.563
Per la pandemia da COVID-19,

0:05:30.613,0:05:34.943
stiamo progettando dei sensori di RNA[br]per identificare il virus

0:05:34.983,0:05:38.170
da liofilizzare insieme[br]all'apparato cellulare necessario

0:05:38.217,0:05:40.948
nel tessuto di una mascherina

0:05:40.948,0:05:43.161
in cui il semplice atto di respirare,

0:05:43.201,0:05:45.442
insieme con il vapore acqueo[br]che ne deriva,

0:05:45.502,0:05:47.286
può attivare il test.

0:05:47.804,0:05:51.874
Così, se un paziente avesse[br]un'infezione da SARS-CoV-2,

0:05:51.874,0:05:54.157
la mascherina emetterebbe[br]un segnale fluorescente

0:05:54.221,0:05:56.054
che potrebbe essere rilevato

0:05:56.084,0:05:58.464
con un dispositivo portatile[br]semplice ed economico.

0:05:58.534,0:06:02.968
Nell'arco di una o due ore,[br]si potrebbe ottenere una diagnosi

0:06:03.018,0:06:06.014
in modo sicuro, accurato e a distanza.

0:06:06.735,0:06:09.215
Stiamo anche usando la biologia sintetica

0:06:09.255,0:06:11.999
per progettare un candidato[br]vaccino per il COVID-19.

0:06:13.014,0:06:15.627
Stiamo riconvertendo il vaccino BCG,

0:06:15.627,0:06:18.161
che viene utilizzato contro la TBC[br]da quasi un secolo.

0:06:18.161,0:06:20.126
È un vaccino vivo attenuato,

0:06:20.126,0:06:24.757
e lo stiamo ingegnerizzando[br]per esprimere gli antigeni del SARS-CoV-2,

0:06:24.807,0:06:27.655
che dovrebbero indurre[br]la produzione di anticorpi protettivi

0:06:27.655,0:06:29.223
da parte del sistema immunitario.

0:06:29.263,0:06:31.972
E cosa importante,[br]il BCG è altamente scalabile

0:06:32.420,0:06:36.659
e ha un profilo di sicurezza che è[br]tra i migliori di qualsiasi vaccino noto.

0:06:37.881,0:06:42.946
Con gli strumenti della biologia sintetica[br]e dell'intelligenza artificiale,

0:06:42.986,0:06:46.358
possiamo vincere la lotta[br]contro questo nuovo coronavirus.

0:06:46.844,0:06:50.163
Questo lavoro è nelle sue fasi iniziali,[br]ma la promessa è reale.

0:06:50.798,0:06:54.193
La scienza e la tecnologia[br]possono fornirci un vantaggio importante

0:06:54.243,0:06:57.428
nella battaglia dell'ingegno umano[br]contro i geni dei super microbi.

0:06:57.452,0:06:59.199
Una battaglia che possiamo vincere.

0:06:59.990,0:07:01.223
Grazie.