Cani, stelle e la Monna Lisa non sono solo disegni, ma nanostrutture di DNA piegate con precisione da un’intelligenza artificiale. Il team della Seoul National University e della Hanyang University ha messo a punto Generative SNUPI, un modello generativo che trasforma un contorno in una sequenza di basi azotate capace di autoassemblarsi nella forma desiderata. Il lavoro, accettato su Nature Communications, promette di sbloccare due decenni di DNA origami, finora frenati dalla complessità della progettazione manuale.

Il cuore della novità è un modello di diffusione, lo stesso approccio dietro a generatori di immagini come DALL-E. Generative SNUPI non si limita a ricalcare un profilo: impara le regole chimiche dell’appaiamento tra adenina-timina e citosina-guanina per calcolare come i filamenti di DNA – gli ‘staple’ e lo ‘scaffold’ – debbano essere sequenziati affinché le forze molecolari facciano il resto. Il risultato è un progetto pronto per la sintesi chimica, senza bisogno di tweaking algoritmico da parte di un esperto.

“Tradizionalmente servono competenze specifiche e know-how per progettare le nanostrutture che vogliamo ottenere”, spiega Kyounghwa Jeon, dottoranda alla SNU. Con il nuovo modello, in teoria, si passa direttamente dal disegno all’assemblaggio fisico. Il paragone con i lavoretti per bambini torna utile: si cosparge la sagoma di colla e glitter (il rumore del modello di diffusione), poi si scuote via l’eccesso e appare la struttura. L’AI sa come il DNA si aggrega, perché è stata addestrata proprio su questo.

Non tutto fila liscio al primo colpo. Alcune forme collassavano perché il disegno iniziale non era strutturalmente stabile. Il team ha così aggiunto uno stadio predittivo che valuta l’integrità della sagoma prima di calcolare la sequenza. Do-Nyun Kim, professore di ingegneria meccanica alla SNU, ammette che le strutture restano ancora troppo rigide per molte applicazioni biomediche: “La maggior parte delle strutture molecolari è dinamica e si riconfigura in risposta a stimoli esterni. Estenderemo il lavoro a progetti riconfigurabili”.

Il segnale per l’infrastruttura AI

Per chi segue l’evoluzione dell’AI on-premise, Generative SNUPI è un campanello d’allarme. Il modello non è un Large Language Model, ma solleva la stessa domanda: dove gira la scienza computazionale che tocca dati sensibili? Progettare un origami a DNA per veicolare un farmaco significa manipolare sequenze che potrebbero essere brevettate o legate a un profilo genomico individuale. Far girare il modello in cloud significa esporre questi dati. Un deployment on-premise, su GPU aziendali o in laboratorio, diventa l’unica via per chi vuole mantenere il controllo senza rinunciare alla velocità di iterazione.

Dal punto di vista hardware, un modello di diffusione per il DNA non è un transformer da centinaia di miliardi di parametri, ma deve simulare il folding di migliaia di nucleotidi. La VRAM e la potenza di calcolo non sono trascurabili, e la domanda crescerà quando il design molecolare assistito dall’AI uscirà dai paper accademici per entrare nelle pipeline farmaceutiche. Chi oggi allestisce server per l’inference di LLM potrebbe domani trovarsi a calcolare nanostrutture, e i vendor di GPU troveranno un nuovo segmento di utenza scientifica da corteggiare.

La diffusione di modelli generativi nelle scienze dure non è una moda. Segnala che l’AI sta diventando uno strumento di fabbricazione, non solo di generazione di testo. E con questo spostamento, le decisioni di deployment – cloud vs on-premise – non saranno più una scelta di comodo ma un fattore competitivo.