Un’AI open source per fermare i super-batteri: il progetto (italiano) TaccLab

Un gruppo di ricerca dell’Università di Padova usa il modello Llama 3.1 di Meta per generare nuove molecole antibiotiche

di Redazione - 01/08/2025 12:45

Negli ultimi trent’anni la ricerca di nuovi antibiotici si è quasi arrestata. Svilupparli costa troppo, rende poco e molte aziende farmaceutiche hanno scelto di investire altrove. Nel frattempo i batteri hanno fatto il loro corso: hanno sviluppato resistenze, si sono adattati e infezioni un tempo curabili oggi tornano a essere letali.

Tra i pochi a provare a invertire questa tendenza c’è un piccolo gruppo di ricerca dell’Università di Padova. Si chiama TaccLab, è guidato dal professor Cristian Taccioli e ha appena ricevuto uno dei dieci Llama Impact Grant di Meta, riconoscimento che premia i progetti capaci di sfruttare l’intelligenza artificiale open source per affrontare sfide di interesse globale come l’antibiotico-resistenza.

Dal laboratorio veneto a un premio internazionale

Tra più di 1.300 candidature da 90 Paesi, TaccLab è l’unico gruppo di ricerca europeo selezionato. La chiave del suo successo è l’uso all'avanguardia di Llama 3.1, il modello linguistico open source sviluppato da Meta. Un sistema che il team padovano ha addestrato e ottimizzato con dati chimici e biologici, trasformandolo in uno strumento capace di generare nuove molecole con proprietà antibatteriche.

Con i metodi tradizionali un risultato del genere richiederebbe anni di lavoro e risorse enormi. In pochi mesi, invece, il laboratorio ha sintetizzato tre molecole inedite, oggi in fase di test in vitro.

Come l’AI accelera la scoperta di farmaci

Il processo messo a punto da TaccLab è basato sulle capacità generative del modello: l’AI produce centinaia di strutture molecolari, le analizza e le filtra automaticamente secondo parametri di tossicità, solubilità e somiglianza con composti già noti. Solo le migliori passano alla sintesi chimica e alle prove di laboratorio.

Con il fine tuning, l’addestramento mirato del modello, si affina progressivamente l’algoritmo, rendendolo sempre più preciso nell’individuare molecole potenzialmente utili. In questo modo la ricerca diventa più rapida, economica e accessibile anche a piccoli gruppi accademici.

Un hub open source per la scienza

Il progetto non si ferma qui. L’ambizione del team è creare una piattaforma aperta: un archivio dinamico di molecole generate con l’AI, disponibile a università e istituti pubblici. Una base di conoscenze e dati che, grazie al contributo della comunità scientifica, potrà far evolvere ulteriormente il modello e accelerare la scoperta di nuovi candidati farmacologici.

L’approccio open source, in questo senso, è decisivo, perché dà a laboratori di dimensioni contenute la possibilità di usare tecnologie avanzate senza dover dipendere da software proprietari o licenze costose. Ed è, alla fine, un modo per ridare centralità alla ricerca pubblica in un campo che l’industria privata ha lasciato sempre più scoperto.

Contenuto sponsorizzato da Meta