Direttore scientifico
di Innovazione in Botanicals
«Conosciamo solo lo 0,1% dei bioattivi presenti nelle piante, o meglio, non conosciamo il 99,9% dei bioattivi presenti nel mondo vegetale e generare sapere è molto complesso poiché il genoma delle piante può essere fino a otto volte la dimensione del genoma umano….» (1). Ora se consideriamo che il 50% circa delle attuali terapie farmacologiche è quantomeno “ispirata” alle molecole del mondo vegetale, di fronte a queste affermazioni rischiamo di essere colti da una sorta di vertigine nell’immaginare quante potenziali terapie potrebbero essere nascoste negli organismi vegetali e sono a noi completamente sconosciute.
Un secondo aspetto, assolutamente cruciale, è la comprensione delle potenziali attività che queste ignote molecole potrebbero esercitare nel nostro organismo; capire ciò ovviamente comporterebbe uno sforzo di conoscenza davvero enorme in temini di tempo e di costi.
Bisogna poi considerare un terzo aspetto, ben noto a tutti e che ha da sempre limitato l’utilizzo della fitoterapia rispetto ai farmaci di sintesi, ovvero l’intrinseca variabilità naturale che ne pregiudica la standardizzazione e quindi la riproducibilità dell’effetto biologico.
E ancora, la biodiversità, pur essendo una risorsa straordinaria, può rappresentare un limite rilevante per la produzione industriale di principi attivi presenti in piante rare, o a lenta crescita.
La buona notizia – e qui il riferimento all’interessantissimo articolo L’intelligenza artificiale applicata agli oli essenziali, di Rino Ragno, pubblicato su questo numero, è diretto – è che l’Intelligenza Artificiale sta contribuendo significativamente a superare i limiti appena citati e, volgendo lo sguardo oltre confine, gli esempi non sono pochi e risultano interessanti al punto da essere menzionati.
Il progetto CAPTAIN (Conservation Area Prioritisation through Artificial Intelligence) (2) si distingue come una delle applicazioni più promettenti dell’IA per la tutela e la valorizzazione della biodiversità: algoritmi di machine learning, integrati con dati ambientali e chimici, consentono di identificare le varietà di piante più promettenti per la produzione di botanicals, ottimizzando le condizioni di coltivazione in base alle caratteristiche di un territorio specifico. Questo approccio non solo garantisce una qualità più omogenea, ma permette di preservare e utilizzare varietà locali e meno conosciute, contribuendo alla conservazione della biodiversità. Gli studi condotti con CAPTAIN hanno dimostrato un aumento della protezione delle specie tra il 9% e il 18% rispetto ai metodi tradizionali, fornendo una guida cruciale per le decisioni su dove concentrare gli sforzi di conservazione. Questo approccio, oltre a garantire la conservazione della biodiversità, promuove la sostenibilità nella raccolta delle materie prime botaniche, riducendo l’impatto ambientale delle attività estrattive.
Grazie a modelli predittivi, infatti sarà possibile individuare nuove piante medicinali che non solo sono efficaci, ma che crescono in ambienti locali, riducendo così la necessità di importare specie da altre regioni, contribuendo alla salvaguardia degli ecosistemi.
Gli stessi modelli predittivi potranno essere adottati nella promozione di un’economia circolare che, più di una volta, in questa rubrica, abbiamo invocato. Grazie all’IA, oggi infatti è possibile ottimizzare ogni fase del processo, dalla coltivazione della pianta all’estrazione degli attivi, garantendo prodotti standardizzati e di alta qualità permettendo di ridurre gli sprechi e valorizzando sottoprodotti agricoli che altrimenti verrebbero scartati.
Inoltre, modelli di learning machine combinati con tecniche di analisi chimica, permettono/permetteranno di rilevare con precisione contaminanti e adulteranti a garanzia di una maggiore sicurezza.
Un secondo esempio di applicazione dell’IA nell’implementazione della conoscenza dei botanicals che mi ha ancor più colpito riguarda il progetto Brightseed (1) che grazie alla piattaforma Forager®, sviluppata per mappare il metaboloma delle piante, funge da strumento avanzato per identificare i composti più promettenti dal punto di vista della salute e del benessere umano. Forager ha già analizzato oltre sette milioni di composti naturali, accelerando significativamente il processo di scoperta e validazione scientifica dei bioattivi.
E ancora, in collaborazione con Botalys, Brightseed utilizza l’intelligenza artificiale per ottimizzare la produzione di botanicals attraverso una tecnologia di coltivazione biomimetica che riproduce le condizioni ecologiche ideali per la crescita delle piante. Questo approccio consente di migliorare la qualità e la concentrazione dei composti attivi, assicurando che ogni prodotto botanico abbia caratteristiche chimiche standardizzate e un’elevata bioattività.
Non posso non citare un ulteriore esempio rappresentato dal progetto ICN (Metabolome and Valorization of Plant Biodiversity) dell’Université Côte d’Azur, che ha come obiettivo la caratterizzazione metabolomica delle specie vegetali locali, sfruttando la ricchezza della biodiversità per individuare nuovi principi attivi con applicazioni in campo farmaceutico e nutraceutico, accelerando la scoperta di nuovi composti bioattivi e favorendo l’utilizzo sostenibile delle risorse vegetali locali.
In un’ottica di economia circolare, questo progetto consente di massimizzare l’utilizzo di specie vegetali autoctone, riducendo la dipendenza da piante esotiche e promuovendo la conservazione delle risorse genetiche locali.
Insomma, sembra proprio che l’IA ci sarà d’aiuto; certo non sarà né semplice né immediato diminuire la distanza della non conoscenza del 99,9% ma abbiamo a disposizione un sostanziale contributo per valorizzare il patrimonio che il regno vegetale è capace di generare. Non ci resta che augurare buon lavoro a tutti noi auspicando, considerato il patrimonio di biodiversità italiano, maggiori investimenti in ricerca e sviluppo in questo ambito.
1. Brightseed. www.brightseedbio.com
2. https://www.captain-project.net/
Ocimum centraliafricanum, Copper flower, indicatore di giacimenti di rame (5)