Per la prima volta si è riusciti a riparare un difetto genetico in vivo, ristabilendo una corretta coagulazione del sangue in topi con emofilia di tipo B. La maggior parte degli approcci alla terapia genica finora aveva cercato di inserire nel genoma una variante sana del gene difettoso; questa volta invece i ricercatori sono riusciti a ottenere una correzione permanente e in loco della variante patologica. Per farlo si sono sfruttate le nucleasi a dita di zinco, gli enzimi che hanno permesso di intervenire su un gene specifico non solo nelle staminali embrionali, ma anche nelle cellule somatiche. Tutti gli esperimenti finora compiuti erano però in vitro: nessuno prima d’ora era riuscito a realizzarlo in un modello animale, potenzialmente replicabile in futuro nell’uomo. Ce l’hanno fatta gli studiosi guidati da Katherine High del Children's Hospital di Philadelphia. Hanno iniettato gli enzimi, insieme con un apposito vettore che mirasse al gene, in topolini con una mutazione a carico del gene hF9, che provoca bassi livelli ematici del fattore di coagulazione IX e quindi un'emofilia di tipo B. La procedura ha innalzato del 6-7 per cento i livelli di fattore IX, quanto basta per garantire una normale coagulazione del sangue.
Curata nei topi l'emofilia B
Primary tabs
prossimo articolo
LLM e ricerca scientifica: opportunità, rischi e controlli
Come integrare i modelli linguistici di grandi dimensioni nel processo scientifico senza comprometterne l'integrità? Gli LLM sono utili quando velocizzano lavoro ripetitivo e preparatorio. Diventano rischiosi quando il loro output entra direttamente nel processo di validazione o nella decisione scientifica. La questione da porre non è se ma come integrarli nel processo scientifico senza comprometterne l'integrità.
Immagine di copertina realizzata con ChatGPT
Nel discorso pubblico, intelligenza artificiale e Large Language Model (LLM) vengono spesso usati come sinonimi. Non lo sono. L'IA è il campo più ampio che comprende tecniche diverse — dai sistemi simbolici all'apprendimento automatico, dalla visione artificiale alla robotica, fino ai modelli generativi. Gli LLM sono una classe specifica di questi sistemi: modelli addestrati su grandi quantità di testo e, sempre più spesso, di dati multimodali, capaci di produrre risposte linguisticamente plausibili, codice, sintesi, classificazioni e proposte operative.