Metodo · Emotion in Matter
Di questa molecola la forma la conosciamo già: è misurata, depositata, certa. Il lavoro non serve a scoprirla. Serve a compiere un gesto — provare a ritrovarla partendo dai dati, con il metodo statistico più rigoroso che riesco a costruire. So in partenza che non tornerò mai esattamente alla molecola: è proprio questo il punto. Cercare con precisione, e sbagliare. Quella distanza — tra la cosa e la sua stima — è l'opera.
molecola nota (PDB)
└─ grafo di contatti atomi = nodi · vicini nello spazio = archi
└─ la trasformo in una covarianza (atomi vicini variano insieme)
└─ genero dei dati da quella distribuzione
└─ GraphicalLasso → quali relazioni sono dirette?
└─ una soglia → la rete stimata (ISN)
└─ lo scarto → ciò che la stima non recupera
La forma vera: il grafo di contatti
Si parte dalle coordinate 3D di ogni atomo pesante (gli idrogeni si tralasciano). Due atomi diventano nodi collegati quando sono abbastanza vicini nello spazio — sotto una soglia di circa mezzo nanometro (4,5 ångström). Questo è il grafo di contatti: la forma reale della molecola. Si tengono tutti gli atomi, non i soli carboni-α: per un peptide di 5–11 residui i soli Cα darebbero una decina di nodi, troppo pochi per qualunque statistica.
Intento: fissare la risposta che già conosciamo — il metro contro cui misureremo tutto il resto.
Dalla forma, una distribuzione — e da questa, dei dati
Non ho misure sperimentali di "come si comporta" questa molecola, quindi i dati li genero io da simulazioni, basate sulla sua struttura. Traduco il grafo in una covarianza: una regola che dice che atomi vicini nella struttura tendono a variare insieme, atomi lontani no. Da questa distribuzione estraggo centinaia di campioni — vettori di numeri che portano dentro di sé la geometria della molecola, senza ricalcarla in modo perfetto.
Non è un artificio arbitrario: quella covarianza coincide con il Gaussian Network Model, il modo in cui la biofisica descrive come una proteina vibra attorno alla propria forma. Non l'ho inventata — l'ho ritrovata.
Intento: avere dei dati da interrogare, che contengano la molecola ma non la restituiscano intera. Da qui in poi faccio finta di non conoscere la risposta.
GraphicalLasso: quali legami sono davvero diretti?
Ora ho solo i dati. Mi chiedo: guardando questi numeri, quali atomi sono legati davvero? Non basta vedere due atomi che variano insieme — potrebbero muoversi entrambi perché legati a un terzo: una correlazione solo apparente. Voglio le relazioni dirette, ripulite da quelle indirette.
Per questo uso il GraphicalLasso. È lo strumento che stima quali coppie di atomi restano dipendenti anche tenendo conto di tutti gli altri — che è la definizione esatta di relazione diretta — e lo fa cercando la spiegazione più semplice possibile: poche connessioni, quelle che contano. È il metodo più rigoroso che conosco per questa domanda, ed è per questo che lo scelgo: se devo ri-cercare una struttura che già conosco, voglio farlo con lo strumento più esatto, non con un'approssimazione.
L'errore cercato con precisione
La stima non torna mai esattamente alla molecola. Restano due tipi di errore — e non li correggo, perché sono il contenuto:
Falsi positivi — i fantasmi
Legami che la statistica stima ma la materia non ha. Le proiezioni, le aspettative: connessioni reali nei dati, assenti nella struttura.
Falsi negativi — le ombre
Contatti reali che il modello non "vede": troppo deboli, troppo locali per emergere. La vicinanza senza relazione.
Intento: sbagliare con precisione. Ho cercato la molecola con il metodo più esatto possibile, e la distanza che resta — i fantasmi e le ombre — è ciò che nessun metodo può recuperare. Quella distanza è l'opera.
Il caso decide, è sempre protagonista. Nella ricerca della verità, partendo da un punto diverso, la rete cambia: alcuni legami appaiono, altri spariscono. Ogni esecuzione produce un'opera leggermente diversa — non arbitraria, ma reale.
Conosciamo la risposta e la cerchiamo lo stesso, dai dati, con rigore. La perdita è inevitabile e voluta: è la differenza tra una cosa e la sua ombra numerica.
→ Torna alle opere · scopri perché queste otto molecole.