Home Blog Pagina 8

Perché la principale teoria sull’origine della vita non regge all’esame della chimica e della biologia molecolare

0

Percorso: L’Informazione Biologica
Modulo 11

Prerequisiti:
Modulo 10
Guida alla lettura
Disclaimer

1. Il problema che nessuno vuole affrontare in pubblico

Nel 2024, il Dr. James Tour — chimico della Rice University di Houston, considerato uno dei massimi esperti mondiali di nanotecnologia molecolare — ha contattato i principali ricercatori del campo dell’origine della vita con una proposta insolita: un confronto pubblico, aperto, cordiale, sulle prove sperimentali dell’ipotesi del mondo a RNA. Disponibile a recarsi in Europa a proprie spese con una troupe cinematografica, disponibile a scegliere il canale dei suoi interlocutori, disponibile a qualsiasi formato. La risposta è stata il silenzio.

Tour ha interpretato quel silenzio in modo preciso: «Queste persone non difenderanno la propria ipotesi. Perché? Perché crolla. I dati la smontano continuamente.» Il Dr. Royal Truman — chimico organico con quarant’anni di ricerca alla BASF e un dottorato in chimica organica completato con un programma avanzato di bioinformatica — ha trasPercorso anni ad analizzare sistematicamente le basi sperimentali dell’ipotesi. Le sue conclusioni sono nette: l’ipotesi non funziona né sul piano chimico né su quello biologico.

Questo articolo presenta una valutazione critica dell’ipotesi del mondo a RNA — non come argomento ideologico, ma come analisi delle evidenze sperimentali. Il lettore troverà spiegazioni della biologia molecolare sottostante, i problemi chimici quantificati, le obiezioni biologiche documentate, e le implicazioni per la questione più ampia dell’origine della vita. Come sempre su questo sito, l’obiettivo è formare il lettore da zero e presentare le evidenze con onestà intellettuale.


2. Cos’è l’RNA e perché è stato proposto come precursore della vita

Per capire l’ipotesi del mondo a RNA, dobbiamo prima capire cosa sono l’RNA e il DNA, e il problema fondamentale che questa ipotesi cerca di risolvere.

Il DNA (acido desossiribonucleico) è la molecola che porta le istruzioni genetiche in tutte le cellule viventi. È una doppia elica composta da due filamenti avvolti l’uno attorno all’altro. Lungo questi filamenti si trovano le basi azotate — adenina, guanina, citosina e timina — la cui sequenza specifica costituisce il codice genetico: le istruzioni per costruire ogni proteina dell’organismo.

Le proteine sono le molecole esecutrici della cellula: catalizzano le reazioni chimiche, costruiscono le strutture cellulari, trasportano molecole, riparano i danni. Sono catene di amminoacidi — ne esistono venti tipi diversi — la cui sequenza specifica determina la forma tridimensionale e quindi la funzione.

L’RNA (acido ribonucleico) è una molecola simile al DNA ma generalmente a singolo filamento, e con lo zucchero ribosio invece del desossiribosio. Svolge un ruolo di intermediario fondamentale: porta le istruzioni dal DNA ai ribosomi, dove vengono «lette» per costruire le proteine. Esistono tre tipi principali con funzioni distinte.

L’RNA messaggero (mRNA) è una copia temporanea di un gene del DNA: trasporta le istruzioni per costruire una specifica proteina dal nucleo al ribosoma. L’RNA transfer (tRNA) funziona come adattatore fisico: da un lato si lega a uno specifico amminoacido, dall’altro riconosce il codone corrispondente sull’mRNA tramite una struttura a tre basi chiamata anticodone. È il tRNA che traduce il linguaggio nucleotidico nel linguaggio delle proteine. L’RNA ribosomale (rRNA) è un componente strutturale e funzionale del ribosoma stesso, e catalizza la formazione dei legami tra gli amminoacidi durante la sintesi proteica.

Ed è qui che nasce il problema che l’ipotesi del mondo a RNA tenta di risolvere.


3. La gallina e l’uovo: il paradosso che ha generato l’ipotesi

Le cellule viventi operano secondo un sistema circolare che sembra logicamente impossibile da far partire. Il DNA contiene le istruzioni per costruire le proteine. Ma per leggere quelle istruzioni servono già delle proteine — in particolare le RNA polimerasi (per produrre l’mRNA dal DNA), le amminoacil-tRNA sintetasi (per caricare gli amminoacidi sui tRNA giusti) e le decine di proteine ribosomali (per assemblare il ribosoma funzionante). Le proteine sono necessarie per produrre proteine, e il DNA è necessario per codificare le proteine che producono proteine.

Come nota Meyer in Signature in the Cell, il sistema di traduzione contemporaneo richiede livelli multipli di interdipendenze simultanee: la traduzione di un singolo gene richiede oltre cento proteine diverse — tRNA sintetasi, fattori di inizio e allungamento, proteine ribosomali — che a loro volta possono essere prodotte solo dallo stesso identico macchinario.

In questo contesto nasce l’ipotesi del mondo a RNA. L’idea: forse all’origine della vita esisteva un sistema più semplice, basato solo sull’RNA, che svolgeva contemporaneamente il ruolo del DNA (memorizzare informazione) e quello delle proteine (catalizzare reazioni). Solo in un secondo momento si sarebbero aggiunti il DNA e le proteine.

A sostenere l’idea è venuta una scoperta fondamentale: i ribozimi. Nel 1989, Altman e Cech hanno vinto il Premio Nobel dimostrando che alcune molecole di RNA hanno capacità catalitiche. Nel ribosoma contemporaneo è l’RNA ribosomale stesso a catalizzare la reazione chiave: la formazione dei legami peptidici. L’RNA poteva essere sia il «libro» sia l’«esecutore».

Ma questa ipotesi elegante si scontra con una serie di problemi che si sono rivelati, a esame approfondito, insormontabili.


4. Primo problema: formare un nucleotide

Un nucleotide è composto da tre parti: uno zucchero (il ribosio), una base azotata e un gruppo fosfato. La sintesi prebiotica del ribosio è già problematica: si ottiene dalla reazione di formosio — la condensazione di formaldeide — che produce una miscela caotica di zuccheri diversi, in cui il ribosio rappresenta solo una frazione minore e instabile. Come ha documentato il chimico Robert Shapiro, le ammine e i composti azotati inevitabilmente presenti in qualsiasi «brodo primordiale» plausibile interferiscono con la reazione, bloccandola.

Ma il problema più grave è la chiralità. Le molecole organiche possono esistere in due forme speculari — enantiomeri — come una mano destra e una sinistra. Le reazioni chimiche non dirette producono sempre miscele racemiche: 50% di una forma e 50% dell’altra. Ma la vita usa esclusivamente zuccheri destrorsi (D-ribosio) e amminoacidi sinistrorsi (L-amminoacidi). L’inclusione di una sola molecola con chiralità sbagliata interrompe il ripiegamento funzionale. Nessuno scenario prebiotico plausibile ha spiegato come si sarebbe ottenuta l’omochiralità rigorosa necessaria senza un meccanismo direttivo.


5. Secondo problema: la termodinamica del legame fosfodiestere

L’RNA è una catena di nucleotidi collegati da legami fosfodiestere. Truman ha analizzato la termodinamica di questi legami, e i numeri sono eloquenti.

La formazione di un singolo legame fosfodiestere in soluzione acquosa ha un’energia libera di Gibbs positiva di circa +22 kJ/mol. Un’energia libera positiva significa che la reazione è termodinamicamente sfavorita: il sistema preferisce l’idrolisi — la rottura del legame in presenza di acqua. Il rapporto di equilibrio è circa 10.000 a 1 in favore dell’idrolisi.

Le implicazioni per la concentrazione sono devastanti. Con una concentrazione di mononucleotidi di 1 molare (già irrealistica), la concentrazione di equilibrio di un dinucleotide sarebbe di circa 0,0001 molare. Un trinucleotide: circa 10-8 molare. Per una catena di 10 nucleotidi: circa 10-40 molare — una concentrazione così infinitesimale che non esisterebbe nemmeno una singola molecola in tutta l’acqua degli oceani terrestri.

C’è un secondo problema strutturale: i nucleotidi in soluzione acquosa tendono a formare legami 2′-5′ invece dei biologicamente essenziali legami 3′-5′. L’ossidrile in posizione 2′ del ribosio è chimicamente più reattivo, e senza enzimi la polimerizzazione produce una miscela disordinata — incompatibile con strutture funzionali. Infine, lo stesso ossidrile 2′ facilita l’idrolisi spontanea: la semivita di ogni legame fosfodiestere di RNA a 25°C è di circa quattro anni.


6. Terzo problema: la contaminazione del brodo primordiale

Nei laboratori di sintesi prebiotica, i ricercatori lavorano con reagenti puri, concentrati, in ambienti controllati. Queste condizioni non hanno nulla a che vedere con la Terra primordiale.

In qualsiasi scenario geologicamente plausibile, i precursori dell’RNA sarebbero immersi in una miscela di centinaia di composti diversi: amminoacidi, acidi grassi, aldeidi, ammine, alcoli, zuccheri di ogni tipo. Meyer chiama questa situazione il «problema del catrame»: invece di autoorganizzarsi, le molecole organiche in miscela reagiscono casualmente formando oligomeri amorfi — qualcosa che assomiglia chimicamente all’asfalto.

Shapiro ha descritto il brodo primordiale come «uno spazio in cui le molecole hanno la complessità chimica dell’asfalto». Nessuno scenario prebiotico proposto ha dimostrato sperimentalmente di produrre nucleotidi puri, omochirali, in concentrazioni sufficienti, senza la guida di agenti intelligenti.


7. Quarto problema: l’RNA non esiste senza proteine

Supponiamo di aver superato tutti i problemi chimici. L’ipotesi incontra a questo punto una difficoltà biologica.

Nelle cellule viventi l’RNA non esiste mai da solo. Come affermato esplicitamente nella letteratura recente: «L’RNA non si trova mai da solo. Le proteine sono sempre coinvolte nel suo ciclo vitale.»

L’RNA ribosomale — il candidato più plausibile come «relitto» di un sistema ancestrale — richiede per la sua maturazione oltre 200 proteine diverse nell’uomo. L’assemblaggio nel ribosoma funzionale richiede l’unione con circa 80 proteine negli eucarioti. La funzione traduzionale richiede fattori di inizio, allungamento e terminazione, e almeno 20 amminoacil-tRNA sintetasi diverse. L’RNA ribosomale, in ogni organismo vivente, è non funzionale senza l’apparato proteico che lo circonda, lo processa, lo assembla e lo opera.


8. Quinto problema: tutte le polimerasi sono proteiche

L’ipotesi richiede che in qualche momento antico esistesse una RNA polimerasi basata su RNA — una molecola di RNA capace di copiare altre molecole di RNA. Senza auto-replicazione, la Selezione naturale non può operare.

Truman ha esaminato le polimerasi di tutti gli organismi viventi conosciuti. Il risultato è netto: non esiste, in nessun organismo, una RNA polimerasi composta esclusivamente di RNA. Tutte le RNA polimerasi conosciute sono complessi proteici. Non esiste nemmeno un caso in cui una RNA polimerasi sia un complesso misto con componente RNA funzionalmente dominante. Sono 100% proteine, senza eccezione.


9. Sesto problema: l’intelligenza nascosta negli esperimenti di laboratorio

Negli ultimi trent’anni, diversi laboratori hanno cercato di «evolvere» in vitro ribozimi con capacità di auto-replicazione. Gli esperimenti di Joyce, Bartel e Lincoln hanno prodotto ribozimi che mostrano qualcosa di simile all’auto-replicazione — e sono stati presentati come prove di supporto.

L’analisi è precisa: questi esperimenti presuppongono l’intelligenza che dovrebbero eliminare.

Nell’esperimento di Lincoln e Joyce (2009) pubblicato su Science, le molecole di RNA non si replicavano a partire da nucleotidi liberi. I ricercatori avevano pre-sintetizzato due segmenti specifici — sequenze progettate da loro — che il ribozima doveva semplicemente unire. Non è auto-replicazione prebiotica spontanea: è un sistema ingegnerizzato. Gli scienziati selezionano le varianti funzionali tra migliaia di candidati, mantengono condizioni chimiche purissime, eliminano prodotti di degradazione. Poi attribuiscono il risultato alla chimica.

In termini della Legge di Conservazione dell’Informazione — esaminata Nel Modulo 5 del Percorso 2 — questi esperimenti non generano informazione: la trasferiscono dall’intelligenza dei ricercatori al sistema sperimentale. L’informazione attiva è stata introdotta dagli scienziati, non è emersa dalla chimica.


10. Settimo problema: i complessi ribonucleoproteici non sono relitti

L’ipotesi interpreta la presenza universale dell’RNA nelle cellule come evidenza di un’origine ancestrale in un mondo basato solo sull’RNA. Se l’RNA è ovunque, forse è un «fossile molecolare».

Truman oppone un’analisi funzionale sistematica dei complessi ribonucleoproteici (RNP). Lo spliceosoma, la telomerasi, la signal recognition particle, il ribosoma — in ogni caso, l’RNA svolge funzioni specifiche che i soli componenti proteici non potrebbero svolgere con la stessa efficienza. L’RNA ha proprietà uniche: può formare strutture secondarie complesse, riconoscere sequenze complementari, svolgere sia funzioni strutturali sia catalitiche.

Non è un relitto che non siamo riusciti a eliminare: è un componente scelto per le sue proprietà specifiche. Rimuovere le proteine da questi complessi non produce un sistema funzionale più primitivo — produce un sistema non funzionale.


11. L’RNA come componente funzionale, non come relitto

Se i complessi RNP non sono relitti, perché le cellule usano l’RNA in così tanti sistemi? L’RNA svolge due funzioni che le proteine da sole non possono svolgere con la stessa eleganza.

La prima è la specificità di sequenza modulabile: grazie alla complementarità di basi (A-U, G-C), l’RNA può riconoscere sequenze specifiche con alta specificità e senza richiedere una proteina diversa per ogni bersaglio. La seconda è il ruolo di scaffold topologico: le lunghe molecole di RNA organizzano nello spazio decine di proteine diverse, guidandole verso posizioni precise. Negli snRNP dello spliceosoma, l’RNA funge da impalcatura tridimensionale che posiziona le proteine catalitiche nella geometria corretta.

Questa interpretazione è compatibile con un’origine progettata del sistema. Non richiede di postulare un mondo a RNA ancestrale: richiede solo di riconoscere che l’RNA ha proprietà uniche che lo rendono il componente ideale per certi ruoli in sistemi biologici integrati.


12. Il paradosso dell’informazione

Supponiamo di aver superato tutti i problemi precedenti e di aver ottenuto catene di RNA auto-replicanti. L’ipotesi ha risolto il problema dell’origine della vita?

No. Perché rimane irrisolto il problema fondamentale: l’origine dell’informazione.

Il problema dell’origine della vita non è semplicemente far formare molecole organiche complesse. È spiegare come quelle molecole abbiano acquisito la specificità funzionale necessaria. Le leggi chimiche spiegano perché certi atomi si legano ad altri. Non spiegano perché una specifica sequenza di basi, tra le 1077 possibili sequenze di 150 nucleotidi, sia stata selezionata per codificare un ribozima funzionale. Come le proprietà dell’inchiostro non spiegano il significato delle parole, le affinità chimiche dei nucleotidi non spiegano la specificità funzionale delle sequenze.

Truman lo formula con chiarezza: «Le persone che cercano di comprendere l’origine della vita usando termini chimici stanno facendo la domanda sbagliata. Ogni processo cellulare è controllato da codici e programmi. Non è una questione di assemblare le molecole giuste: è una questione di dove vengono questi codici, questi programmi. Questa è la domanda che nessuno ha risposto.»


13. La complessità minima: anche la vita più semplice è troppo complessa

Il batterio Mycoplasma genitalium è il più piccolo organismo auto-replicante conosciuto, con circa 480 geni. Studi di riduzione del genoma hanno mostrato che 300-400 sono essenziali. Il progetto Synthia di Craig Venter (2016) ha confermato che circa 473 geni bastano — ma nessuno può essere eliminato senza compromettere la vitalità.

La «vita semplice» richiede comunque l’origine simultanea di centinaia di proteine funzionali specifiche, coordinate in un sistema integrato. La probabilità di origine casuale di una sola proteina di 150 amminoacidi è circa 1 su 1077. L’origine simultanea di centinaia supera di molti ordini di grandezza le risorse probabilistiche dell’intero universo.


14. Le ammissioni degli stessi ricercatori

Le critiche non vengono solo dai ricercatori dell’ID. Alcune delle valutazioni più severe vengono dagli stessi scienziati mainstream.

Eugene Koonin, uno dei più importanti biologi computazionali del NIH americano, ha scritto che «attualmente non esistono scenari convincenti per l’origine della replicazione e della traduzione». Leslie Orgel — uno dei fondatori dell’ipotesi — ha definito la sintesi prebiotica dei nucleotidi attivati «un incubo del chimico prebiotico». Gerald Joyce ha ammesso che la comparsa spontanea di sequenze funzionali è «quasi un miracolo». Christian de Duve ha criticato la Selezione prebiotica notando che le ipotesi «devono presupporre ciò che deve essere spiegato in primo luogo». Stuart Kauffman ha sintetizzato: «Chiunque vi dica di sapere come è nata la vita sulla Terra è uno sciocco o un fante.»

Queste sono valutazioni di scienziati che credono nell’origine naturalistica della vita ma che riconoscono onestamente le difficoltà del campo. Il problema dell’origine della vita è, nelle parole di chi ci lavora, aperto e lontano da una soluzione.

 

 

Prossimo Modulo

Nel Modulo 12Sintesi: perché l’informazione biologica punta al design — chiuderemo il Percorso. Ripercorreremo i fili che legano undici moduli — il DNA come testo, il codice genetico come convenzione, la complessità specificata come misura, il genoma funzionale, i limiti del caso e degli algoritmi — per vedere come, presi insieme, costruiscano un caso cumulativo e in che senso l’inferenza al design ne sia la migliore spiegazione disponibile.


Per approfondire


Riferimenti

Axe, D. (2016). Undeniable: How Biology Confirms Our Intuition That Life Is Designed. HarperOne.

Bartel, D. P., e Szostak, J. W. (1993). “Isolation of New Ribozymes from a Large Pool of Random Sequences.” Science, 261(5127), 1411–1418. DOI: 10.1126/science.7690155.

Cech, T. R. (1986). “A Model for the RNA-Catalyzed Replication of RNA.” PNAS, 83(12), 4360–4363. DOI: 10.1073/pnas.83.12.4360.

Koonin, E. V. (2007). “An RNA-Making Reactor for the Origin of Life.” PNAS, 104(22), 9105–9106. DOI: 10.1073/pnas.0702699104.

Lincoln, T. A., e Joyce, G. F. (2009). “Self-Sustained Replication of an RNA Enzyme.” Science, 323(5918), 1229–1232. DOI: 10.1126/science.1167856.

Marks, R. J. II, Dembski, W. A., e Ewert, W. (2017). Introduction to Evolutionary Informatics. World Scientific.

Meyer, S. C. (2009). Signature in the Cell: DNA and the Evidence for Intelligent Design. HarperOne.

Shapiro, R. (2007). “A Simpler Origin for Life.” Scientific American, 296(6), 46–53. DOI: 10.1038/scientificamerican0607-46.

Tan, C. L., e Stadler, R. (2020). The Stairway to Life: An Origin-of-Life Reality Check. Evorevo Informatics Lab.

Tour, J. M. (2016). “Animadversions of a Synthetic Chemist.” Inference: International Review of Science, 2(2). URL: https://inference-review.com/article/animadversions-of-a-synthetic-chemist.

Truman, R. (2024). RNA World Hypothesis: A Critical Reassessment (parti I e II). Presentazione video.

Venter, J. C. et al. (2016). “Design and Synthesis of a Minimal Bacterial Genome.” Science, 351(6280), aad6253. DOI: 10.1126/science.aad6253.

Woese, C. R. (1967). The Genetic Code: The Molecular Basis for Genetic Expression. Harper & Row.

Le obiezioni principali all’ID sull’informazione biologica: analisi critica e risposte

0
human code glitch concept with a copy space

Percorso: L’Informazione Biologica
Modulo 10

Prerequisiti:
Modulo 9
Guida alla lettura
Disclaimer

1. Perché studiare le obiezioni

Un principio editoriale fondamentale di questo sito è l’onestà intellettuale. Presentare le evidenze in favore di una tesi senza esaminare le obiezioni più serie non è divulgazione — è propaganda. In questo Modulo esamineremo le obiezioni più influenti mosse ai temi trattati nei Moduli 1-8, presentando ogni obiezione nella sua forma più forte e poi la risposta più articolata dei ricercatori dell’ID. Dove le risposte sono convincenti, lo diremo. Dove rimangono questioni aperte, lo diremo ugualmente.

Molte obiezioni riguardano l’ID in generale e saranno approfondite nel Percorso 8 sulla filosofia della scienza. Qui ci concentreremo su quelle direttamente collegate al problema dell’informazione biologica.


2. L’ID non è scienza

L’obiezione più radicale: l’ID non è scienza, non produce previsioni testabili, non è falsificabile. È stata formulata dal giudice Jones nel caso Kitzmiller v. Dover (2005) e ha radici nel criterio di demarcazione di Popper.

La risposta opera su due livelli. Il primo è metodologico: l’ID usa il ragionamento abduttivo — l’inferenza alla miglior spiegazione — metodo standard delle scienze storiche. Paleontologia, geologia, archeologia forense, cosmologia inferiscono cause passate non osservabili da effetti presenti. L’ID fa lo stesso: inferisce una causa intelligente dall’informazione complessa specificata nel DNA.

Il secondo livello è empirico: l’ID ha fatto previsioni testabili. La più nota riguarda il DNA non codificante: Dembski (1998) e Wells (2004) prevedevano funzionalità diffusa. Come abbiamo documentato Nel Modulo 6, la direzione di questa previsione si è rivelata corretta — sempre più funzionalità scoperta nel DNA non codificante, con i lncRNA che ora superano i geni codificanti — anche se il dato quantitativo dell’80% di ENCODE 2012 è contestato e va presentato con le qualificazioni che abbiamo discusso. Una seconda previsione riguarda i limiti dell’evoluzione adattativa: l’esperimento a lungo termine di Lenski su E. coli ha mostrato adattamenti e perdita di funzioni, non innovazioni radicalmente nuove.

In coerenza con la posizione editoriale di questo sito, va detto chiaramente: l’ID non è falsificabile nel senso classico del termine — il progettista è un’entità non osservabile con i metodi della scienza sperimentale. Questo ne limita la classificazione come teoria scientifica in senso stretto. Ma non ne invalida le argomentazioni come deduzione logica e filosofica basata su dati scientifici — e non lo distingue, in questo, da altre teorie accettate che soffrono dello stesso problema (teoria delle stringhe, multiverso).


3. Il «Dio delle lacune»

Obiezione: l’ID invoca un’intelligenza solo dove la scienza non ha ancora trovato spiegazioni naturalistiche. Quando la scienza progredirà, le «lacune» si chiuderanno.

La risposta di Meyer distingue tra inferenza dall’ignoranza e inferenza dalla conoscenza. «Non so spiegarlo, quindi è Dio» è un argomento dall’ignoranza. «So positivamente che l’informazione complessa specificata è sempre prodotta da intelligenze nella nostra esperienza, e su questa base inferisco la stessa causa» è un argomento dalla conoscenza positiva. Un detective non inferisce un omicidio perché non sa spiegare la morte — lo fa perché riconosce i pattern causali degli atti intenzionali.

C’è una risposta simmetrica: il naturalismo che esclude a priori l’intelligenza come causa è anch’esso una posizione filosofica — la certezza che cause materiali sconosciute esisteranno, indipendentemente dall’evidenza. L’ID chiede che entrambe le posizioni vengano valutate con gli stessi criteri.


4. Il flagello batterico ha precursori evolutivi

Obiezione (Miller): il flagello condivide circa dieci proteine con il sistema di secrezione di tipo III (T3SS), che potrebbe esserne il precursore evolutivo.

La risposta: il flagello richiede circa quaranta proteine; trenta non hanno omologhi nel T3SS. Analisi filogenetiche indicano che i geni del flagello sono probabilmente più antichi di quelli del T3SS — il T3SS sarebbe una versione semplificata derivata, non il precursore. Ma anche ammettendo l’obiezione in tutti i suoi dettagli, essa spiegherebbe al più come un sistema complesso possa derivare da un altro — non l’origine del primo sistema complesso, che è il problema centrale dell’informazione biologica.


5. La duplicazione genica genera nuova informazione

Obiezione: un gene viene copiato; una copia mantiene la funzione originale mentre l’altra accumula mutazioni e potrebbe acquisire una funzione nuova.

Risposta in due parti. La prima è concettuale: la duplicazione copia informazione esistente, non ne genera di nuova — come una fotocopia non raddoppia l’informazione. La seconda è sperimentale: i dati di Tawfik mostrano che bastano 3-15 mutazioni per distruggere la stabilità strutturale di una proteina. La copia perde la funzione originale molto prima di poter raggiungere una nuova isola funzionale nello spazio delle sequenze (1 su 1077). Il problema dell’informazione non sparisce — riappare identico nella copia divergente.


6. La deriva neutrale costruttiva

Obiezione (Lynch): in popolazioni ridotte, la deriva genetica può fissare mutazioni neutre che rendono la cellula dipendente da componenti aggiuntivi, costruendo complessità senza vantaggio selettivo ad ogni passo.

L’ID riconosce che la deriva è un processo reale. Ma la critica è precisa: la deriva non filtra — accumula mutazioni indipendentemente dalla funzionalità. Senza il filtro della Selezione, il processo degrada l’informazione preesistente prima di costruirne di nuova. Inoltre, la deriva neutrale costruttiva spiega come sistemi già funzionali possano diventare più complessi — non l’origine del primo sistema funzionale.


7. La modularità riduce il problema combinatorio

Obiezione: le proteine sono composte da domini strutturali riutilizzabili; il «rimescolamento degli esoni» potrebbe produrre nuove proteine combinando moduli esistenti.

Il rimescolamento dei domini è un processo reale e documentato. Ma presuppone l’esistenza di domini proteici funzionali — strutture già complesse e specificate. Da dove vengono? Il problema dell’informazione riappare a un livello precedente. Inoltre, i domini non si combinano liberamente: la compatibilità delle interfacce è essa stessa informazione specificata. Combinare domini da proteine diverse produce quasi sempre strutture instabili.


8. Il mondo a RNA

Obiezione: la vita primordiale usava l’RNA sia per memorizzare informazione sia per catalizzare reazioni, aggirando il problema circolare DNA-proteine.

I ribozimi auto-replicanti prodotti in laboratorio sono stati progettati da agenti intelligenti che hanno selezionato le sequenze migliori — è ingegneria molecolare guidata, non un processo spontaneo. L’informazione funzionale non è emersa casualmente — è stata introdotta dai ricercatori. Inoltre, l’RNA funzionale ha le stesse proprietà di complessità specificata del DNA e le stesse barriere probabilistiche nello spazio delle sequenze.


9. La vita primitiva era molto più semplice

Obiezione: la prima cellula aveva pochi geni; il problema combinatorio era più piccolo e forse accessibile al caso.

Gli studi di riduzione del genoma (batteri parassiti) e i progetti di genomi minimi (Venter) convergono: il limite inferiore per un sistema auto-replicante è di circa 250-400 geni — proteine interdipendenti per replicazione, trascrizione, traduzione, energia, membrana. L’origine casuale di una sola proteina di 150 amminoacidi ha probabilità ~1 su 1077. L’origine simultanea di centinaia supera le risorse probabilistiche dell’universo. La «vita semplice» non è semplice abbastanza.


10. Il naturalismo metodologico è la definizione di scienza

Obiezione: il naturalismo metodologico non è un’assunzione contestabile ma la definizione stessa di scienza. L’ID non può essere scienza per definizione.

Due risposte. La prima: il naturalismo metodologico è una norma epistemica, non un fatto empirico. La sua giustificazione presuppone che le cause naturali siano sempre sufficienti — esattamente ciò che è in discussione. Usarlo per escludere l’ID equivale a presupporre la conclusione. La seconda: le scienze storiche riconoscono regolarmente agenti intelligenti come cause — archeologia, forensica, paleoantropologia. Perché il DNA dovrebbe essere trattato diversamente?


11. Chi ha progettato il progettista?

Obiezione (Dawkins): se il DNA richiede un progettista, il progettista — ancora più complesso — richiede a sua volta un progettista, all’infinito.

Risposta su due piani. Il primo è logico: nella scienza, identificare la migliore spiegazione causale non richiede di spiegare l’origine della causa. Un incendio doloso non richiede di spiegare la mente del piromane. Richiedere la spiegazione di ogni causa porta a un regresso che renderebbe impossibile qualsiasi spiegazione. Il secondo è concettuale: l’obiezione presuppone che la complessità richieda sempre una spiegazione dello stesso tipo. Ma le menti non sono oggetti fisici assemblati secondo un codice digitale — la domanda sulla loro origine è distinta da quella sull’informazione biologica.


12. La complessità specificata è circolare?

Obiezione: la specificazione viene identificata solo dopo aver visto il risultato — come disegnare un bersaglio attorno a una freccia già atterrata.

Dembski risponde con il concetto di distaccabilità: una specificazione è legittima solo se il pattern è identificabile indipendentemente dall’evento valutato. Nel caso biologico, il bersaglio è il ripiegamento proteico necessario per la funzione catalitica — un requisito oggettivo definito dalla biochimica, non costruito ad hoc.

La soglia dei 500 bit non è arbitraria: è calcolata dalle risorse probabilistiche dell’universo (~1080 particelle, tasso massimo di transizioni quantistiche, tempo dal Big Bang), che danno circa 10150 «eventi» totali — corrispondenti a ~500 bit. Oltre questa soglia, il caso perde adeguatezza causale come conseguenza delle risorse fisiche finite dell’universo.


13. L’obiezione più forte: il meccanismo sconosciuto

L’obiezione che i ricercatori dell’ID riconoscono come più seria: l’ID rileva che un’intelligenza ha prodotto l’informazione biologica, ma non specifica come. Con quale meccanismo fisico? In quale momento?

La risposta è un’ammissione esplicita di limite. L’ID rileva in modo affidabile l’intervento di un’intelligenza ma non specifica il meccanismo. Tuttavia, non è una limitazione esclusiva: la cosmologia inferisce il Big Bang senza specificarne la causa fisica; la biologia evolutiva postula meccanismi per l’evoluzione dei sistemi esistenti senza spiegare l’origine del primo auto-replicante. Ogni teoria ha limiti e domande aperte.

Sulla questione connessa della «cattiva progettazione»: molte presunte imperfezioni si rivelano soluzioni ottimali a problemi con vincoli multipli (la retina invertita dei vertebrati ha proprietà ottiche superiori in condizioni di luminosità variabile). Per i casi dove la sofferenza rimane reale e difficile da spiegare, la posizione onesta dell’ID è riconoscere che questa è una questione che va oltre la biologia molecolare e appartiene alla filosofia e alla teologia.


14. Un bilancio onesto

In coerenza con la posizione editoriale di questo sito — che inquadra l’ID come una deduzione logica, filosofica e metafisica basata su dati scientifici — ecco un bilancio che identifica dove gli argomenti sono più e meno solidi.

Punti più forti dell’ID: la solidità matematica dell’argomento sull’improbabilità delle sequenze funzionali (Axe); la Legge di Conservazione dell’Informazione (Marks e Dembski); la direzione confermata della previsione sulla funzionalità del DNA non codificante; il problema irrisolto dell’origine del codice genetico e del sistema di traduzione; le discontinuità genomiche dei geni orfani; le barriere delle dGRN alla macroevoluzione (Davidson).

Punti dove l’ID è più debole o le domande restano aperte: l’assenza di un modello meccanicistico dell’intervento del progettista; la difficoltà di spiegare la sofferenza biologica in un sistema progettato; la questione della natura del progettista, che va oltre la biologia; alcuni dettagli tecnici del criterio di complessità specificata ancora in dibattito.

Punti dove le teorie naturalistiche sono più deboli: l’origine del codice genetico e del sistema di traduzione; l’origine delle sequenze proteiche funzionali nella prima cellula; i geni orfani senza precursori; le discontinuità genomiche coincidenti con quelle fossili; l’origine dell’informazione epigenetica e delle strutture extragenomiche.

Il progettista postulato resta un’entità non osservabile con i metodi della scienza sperimentale — un limite reale. Ma il naturalismo che lo esclude a priori è una posizione filosofica adottata prima dell’indagine, non una conclusione scientifica. Il doppio standard — per cui teorie naturalistiche altrettanto non falsificabili (multiverso, abiogenesi) vengono accettate mentre l’ID viene escluso — è il problema epistemologico di fondo che questo dibattito evidenzia.

Il lettore onesto dovrebbe tenere presente entrambi gli aspetti e valutare autonomamente dove le evidenze conducono.


Prossimo Modulo

Nel Modulo 11 chiuderemo il Percorso applicando quanto visto finora al caso più discusso: perché la principale teoria sull’origine della vita — l’ipotesi del mondo a RNA — non regge all’esame della chimica e della biologia molecolare.


Per approfondire


Riferimenti

Axe, D. (2016). Undeniable: How Biology Confirms Our Intuition That Life Is Designed. HarperOne.

Behe, M. J. (1996). Darwin’s Black Box: The Biochemical Challenge to Evolution. Free Press.

Behe, M. J. (2019). Darwin Devolves: The New Science about DNA That Challenges Evolution. HarperOne.

Dembski, W. A. (1998). The Design Inference: Eliminating Chance through Small Probabilities. Cambridge University Press.

Kitzmiller v. Dover Area School District, 400 F. Supp. 2d 707 (M.D. Pa. 2005).

Lynch, M. (2007). “The Frailty of Adaptive Hypotheses for the Origins of Organismal Complexity.” PNAS, 104(suppl. 1), 8597–8604. DOI: 10.1073/pnas.0702207104.

Meyer, S. C. (2009). Signature in the Cell: DNA and the Evidence for Intelligent Design. HarperOne.

Meyer, S. C. (2013). Darwin’s Doubt: The Explosive Origin of Animal Life and the Case for Intelligent Design. HarperOne.

Miller, K. R. (1999). Finding Darwin’s God. HarperCollins.

Dawkins, R. (1986). The Blind Watchmaker. W. W. Norton.

Il genoma come sistema gerarchico, reti regolatorie, epigenetica e complessità oltre il DNA

0

Percorso: L’Informazione Biologica
Modulo 8

Prerequisiti:
Modulo 7
Guida alla lettura
Disclaimer

 


1. Oltre il DNA: la scoperta che il libro ha più livelli

Per tutto questo Percorso abbiamo usato la metafora del libro per descrivere il DNA: un testo scritto in un alfabeto chimico a quattro lettere. Ma Nel Modulo 6, discutendo le scoperte di ENCODE, abbiamo aggiornato questa metafora: il genoma non è un semplice libro, è un sistema operativo. In questo Modulo faremo un passo ulteriore: scopriremo che il sistema operativo gira su un hardware che è esso stesso portatore di informazione — e che quell’informazione non è scritta nel DNA.

L’informazione necessaria per costruire un organismo vivente è molto più di ciò che è contenuto nella sequenza delle basi del DNA. È distribuita su più livelli sovrapposti — modificazioni chimiche del DNA senza cambiamento di sequenza, strutture proteiche che avvolgono il DNA, organizzazione tridimensionale dei cromosomi nel nucleo, gradienti bioelettrici, strutture del citoscheletro ereditate di generazione in generazione. Ognuno di questi livelli porta informazione funzionale indispensabile.


2. Le reti regolatorie dello sviluppo: i circuiti che costruiscono il corpo

Come fa una singola cellula — l’uovo fecondato — a produrre un organismo complesso con centinaia di tipi cellulari diversi? Tutte le cellule contengono (quasi) lo stesso DNA. La differenza è in quale parte del DNA viene letta, quando, e in quale combinazione.

Il sistema che governa questo processo si chiama rete di regolazione genica dello sviluppo — dGRN. Una dGRN è una rete di geni e dei loro prodotti — proteine regolatorie, RNA non codificanti, fattori di trascrizione — che si attivano e si inibiscono a vicenda in una cascata di segnali coordinati.

Eric Davidson dell’Università di Caltech ha dedicato decenni a cartografare le dGRN, producendo le mappe più dettagliate mai realizzate. Le dGRN funzionano come circuiti integrati elettronici: ogni componente dipende dall’attivazione o soppressione da parte di altri, in una logica di tipo booleano che produce stati cellulari discreti e precisi.

Il paradosso evolutivo è il seguente: le dGRN sono organizzate gerarchicamente, con nodi centrali che specificano l’asse e la forma globale dell’animale. Davidson ha verificato sperimentalmente che qualsiasi perturbazione ai nodi superiori della dGRN del riccio di mare produce invariabilmente la morte dell’embrione. Non nuovi piani corporei — morte. Per produrre un nuovo piano corporeo, occorrerebbe modificare i livelli superiori delle dGRN. Ma modificarli uccide l’organismo. Le dGRN sono barriere biologiche alla macroevoluzione costruite nella biologia stessa degli organismi.

Un punto di onestà intellettuale: Davidson non era un sostenitore dell’ID — era un evoluzionista che favoriva approcci alternativi come l’evo-devo. Ma le sue scoperte sulla rigidità delle dGRN sono dati empirici che esistono indipendentemente dall’interpretazione.

(Per un’articolazione dettagliata del lavoro di Davidson-Erwin su cnidari, bilateri e il kernel refrattario delle dGRN, vedi Modulo 5 sezione 11 e Modulo 7 sezione 6.)


3. Cos’è l’epigenetica: informazione al di sopra del DNA

La parola «epigenetica» — dal greco epi, «sopra» — descrive i meccanismi che modificano l’espressione dei geni senza alterare la sequenza del DNA. L’epigenetica ha smontato il paradigma secondo cui tutta l’informazione ereditabile risiedesse nella sequenza delle basi.

La cellula porta informazione ereditabile in forme che non dipendono dalla sequenza del DNA: nei segni che indicano quali parti vanno lette e quali vanno silenziate, in quale tessuto e in quale momento. Tre meccanismi principali sono stati identificati.

Il primo è la metilazione del DNA: l’aggiunta di un gruppo metilico a specifiche citosine, che funziona come un interruttore — una regione molto metilata tende a essere silenziata. La metilazione determina quali geni vengono «accesi» e quali «spenti» in ogni tipo cellulare, producendo l’identità specifica di un muscolo piuttosto che di un neurone pur con lo stesso DNA.

Il secondo è la modificazione degli istoni, che esamineremo nella sezione successiva. Il terzo è il rimodellamento della cromatina e l’ereditarietà mediata da molecole di RNA.

Vale la pena articolare con più precisione il meccanismo della metilazione, perché è il più studiato e il più paradigmatico dei tre. Chimicamente consiste nell’aggiunta di un gruppo metile (CH3) a una base azotata del DNA — nei mammiferi quasi esclusivamente alla citosina, producendo 5-metilcitosina. La reazione è catalizzata da una famiglia di enzimi chiamati DNA metiltransferasi (DNMT). La DNMT1 è responsabile del mantenimento del pattern di metilazione durante la replicazione cellulare: copia il pattern dal filamento parentale al filamento neosintetizzato, garantendo che le cellule figlie ereditino lo stesso programma epigenetico. Le DNMT3A e DNMT3B stabiliscono invece ex novo i pattern di metilazione durante lo sviluppo embrionale precoce e la differenziazione cellulare. Nei mammiferi la metilazione si concentra in regioni particolari del genoma chiamate CpG islands: tratti di DNA di qualche centinaio di basi con alta densità di dinucleotidi CG (citosina seguita da guanina), tipicamente localizzati nei promotori dei geni. Quando una CpG island è fortemente metilata, il gene che controlla tende a essere silenziato; quando non è metilata, il gene è accessibile alla trascrizione. Il meccanismo chimico è sottile: il gruppo metile non modifica il codice genetico — la sequenza di basi resta identica — ma altera la struttura locale della cromatina e impedisce il legame di alcuni fattori di trascrizione, modulando di fatto la disponibilità funzionale del gene.

La metilazione è ciò che permette a una singola cellula — lo zigote — di produrre oltre 200 tipi cellulari diversi nel corpo umano, tutti con lo stesso DNA. Come osservano autori ID e autori evoluzionisti concordemente, è una forma sofisticata di compressione dell’informazione: un singolo «testo» genomico viene letto in modi diversi a seconda del pattern di metilazione sovrapposto. Un pattern specifico silenzia selettivamente parti del DNA e attiva i geni necessari per costruire neuroni; un altro pattern fa l’opposto e costruisce tessuto muscolare; un altro ancora costruisce cellule della pelle. Durante la differenziazione cellulare, i diversi enzimi DNMT modificano dinamicamente questi pattern producendo le identità di tessuto, e i pattern vengono poi mantenuti dalle cellule figlie attraverso le divisioni successive.

Un caso paradigmatico di informazione epigenetica ereditata dai genitori è l’imprinting genomico: fenomeno per cui alcuni geni sono espressi esclusivamente dall’allele ereditato dal padre, altri esclusivamente dall’allele ereditato dalla madre. L’espressione differenziale è determinata da pattern di metilazione applicati nelle cellule germinali dei genitori e trasmessi ai discendenti. Geni come IGF2 (fattore di crescita insulino-simile 2) e H19 sono classici esempi: IGF2 è espresso solo dall’allele paterno, H19 solo da quello materno. Alterazioni dei pattern di imprinting causano sindromi genetiche gravi — la sindrome di Prader-Willi si sviluppa quando manca il contributo paterno di una regione del cromosoma 15, la sindrome di Angelman quando manca il contributo materno della stessa regione. Il dato concettuale è decisivo: la stessa sequenza di DNA esprime fenotipi radicalmente diversi a seconda di quale genitore l’ha fornita. Un’informazione che non risiede nel DNA stesso ma nel pattern epigenetico sovrapposto. Come sottolinea Stephen Meyer, l’imprinting è la dimostrazione di scuola che il DNA da solo non contiene la totalità dell’informazione necessaria per costruire un organismo; fattori epigenetici preesistenti sono essenziali per lo sviluppo.


4. Il codice degli istoni: un secondo livello di scrittura

Il DNA nel nucleo di una cellula umana misura, disteso, circa due metri. Il nucleo che lo contiene misura circa dieci millesimi di millimetro. Per entrare in quello spazio, il DNA è impaccato nella cromatina: il complesso di DNA e proteine chiamate istoni. Otto molecole istoniche formano un ottamero attorno a cui si avvolgono circa 147 coppie di basi, formando un nucleosoma.

Gli istoni non sono semplici rocchetti passivi. Le loro code — le estremità che sporgono dal nucleosoma — possono essere modificate chimicamente in decine di modi: metilazione, acetilazione, fosforilazione, ubiquitinazione. La ricerca recente ha aggiunto altre modificazioni — lattilazione, citrullinazione, crotonilazione, succinilazione, propionilazione, butirrilazione — portando il totale a più di venti tipi distinti. Ognuna di queste modificazioni, in combinazione con le altre, determina lo stato della cromatina: più o meno compatta, più o meno accessibile alla trascrizione.

L’insieme di queste modificazioni costituisce il codice degli istoni: un secondo livello di codifica sovrapposto alla sequenza del DNA. Come il codice genetico traduce triplette di basi in amminoacidi, il codice degli istoni traduce pattern di modificazioni chimiche in stati di accessibilità. È un secondo livello di arbitrarietà — la relazione tra modificazione istonica e stato trascrizionale non è chimicamente necessaria, è convenzionale.

La complessità combinatoria è enorme. Con più di venti possibili modificazioni in ciascuna delle otto code istoniche di ogni nucleosoma, e con miliardi di nucleosomi nel genoma umano, il numero di stati epigenetici possibili supera di molti ordini di grandezza il numero di stati della sola sequenza del DNA.

Una nota di onestà scientifica: nel 2025, una review su Trends in Genetics ha sollevato dubbi su alcune modificazioni istoniche paradigmatiche, mostrando che in certi contesti — testati con enzimi cataliticamente inattivi — non sembrano funzionali. Il campo è ancora in fase di definizione. Ma la struttura complessiva del codice — con le sue proprietà convenzionali e il suo ruolo nella regolazione genica — resta solida.

Il riferimento fondativo del concetto di «codice istonico» è un paper di Brian Strahl e C. David Allis pubblicato su Nature nel 2000 — The Language of Covalent Histone Modifications — già discusso nel Modulo 6. Strahl e Allis hanno formalizzato l’idea che le modificazioni degli istoni costituiscano un sistema simbolico interpretabile, con «scrittori» (enzimi che aggiungono modifiche chimiche), «lettori» (proteine che riconoscono i pattern e traducono in stati funzionali della cromatina) e «cancellatori» (enzimi che rimuovono modifiche). Questa architettura — scrittori, lettori, cancellatori — è il tratto caratteristico dei sistemi informativi genuini, non dell’ordine fisico-chimico spontaneo. Nei mammiferi, oltre cinquanta enzimi diversi sono coinvolti solo nella scrittura e cancellazione delle modificazioni istoniche, e decine di proteine specializzate riconoscono i diversi pattern — una complessità regolatoria coordinata con i segnali extracellulari, metabolici e di sviluppo.

Alcune delle modificazioni istoniche più recentemente scoperte meritano menzione specifica, perché mostrano che il codice è ancora in piena fase di ampliamento. La lattilazione istonica è stata descritta dal gruppo di Yingming Zhao (Università di Chicago) in un paper pubblicato su Nature nel 2019 con il titolo Metabolic regulation of gene expression by histone lactylation. La scoperta è rilevante perché stabilisce un collegamento diretto tra metabolismo cellulare e regolazione genica: il lattato — prodotto finale della glicolisi, normalmente considerato solo un metabolita di scarto muscolare — viene usato dalla cellula come substrato per modificare gli istoni, traducendo lo stato metabolico corrente in un pattern di accessibilità del DNA. Modificazioni analoghe con altri metaboliti — butirrato, crotonato, succinato, propionato — stabiliscono collegamenti altrettanto diretti tra la chimica metabolica della cellula e il suo programma trascrizionale. Il codice degli istoni non è solo informativo in astratto: è integrato con il resto della fisiologia cellulare, in un intreccio che aumenta ulteriormente la sua complessità funzionale e che era del tutto insospettato fino a pochi anni fa.


5. L’organizzazione tridimensionale del genoma

Al di sopra del codice degli istoni esiste un ulteriore livello informativo: la struttura tridimensionale dei cromosomi nel nucleo. La tecnica Hi-C ha rivelato che il genoma è organizzato in domini topologicamente associati (TAD) — regioni che interagiscono preferenzialmente al loro interno, formando compartimenti spaziali semi-isolati.

All’interno di ogni TAD, gli enhancer — le sequenze regolatorie discusse Nel Modulo 6 — possono raggiungere fisicamente i geni che regolano, anche se distano centinaia di migliaia di basi nella sequenza lineare. L’RNA polimerasi stessa agisce come «barriera mobile» per le coesine che estrudono i loop di cromatina, legando la trascrizione alla struttura 3D.

Questa organizzazione non è un epifenomeno passivo: è portatrice di informazione funzionale. Mutazioni che alterano i confini dei TAD — senza modificare nessuna sequenza codificante — possono causare malformazioni degli arti, disturbi cerebrali e cancro, mettendo un gene in contatto con enhancer sbagliati. Il genoma in tre dimensioni porta informazione che il genoma in una dimensione non porta.

Un paradigma emerso dopo il 2019 aggiunge un ulteriore strato: la separazione di fase liquido-liquido, in cui fattori di trascrizione con regioni intrinsecamente disordinate formano condensati ai super-enhancer, concentrando il macchinario regolatorio. Varianti associate a malattie alterano le proprietà di separazione di fase, con conseguenze funzionali dirette.

La separazione di fase liquido-liquido — LLPS, liquid-liquid phase separation — merita di essere descritta più in dettaglio perché è una delle scoperte più radicali della biologia cellulare recente e mette in discussione il modo stesso in cui si pensa alla regolazione biologica. Tradizionalmente, la biochimica ha visto le reazioni nella cellula come avvenimenti tra molecole libere in soluzione, o tra molecole legate a membrane lipidiche ben definite. La LLPS mostra che esiste una terza modalità: molecole specifiche — in particolare proteine con regioni intrinsecamente disordinate (intrinsically disordered regions, IDR) — si aggregano spontaneamente in condensati biomolecolari che si comportano come goccioline liquide, senza membrana, ma con confini fisici definiti. È lo stesso principio per cui in un bicchiere d’olio e acqua si formano goccioline distinte: un’organizzazione spaziale emerge senza contenitori fisici. Il paradigma è stato sviluppato dal 2009 in poi dal gruppo di Anthony Hyman al Max Planck Institute di Dresda, partendo dai P granules nell’embrione di Caenorhabditis elegans — goccioline proteiche che partecipano alla segregazione asimmetrica del destino cellulare.

Nel 2017 il gruppo di Richard Young al Whitehead Institute/MIT ha applicato il paradigma alla regolazione trascrizionale, pubblicando su Cell che i super-enhancer — le regioni regolatorie più potenti del genoma, che controllano i geni cardine dell’identità cellulare — funzionano concentrando fattori di trascrizione e polimerasi in condensati formati per LLPS. I fattori di trascrizione con IDR (circa il 30-40% di tutte le proteine regolatorie ha IDR estese) si raggruppano attorno ai super-enhancer formando microambienti locali in cui la concentrazione delle molecole regolatrici è di ordini di grandezza più alta che nel resto del nucleo. La regolazione genica, in altre parole, non è solo una questione di quali proteine legano quali sequenze — è una questione di organizzazione fisica tridimensionale di reagenti che si autoconcentrano in microreattori temporanei.

Le implicazioni per la comprensione della malattia sono state immediate. Varianti genetiche associate a malattie neurodegenerative come la sclerosi laterale amiotrofica (SLA) e alcune forme di demenza frontotemporale alterano le proprietà di LLPS delle proteine coinvolte: ad esempio TDP-43 e FUS, proteine con IDR estese che normalmente formano condensati funzionali nel nucleo, in presenza delle varianti patologiche tendono a formare aggregati rigidi e irreversibili nel citoplasma, portando alla morte neuronale. Il parallelo con l’argomento ID sulla complessità specificata è stringente: la necessità di un ripiegamento e di un’aggregazione tridimensionale estremamente precisi dimostra l’elevato livello di informazione strutturale codificato nelle proteine regolatorie. Un esempio classico di questo principio è quello dei prioni: proteine che perdono la loro corretta conformazione tridimensionale, si aggregano e inducono gravi encefalopatie spongiformi (come il morbo della «mucca pazza» o la malattia di Creutzfeldt-Jakob). In tutti questi casi la misinterpretazione di una piccola porzione dell’informazione strutturale produce effetti catastrofici — conferma indiretta che la complessità funzionale delle proteine non è un’approssimazione casuale ma un sistema finemente calibrato. Come ha argomentato Douglas Axe in Undeniable, la necessità di un ripiegamento spaziale così preciso e di una «coerenza funzionale» globale limita fatalmente la possibilità che mutazioni casuali o dinamiche non guidate costruiscano nuovi strati informativi senza distruggere i sistemi preesistenti.


6. L’informazione oltre il nucleo

Una parte significativa dell’informazione necessaria per costruire un organismo non risiede nel nucleo. Il citoscheletro porta informazione posizionale che si trasmette indipendentemente dal DNA. La matrice extracellulare fornisce segnali che determinano l’identità cellulare. I gradienti bioelettrici funzionano come coordinate spaziali.

L’embriologo Michael Levin ha dimostrato che alterando i gradienti bioelettrici di embrioni di rana si possono produrre occhi in posizioni aberranti o arti soprannumerari — senza modificare il DNA. L’informazione che determina la posizione degli organi non è tutta nel genoma.

Le implicazioni sono profonde: se una parte dell’informazione necessaria per un piano corporeo risiede in strutture extragenomiche, allora le mutazioni del DNA non possono, in linea di principio, spiegarne l’origine. Le mutazioni agiscono sulla sequenza — non possono modificare le coordinate della membrana cellulare o le proprietà elettriche del citoplasma. Il problema dell’informazione biologica è più grande del problema dell’informazione genomica.

Il lavoro di Michael Levin alla Tufts University (Massachusetts) è uno dei più provocatori della biologia contemporanea. La tesi centrale del suo laboratorio — articolata in particolare nel paper del 2021 su Cell, Bioelectric Signaling: Reprogrammable Circuits Underlying Embryogenesis, Regeneration, and Cancer — è che le cellule comunicano attraverso gradienti di voltaggio elettrico distribuiti sulle loro membrane, e che questi gradienti costituiscono un «codice bioelettrico» che memorizza e trasporta istruzioni morfogenetiche indipendenti dal DNA. Il voltaggio trans-membranario di ogni cellula — determinato dai canali ionici — non è solo uno stato passivo che accompagna l’attività cellulare: è un segnale informativo che le cellule leggono e interpretano per coordinare l’architettura dei tessuti e degli organi.

Gli esperimenti più spettacolari di Levin riguardano le planarie, vermi piatti di acqua dolce famosi per la loro capacità rigenerativa. Intervenendo sui pattern bioelettrici senza modificare il DNA, il suo laboratorio ha ottenuto planarie con due teste (bicipiti) anziché una testa e una coda, o con due code. La caratteristica decisiva è che queste planarie modificate possiedono esattamente lo stesso genotipo dei vermi normali. E ancora più sorprendente: se una di queste planarie a due teste viene tagliata in due, ciascuna metà rigenera una seconda testa anziché una coda. Il pattern bioelettrico alterato si eredita attraverso le divisioni cellulari e viene mantenuto anche dopo cicli di amputazione e rigenerazione, senza alcuna modifica del DNA. Altri esperimenti del gruppo di Levin documentano occhi funzionali prodotti in posizioni aberranti (sulla coda, sul lato) negli embrioni di rana, semplicemente manipolando i gradienti bioelettrici locali; e arti soprannumerari nella rigenerazione degli arti. L’informazione morfologica che determina dove gli organi devono formarsi non è tutta scritta nel DNA — una parte cruciale è scritta nelle proprietà elettriche dei tessuti.

Levin non è un autore ID — al contrario, è un biologo del mainstream della biologia dello sviluppo — ma è diventato un critico aperto del riduzionismo genocentrico che attribuisce al DNA tutta l’informazione dell’organismo. La sua argomentazione è empirica: se possiamo modificare la morfologia finale senza toccare il genoma, allora una parte significativa del programma morfogenetico deve risiedere altrove. Autori ID come Stephen Meyer (Darwin’s Doubt), Douglas Axe (Undeniable) e J. Scott Turner (Purpose and Desire) citano frequentemente i lavori di Levin per sostenere che lo sviluppo dei piani corporei animali richiede un’informazione morfogenetica top-down — gradienti bioelettrici, pattern di membrana, codice degli zuccheri cellulari, matrice del citoscheletro — che l’hardware genetico da solo non può generare. E che le mutazioni del DNA, agendo solo sulla sequenza, non possono modificare questi livelli superiori: si può mutare il DNA all’infinito senza cambiare il voltaggio trans-membranario di una cellula o la geometria del suo citoscheletro.

Il caso del citoscheletro è paradigmatico. Il citoscheletro è la rete di filamenti proteici (microtubuli, microfilamenti di actina, filamenti intermedi) che dà alla cellula la sua forma, organizza le sue strutture interne e dirige i processi di divisione. Gli studi classici di Joseph Frankel dell’Università dell’Iowa sui ciliati (in particolare Tetrahymena thermophila e Paramecium), sintetizzati nel suo libro Pattern Formation: Ciliate Studies and Models (Oxford University Press, 1989), hanno documentato un fenomeno chiamato eredità corticale (cortical inheritance): riarrangiamenti fisici del pattern delle ciglia nella corteccia cellulare — ottenuti tagliando e ruotando porzioni della corteccia di un ciliato — vengono ereditati dalle cellule figlie per centinaia di generazioni, senza nessun cambiamento del DNA. Un ciliato con una porzione di corteccia invertita sperimentalmente produce figli con la stessa inversione, e nipoti, e pronipoti. L’informazione che determina l’organizzazione spaziale del pattern ciliare non è nel nucleo: è nella corteccia stessa, che agisce come templato fisico autoreplicante. Il biologo Franklin M. Harold, nel suo libro The Way of the Cell (Oxford University Press, 2001), ha articolato il significato teorico di questi dati: l’architettura spaziale della cellula — le membrane, le strutture del citoscheletro, l’organizzazione corticale — agisce come «templato» fisico fondamentale per lo sviluppo, un tipo di informazione tridimensionale indispensabile che non deriva dalle istruzioni del DNA. Per gli autori ID, l’eredità corticale e l’argomento di Harold sono la prova empirica più pulita del fatto che le mutazioni del DNA sono insufficienti a spiegare l’innovazione dei piani corporei — serve un’informazione di livello superiore, che ha tutte le caratteristiche dell’origine progettuale.


7. L’epigenetica e l’evoluzione: un rapporto complicato

L’ereditabilità epigenetica — il fatto che alcune modificazioni si trasmettano di generazione in generazione — complica il rapporto con la teoria evolutiva standard. Ricorda la teoria lamarckiana dell’eredità dei caratteri acquisiti. Casi reali sono documentati: topi esposti a certi stress trasmettono alterazioni epigenetiche ai discendenti per due o tre generazioni.

Ma l’ereditabilità epigenetica ha limiti chiari come meccanismo di macroevoluzione. Le modificazioni sono generalmente instabili su scale temporali evolutive — durano poche generazioni, poi vengono «azzerate» dalla riprogrammazione epigenetica. Possono produrre variazione adattativa a breve termine, ma non l’accumulo stabile di novità informativa necessario per trasformazioni macroevolutive.

Alcuni casi meritano di essere descritti, perché sono diventati paradigmatici nel dibattito. Lo studio più citato è quello di Brian Dias e Kerry Ressler dell’Emory University, pubblicato su Nature Neuroscience nel 2014 con il titolo Parental olfactory experience influences behavior and neural structure in subsequent generations. Dias e Ressler hanno esposto topi maschi all’odore di acetofenone (un composto dall’odore di mandorle) accoppiato a leggeri shock elettrici, condizionando i topi ad avere paura dell’odore. Il dato sorprendente: i figli e i nipoti di questi topi, pur non essendo mai stati esposti né all’acetofenone né agli shock, mostravano risposte di paura quando veniva loro presentato l’odore. L’informazione era stata trasmessa biologicamente — attraverso alterazioni dei pattern di metilazione nei neuroni olfattivi dello sperma, come documentato dagli autori. Casi simili sono stati documentati nei figli dei sopravvissuti alla carestia olandese del 1944-45 (l’Hongerwinter): alterazioni metaboliche legate all’alimentazione prenatale sono state trasmesse per almeno due generazioni attraverso modificazioni epigenetiche.

Un altro fenomeno che complica la teoria evolutiva standard è la paramutazione, documentata originariamente in mais e poi estesa ad altri organismi: un allele «paramutagenico» può alterare epigeneticamente l’espressione di un altro allele nello stesso genoma, e il cambiamento si eredita nelle generazioni successive. Meccanismi RNA-mediati sono coinvolti. La paramutazione contraddice il principio classico secondo cui due alleli distinti si trasmettono indipendentemente secondo le leggi di Mendel: un allele può «riprogrammare» l’altro, e questa riprogrammazione viene ereditata. Come nota la letteratura ID, questi fenomeni rivendicano in parte il lamarckismo (l’ereditarietà dei caratteri acquisiti), mettendo in crisi il neodarwinismo «gene-centrico» che aveva dichiarato impossibile l’ereditarietà di caratteri non scritti nel DNA.

Ma — e questo è il punto che Meyer e altri autori ID sottolineano — l’ereditabilità epigenetica non salva il darwinismo dal problema dell’origine dell’informazione. Al contrario, lo amplia. Il motivo è che l’ereditabilità epigenetica ha limiti chiari come meccanismo di macroevoluzione. Le modificazioni epigenetiche sono generalmente instabili su scale temporali evolutive: durano poche generazioni (tipicamente 2-4, al massimo decine) e poi vengono «azzerate» dalla riprogrammazione epigenetica che avviene durante la formazione delle cellule germinali e nelle prime divisioni dello zigote. La macroevoluzione richiede invece cambiamenti stabilmente, permanentemente ereditabili — «discendenza con modificazioni», come diceva Darwin. La mancanza di stabilità squalifica l’ereditabilità epigenetica come motore dell’innovazione biologica su larga scala: può produrre variazione adattativa a breve termine, ma non l’accumulo stabile di novità informativa necessario per nuovi piani corporei. E sul versante concettuale, il dato è ancora più interessante: l’epigenetica documenta l’esistenza di un livello di informazione biologica aggiuntivo rispetto al DNA, non un meccanismo che risolve l’origine dell’informazione biologica. Il problema si espande, non si restringe.


8. Un cambiamento qualitativo, non solo quantitativo

Ci si potrebbe chiedere: non è semplicemente più informazione dello stesso tipo? La risposta è no.

Il DNA memorizza informazione digitale monodimensionale: una sequenza lineare di simboli discreti. Ma lo sviluppo embrionale richiede informazione topologica tridimensionale: non solo quali mattoni costruire (le proteine), ma come assemblarli nello spazio, in quale posizione, con quale orientamento, in quale momento. È la differenza tra avere la lista dei materiali di un edificio e avere la planimetria architettonica tridimensionale.

I sistemi ingegneristici complessi richiedono informazione sia «bottom-up» (componente per componente) sia «top-down» (organizzazione globale). I sistemi biologici non fanno eccezione. Spiegare l’origine dell’informazione top-down con meccanismi che operano bottom-up è categoricamente inadeguato.

L’argomento bottom-up versus top-down costituisce la chiave epistemologica della sintesi che Meyer e Axe hanno sviluppato per gli ultimi livelli di complessità biologica descritti in questo Modulo. Il neodarwinismo classico adotta un approccio puramente bottom-up: mutazioni del DNA (variazioni a livello minimo) si accumulano e, attraverso la selezione naturale, si ripercuotono verso l’alto fino a produrre nuovi piani corporei. Ma gli esperimenti di Levin sulle planarie bicipiti, i dati di Frankel sull’eredità corticale dei ciliati, gli effetti delle alterazioni dei confini dei TAD, i condensati LLPS ai super-enhancer — tutti questi fenomeni mostrano che la forma biologica dipende criticamente da strati di informazione top-down (gradienti bioelettrici tridimensionali, pattern di membrana, codice degli zuccheri cellulari, organizzazione del citoscheletro, architettura spaziale della cromatina nel nucleo) che il genoma da solo non può determinare. Interrompere uno di questi strati informativi con mutazioni dal basso produce inevitabilmente embrioni morti o mostruosità non vitali, non animali sani e radicalmente nuovi. Come nota Meyer, analogamente ai sistemi ingegneristici umani, le architetture biologiche complesse richiedono che le modifiche strutturali di alto livello siano coordinate simultaneamente con il livello del software di basso livello — il che rende categoricamente inadeguata qualsiasi spiegazione puramente bottom-up.


9. L’auto-organizzazione: una risposta insufficiente

Stuart Kauffman e Scott Newman hanno proposto che parte della complessità biologica emerga da auto-organizzazione fisico-chimica — pattern che si formano spontaneamente senza programma specifico. Le strisce dei pesci zebra, le spirali delle conchiglie — sono pattern spiegabili con modelli matematici.

L’ID riconosce che l’auto-organizzazione è un fenomeno reale. Ma produce l’ordine sbagliato. I pattern auto-organizzati sono regolari, ripetitivi, determinati dalla fisica — «ordine semplice» o ridondanza, come abbiamo definito Nel Modulo 3. L’informazione biologica funzionale è aperiodica, irregolare, contestualmente specifica. È la differenza tra un cristallo di neve — bellissimo, regolare, prodotto da leggi fisiche — e un testo scritto: irregolare, contestuale, portatore di significato. L’auto-organizzazione spiega i cristalli, non i testi.

Stuart Newman (New York Medical College) con Gerd B. Müller (Università di Vienna) ha articolato in un paper del 2005 sul Journal of Experimental Zoology B: Molecular and Developmental Evolution, Genes and form: inherency in the evolution of developmental mechanisms, l’idea che l’innovazione morfologica possa derivare da meccanismi fisico-genetici — determinanti fisici ed epigenetici intrinseci alla materia biologica che producono piani corporei come esito naturale di leggi chimico-fisiche. Autori ID come Meyer rispondono con una critica duplice. La prima critica è la stessa mossa da Kauffman: l’auto-organizzazione fisico-chimica produce ordine ridondante e simmetrico (cristalli, vortici, strisce di Turing), non complessità specificata aperiodica e contestualmente informativa. È una distinzione qualitativa, come abbiamo articolato nel Modulo 3: l’ordine non è informazione. La seconda critica è specifica al modello di Newman-Müller: il loro approccio presuppone la preesistenza non giustificata di un «toolkit genetico e di sviluppo» (geni Hox, vie di segnalazione Wnt, BMP, Notch) dal quale le forme biologiche attingerebbero. Ma proprio quel toolkit è ciò di cui bisogna spiegare l’origine. Il modello, insomma, sposta il problema invece di risolverlo. L’ID riconosce che l’auto-organizzazione è un fenomeno reale — coopera con l’informazione genomica in molti aspetti dello sviluppo — ma nega che possa essere la fonte primaria dell’informazione biologica.

A questo quadro si aggiunge una voce indipendente e significativa: quella di J. Scott Turner, fisiologo e biologo alla SUNY-ESF (State University of New York, College of Environmental Science and Forestry) di Syracuse. Turner non è un autore ID, ma è uno dei più acuti critici del riduzionismo neodarwinista dall’interno della biologia accademica. Nei suoi libri The Tinkerer’s Accomplice: How Design Emerges from Life Itself (Harvard University Press, 2007) e Purpose and Desire: What Makes Something “Alive” (HarperOne, 2017), Turner argomenta che la vita non è guidata passivamente dal «codice» inerte del DNA, ma attivamente da un principio biologico irriducibile che chiama omeostasi — la tendenza dei sistemi viventi a mantenere attivamente il proprio stato interno di fronte alle perturbazioni ambientali, attraverso «sforzo», «lotta» e ciò che Turner chiama provocatoriamente «desiderio» (desire). Turner definisce la vita come un «disequilibrio dinamico effimero» e suggerisce che la memoria ereditaria sia più un processo — «un verbo», dice — che un sostantivo statico. Il design, secondo Turner, emerge dalla vita stessa come proprietà causale reale ed emergente, non come illusione che la selezione naturale produrrebbe per vie tortuose da processi ciechi. Gli autori ID integrano volentieri la prospettiva di Turner, pur segnalando la distanza dalla loro posizione classica: Turner non postula un designer esterno ma una teleologia immanente alla vita. Meyer, Dembski e Axe concordano con Turner che lo scopo e l’omeostasi non siano illusioni della biologia ma categorie empiriche irriducibili — e leggono la posizione di Turner come un’indipendente conferma, da una prospettiva non-ID, che il paradigma puramente riduzionista e genocentrico sia inadeguato a rendere conto della realtà biologica.


10. Il problema si amplia

Raccogliamo il quadro complessivo. Il DNA (Modulo 1), il codice genetico arbitrario (Modulo 2), l’informazione specificata (Modulo 3), la rarità delle sequenze funzionali (Modulo 4), i limiti degli algoritmi (Modulo 5), il genoma non codificante funzionale (Modulo 6), i geni orfani (Modulo 7) — e ora le dGRN, il codice degli istoni con le sue 20+ modificazioni, i TAD, la separazione di fase, i gradienti bioelettrici, il citoscheletro.

La complessità informativa totale della cellula vivente è un sistema multistrato che supera qualsiasi sistema ingegneristico prodotto dall’intelligenza umana. Il problema dell’informazione biologica non si risolve spiegando l’origine del DNA: si ramifica in dozzine di sottoproblemi distinti, ognuno dei quali richiede una spiegazione causale propria. E tutti i livelli devono essere presenti e coordinati simultaneamente per produrre un organismo funzionante.

In coerenza con la posizione editoriale di questo sito, l’interpretazione che ne traiamo è una deduzione logica e filosofica basata su evidenze empiriche: un sistema informativo gerarchico multistrato di questa complessità — con livelli convenzionali e arbitrari, informazione top-down non riducibile a quella bottom-up, coordinazione simultanea di strati distinti — ha le caratteristiche che nella nostra esperienza associamo ai sistemi progettati dall’intelligenza, non ai prodotti di processi casuali.

Il progettista che questa inferenza postula resta un’entità non osservabile con i metodi della scienza sperimentale. Ma il naturalismo che lo esclude a priori è una posizione filosofica adottata prima dell’indagine, non una conclusione scientifica. E ogni nuova scoperta sulla complessità del genoma — dalla separazione di fase ai TAD, dalla lattilazione degli istoni ai condensati ai super-enhancer — amplia il problema dell’informazione anziché ridurlo, confermando la previsione dell’ID: la complessità cresce a ogni livello di analisi.

 

 


Prossimo Modulo

Nel Modulo 9Il folding proteico — scenderemo dal genoma al prodotto finale. Una sequenza di amminoacidi, da sola, non è ancora una macchina: deve ripiegarsi nella forma tridimensionale esatta, e solo una frazione minuscola delle sequenze possibili ci riesce. Vedremo che cosa ha davvero risolto AlphaFold, che cosa resta aperto e perché il problema dell’origine delle proteine funzionali è distinto dal problema della loro previsione.


Per approfondire


Riferimenti

Axe, D. (2016). Undeniable: How Biology Confirms Our Intuition That Life Is Designed. HarperOne.

Davidson, E. H., e Erwin, D. H. (2006). “Gene Regulatory Networks and the Evolution of Animal Body Plans.” Science, 311(5762), 796–800. DOI: 10.1126/science.1113832.

Dias, B. G., e Ressler, K. J. (2014). “Parental Olfactory Experience Influences Behavior and Neural Structure in Subsequent Generations.” Nature Neuroscience, 17(1), 89–96. DOI: 10.1038/nn.3594.

Frankel, J. (1989). Pattern Formation: Ciliate Studies and Models. Oxford University Press.

Harold, F. M. (2001). The Way of the Cell: Molecules, Organisms and the Order of Life. Oxford University Press.

Hyman, A. A., Weber, C. A., e Jülicher, F. (2014). “Liquid-Liquid Phase Separation in Biology.” Annual Review of Cell and Developmental Biology, 30, 39–58. DOI: 10.1146/annurev-cellbio-100913-013325.

Levin, M. (2021). “Bioelectric Signaling: Reprogrammable Circuits Underlying Embryogenesis, Regeneration, and Cancer.” Cell, 184(8), 1971–1989. DOI: 10.1016/j.cell.2021.02.034.

Lieberman-Aiden, E. et al. (2009). “Comprehensive Mapping of Long-Range Interactions Reveals Folding Principles of the Human Genome.” Science, 326(5950), 289–293. DOI: 10.1126/science.1181369.

Meyer, S. C. (2009). Signature in the Cell: DNA and the Evidence for Intelligent Design. HarperOne.

Meyer, S. C. (2013). Darwin’s Doubt: The Explosive Origin of Animal Life and the Case for Intelligent Design. HarperOne.

Newman, S. A., e Müller, G. B. (2005). “Genes and Form: Inherency in the Evolution of Developmental Mechanisms.” Journal of Experimental Zoology Part B: Molecular and Developmental Evolution, 304B(6), 593–609. DOI: 10.1002/jez.b.21066.

Sabari, B. R. et al. (Young lab, 2018). “Coactivator Condensation at Super-Enhancers Links Phase Separation and Gene Control.” Science, 361(6400), eaar3958. DOI: 10.1126/science.aar3958.

Strahl, B. D., e Allis, C. D. (2000). “The Language of Covalent Histone Modifications.” Nature, 403, 41–45. DOI: 10.1038/47412.

Turner, J. S. (2007). The Tinkerer’s Accomplice: How Design Emerges from Life Itself. Harvard University Press.

Turner, J. S. (2017). Purpose and Desire: What Makes Something “Alive” and Why Modern Darwinism Has Failed to Explain It. HarperOne.

Zhang, D. et al. (Zhao lab, 2019). “Metabolic Regulation of Gene Expression by Histone Lactylation.” Nature, 574, 575–580. DOI: 10.1038/s41586-019-1678-1.

I geni orfani e le discontinuità genomiche, il problema delle innovazioni senza antenati

0

Percorso: L’Informazione Biologica
Modulo 7

Prerequisiti:
Modulo 6
Guida alla lettura
Disclaimer

 


1. Geni senza storia: una scoperta inattesa

Uno degli assiomi più solidi della biologia moderna è quello della discendenza comune: tutti gli organismi discendono da antenati condivisi, e questa storia è scritta nelle sequenze genomiche. Se due organismi hanno un antenato comune, dovrebbero condividere almeno una parte delle loro sequenze genetiche — con differenze proporzionali al tempo trasPercorso dalla separazione.

È per questo che la scoperta dei geni orfani ha sorpreso profondamente. Un gene orfano è una sequenza che codifica per una proteina funzionale, reale, necessaria all’organismo — ma che non ha nessuna controparte riconoscibile in nessun altro organismo conosciuto. Non un omologo distante con il 20% di somiglianza — nessun omologo, in nessuna specie, in nessun regno.

La loro presenza iniziale, negli anni Novanta, fu interpretata come un artefatto temporaneo dei database incompleti. Ma man mano che i database sono cresciuti — da decine a migliaia di genomi completamente sequenziati — i geni orfani non sono scomparsi. Sono aumentati.

Conviene inquadrare storicamente la scoperta. Il riconoscimento del fenomeno coincise con l’avvento dell’era della genomica, in particolare con la pubblicazione della prima sequenza genomica completa di un organismo vivente: il batterio Haemophilus influenzae, decodificato nel 1995 dal team di Craig Venter e Robert Fleischmann al The Institute for Genomic Research. Fin dai primi studi su interi genomi, i biologi notarono con sorpresa la presenza di sequenze codificanti — le Open Reading Frames o ORF — che risultavano del tutto esclusive dell’organismo studiato o comunque «tassonomicamente ristrette», senza alcun precursore evidente in nessun’altra specie conosciuta. Nella letteratura tecnica vennero chiamati inizialmente ORFan (con gioco di parole tra ORF e orphan), e successivamente TRG (Taxonomically Restricted Genes, geni tassonomicamente ristretti) o semplicemente «geni orfani». L’ipotesi iniziale, naturale data la scarsità di genomi disponibili all’epoca, era che si trattasse di un artefatto statistico destinato a dissolversi: bastava sequenziare più specie, si pensava, e gli omologhi «mancanti» sarebbero stati trovati. Trent’anni dopo e con oltre centomila genomi sequenziati, quella previsione — perfettamente ragionevole negli anni Novanta — si è rivelata sbagliata. Il fenomeno non è scomparso ed è anzi diventato più pervasivo.


2. I numeri: un fenomeno universale

I dati quantitativi sono ormai sufficientemente robusti da costituire un fenomeno biologico documentato. Ogni genoma eucariotico studiato contiene una quota significativa di geni senza omologhi riconoscibili — una proporzione che varia tipicamente tra il 10% e il 30%, a seconda dell’organismo e della metodologia.

Nel genoma dell’ape mellifera asiatica, circa il 20% dei geni — oltre 2.000 sequenze — risulta unico. Nelle formiche argentine, il 45% dei geni non ha corrispettivi in altri insetti. Nel lievito, le stime raggiungono il 26-30%. In Drosophila, il 10-30%. Nel genoma umano, centinaia di geni sembrano essere emersi esclusivamente nella linea degli ominini — assenti nel genoma degli scimpanzé — e svolgono funzioni nel cervello, nel sistema immunitario, nella regolazione metabolica.

La distribuzione tassonomica è rivelatrice: i geni orfani tendono a concentrarsi nei punti dell’albero della vita in cui compaiono innovazioni anatomiche o fisiologiche significative. Nell’idra, sono correlati alla formazione degli cnidociti — le cellule urticanti uniche del gruppo. Come se nuovi geni comparissero esattamente dove serve nuova funzione.

Vale la pena dettagliare alcuni casi di studio, perché l’impatto quantitativo dei dati è più eloquente dei numeri medi. Il caso dell’ape mellifera asiatica (Apis cerana) è illuminante. Uno studio di Park e collaboratori pubblicato nel 2015 su BMC Genomics sequenziò l’intero genoma della specie e su un totale di 10.651 geni identificò 2.182 sequenze geniche uniche — circa il 20% del corredo genetico — senza corrispettivi in nessun altro insetto conosciuto. Il dato particolarmente significativo è il confronto con l’Apis mellifera, l’ape mellifera europea: le due specie si sono separate da un antenato comune, secondo le stime standard, appena uno o due milioni di anni fa. Eppure l’ape europea non possiede quei 2.182 geni orfani — né frammenti riconoscibili di essi. Se questi geni fossero emersi attraverso mutazioni graduali da sequenze ancestrali, dovremmo trovare tracce di quelle sequenze nel parente più prossimo. Non le troviamo. Il biologo Eric Cassell, in Animal Algorithms, usa proprio questo caso per argomentare che l’evoluzione darwiniana graduale non riesce a rendere conto dell’origine rapida di centinaia o migliaia di geni nuovi associati ai complessi comportamenti sociali — Complex Programmed Behaviors (CPB) come la difesa coordinata del nido, il grooming reciproco, la raccolta cooperativa del polline.

Le formiche amplificano il fenomeno. Uno studio di Smith e collaboratori del 2011 sul genoma della Linepithema humile, la formica argentina invasiva, rilevò che 7.184 geni — circa il 45% — risultavano unici rispetto alle altre specie di insetti sequenziate fino ad allora. Ancora più sorprendente è uno studio comparativo del 2013 di Simola e collaboratori su sette specie di formiche, api e vespe: ciascuna stirpe di formiche mostrava circa 4.000 geni orfani specifici, non condivisi con gli insetti solitari. Dato ancora più rilevante: tra le sette specie di formiche studiate solo 64 geni risultavano condivisi in comune. Il «kit di strumenti sociali» che l’ipotesi neodarwiniana classica postulerebbe — un set genetico di base ereditato da un antenato sociale comune e poi modulato nelle singole specie — semplicemente non esiste nella forma prevista. L’eusocialità non emerge da un set preesistente di regolatori condivisi: emerge da infusioni distinte di nuova informazione in ciascun lignaggio.

Nel lievito (Saccharomyces cerevisiae) le stime di geni orfani raggiungono il 26-30% del genoma, e qui si concentrano gli studi più dettagliati sui meccanismi proposti per la loro origine — in particolare i lavori di Anne-Ruxandra Carvunis sui proto-geni, che vedremo nella prossima sezione. Nel genere Drosophila — il moscerino della frutta, modello classico della genetica — le proporzioni sono simili: il 10-30% dei geni è orfano, e alcuni studi specifici rilevano che «ben il ~12% dei geni emersi di recente nel sottogruppo Drosophila melanogaster» sembra essere sorto de novo da DNA non codificante. Nel genoma umano, centinaia di geni sono assenti nel genoma dello scimpanzé — il nostro parente più prossimo, con cui condividiamo un antenato comune tra sei e sette milioni di anni fa — e ancora più numerosi sono i geni specifici della linea degli Hominini (il ramo che include Homo sapiens, Homo neanderthalensis, Denisova e antenati prossimi). Questi geni svolgono funzioni documentate nel cervello, nel sistema immunitario, nel metabolismo.

Il caso paradigmatico nella letteratura ID è tuttavia quello dell’idra. Lo studio di Khalturin e collaboratori del 2008-2009, intitolato A Novel Gene Family Controls Species-Specific Morphological Traits in Hydra, scoprì che una famiglia di geni completamente nuova, assente in qualsiasi altro phylum, regola la formazione degli cnidociti — le cellule urticanti che sono il tratto anatomico distintivo degli cnidari (idre, meduse, anemoni, coralli). Non una piccola modifica di geni preesistenti: una famiglia genica intera, senza precedenti identificabili, che controlla uno dei tratti morfologici più caratteristici di un intero phylum animale. Il pattern, che in questo caso è osservato in modo particolarmente pulito, è quello del «nuovi geni dove serve nuova funzione»: invece di adattamento graduale di sequenze ancestrali, la genomica rivela apparizioni discrete di nuova informazione in corrispondenza delle innovazioni anatomiche.


3. I modelli evoluzionisti più recenti: proto-geni e nascita de novo

L’evoluzione ha proposto modelli sempre più sofisticati per spiegare i geni orfani. L’onestà intellettuale richiede di presentarli nella loro forma più forte prima di valutarne i limiti.

Il modello più influente è quello dei proto-geni, proposto da Carvunis e collaboratori nel 2012 su Nature. L’idea è che esista un continuum evolutivo tra sequenze non geniche e geni funzionali. Il DNA non codificante viene pervasivamente trascritto a bassi livelli; mutazioni casuali possono creare o estendere sequenze di lettura aperta (ORF); alcuni di questi trascritti vengono tradotti in peptidi corti; e occasionalmente un peptide offre un vantaggio adattativo che la Selezione conserva. Il processo è largamente reversibile: solo circa il 3% dei più giovani ORF nel lievito mostra segni di Selezione purificante. La maggior parte ritorna allo stato non genico.

Nel 2020, Vakirlis e collaboratori hanno proposto il modello «transmembrane-first»: le regioni genomiche ricche di timina producono polipeptidi con alta propensione a formare domini transmembrana — strutture che possono inserirsi nelle membrane cellulari. Circa il 10% degli ORF emergenti in lievito mostra effetti benefici sulla fitness.

Nel 2023, An e collaboratori hanno identificato 74 geni de novo specifici degli umani e degli ominidi con origini da RNA lunghi non codificanti (lncRNA), alcuni dei quali contribuiscono all’espansione corticale — la sovraespressione produce organoidi cerebrali più grandi. Nel 2026, la review di Bornberg-Bauer ed Eicholt su Nature Reviews Genetics ha fornito la sintesi più autorevole del campo.

Questi modelli rappresentano un progresso reale nella comprensione dei geni orfani e meritano attenzione seria.

Conviene articolare con qualche dettaglio in più ciascuno dei tre modelli, perché sono ben costruiti e il loro contenuto tecnico è ciò con cui l’inferenza al design deve confrontarsi onestamente. Il modello dei proto-geni di Anne-Ruxandra Carvunis, oggi alla University of Pittsburgh, è pubblicato nel 2012 in Nature 487 con il titolo Proto-genes and de novo gene birth. Il contributo concettuale centrale di Carvunis è l’idea di un continuum: non c’è una distinzione netta tra «gene» e «non-gene», ma una scala graduata di stati intermedi. A un estremo, DNA non codificante privo di trascrizione rilevabile. Nel mezzo, sequenze che vengono trascritte in RNA ma non codificano proteine riconoscibili — gli lncRNA. Un po’ più avanti, sequenze che contengono ORF corti e vengono occasionalmente tradotte in peptidi di poche decine di amminoacidi — i proto-geni. Se uno di questi peptidi conferisce per caso un piccolo vantaggio adattativo, la selezione lo preserva; mutazioni successive possono estendere l’ORF, aumentare i livelli di espressione, consolidare la funzione. Alla fine, si ottiene un gene maturo. Il processo, nota Carvunis, è largamente reversibile: la maggior parte dei proto-geni in lievito non sopravvive su scale di tempo evolutive, e solo una piccola frazione (stimata intorno al 3% dei più giovani ORF) mostra segni di selezione purificante — cioè di una pressione selettiva che rimuove mutazioni dannose, il marchio empirico di funzione biologica reale.

Il modello transmembrane-first di Nikolaos Vakirlis e collaboratori, pubblicato nel 2020 su Nature Communications con il titolo De novo emergence of adaptive membrane proteins from thymine-rich genomic sequences, aggiunge un meccanismo biochimico specifico. Vakirlis osserva che le regioni genomiche ricche di timina, quando vengono trascritte e tradotte, tendono a produrre polipeptidi con alta concentrazione di amminoacidi idrofobici — fenilalanina, leucina, isoleucina, valina. Questi amminoacidi hanno una naturale propensione a inserirsi nei doppi strati lipidici delle membrane cellulari, formando strutture chiamate domini transmembrana. La tesi è che l’emergere di proteine de novo parta preferenzialmente da peptidi transmembrana — ancorati al doppio strato lipidico — e solo successivamente acquisisca dominî citoplasmatici con funzioni catalitiche o regolatorie. Gli autori mostrano che circa il 10% degli ORF emergenti in lievito presenta effetti benefici misurabili sulla fitness, suggerendo che il meccanismo sia biologicamente plausibile e non solo teorico.

Il lavoro di Ni An e collaboratori del 2023, pubblicato su Nature Ecology & Evolution con il titolo De novo genes with an lncRNA origin encode unique human brain developmental functionality, porta il dibattito sul terreno specifico dell’evoluzione umana. Gli autori hanno identificato 74 geni de novo specifici della linea degli ominidi, con origine da RNA lunghi non codificanti (lncRNA) preesistenti che avrebbero acquisito capacità codificante attraverso mutazioni che hanno creato ORF stabili. Alcuni di questi geni risultano coinvolti nell’espansione corticale — la sovraespressione produce organoidi cerebrali più grandi rispetto al controllo, il che suggerisce un ruolo attivo nella crescita cerebrale umana rispetto agli altri primati. Il paper è uno dei riferimenti più citati nella letteratura evoluzionista recente ed è il miglior candidato «positivo» per un meccanismo de novo plausibile applicato a un caso di rilevanza antropologica.

La review di Erich Bornberg-Bauer (Università di Münster) e Lars A. Eicholt, pubblicata nel 2026 su Genome Biology and Evolution con il titolo Orphan and de novo Genes in Fungi and Animals: Identification, Origins and Functions, è la sintesi più autorevole dello stato attuale del campo. Riassume il paradigma emergente secondo cui i geni orfani nascerebbero attraverso proto-peptidi non strutturati che gradualmente acquisiscono struttura e funzione per azione della selezione — un quadro coerente con Carvunis, Vakirlis e An ma esteso a un corpus molto più ampio di organismi. La review è un riferimento obbligato per chiunque voglia discutere il problema oggi, e va presa sul serio come articolazione matura del modello naturalistico.


4. I limiti dei modelli: il problema probabilistico rimane

Tuttavia, i modelli evoluzionisti incontrano limiti strutturali che vanno esaminati con uguale serietà.

Il primo è quantitativo. Il modello proto-genico spiega l’emergenza di ORF corti — peptidi di poche decine di amminoacidi, spesso intrinsecamente disordinati, con funzioni minime. Ma le proteine funzionali complete — con ripiegamenti tridimensionali stabili, siti attivi specifici, capacità catalitiche precise — richiedono centinaia di amminoacidi in sequenze altamente specifiche. Come ha calcolato Axe, la probabilità di trovare una sequenza funzionale per una proteina di 150 amminoacidi è di circa 1 su 1077. Il continuum proto-genico può spiegare l’emergenza di peptidi corti e funzionalmente marginali, ma il salto da «peptide corto con effetto marginale sulla fitness» a «proteina con ripiegamento stabile e funzione specifica» attraversa esattamente lo stesso abisso combinatorio che i modelli cercavano di evitare.

Il secondo limite è strutturale. Circa la metà delle proteine orfane studiate possiede architetture tridimensionali — i cosiddetti domain fold — completamente nuove, senza somiglianza strutturale con proteine di altri organismi. Non solo la sequenza è nuova — è nuova anche l’architettura spaziale. Intere famiglie di fold proteici esistono solo in certi gruppi tassonomici. Il modello proto-genico non spiega come emergano fold genuinamente nuovi, perché i proto-geni producono tipicamente proteine intrinsecamente disordinate, non strutture tridimensionali complesse.

Il terzo limite riguarda la coordinazione. I geni orfani non appaiono isolati: compaiono spesso in cluster coordinati con innovazioni anatomiche. I quattromila geni orfani necessari per l’eusocialità delle formiche, le centinaia di geni specifici del cervello umano — queste non sono singole mutazioni fortunate ma infusioni massicce di informazione coordinata. Il biologo computazionale Adam Siepel ha definito il processo «alchimia darwiniana» — un termine che sottolinea quanto sembri miracoloso dal punto di vista probabilistico.

Vale la pena articolare meglio ciascuno dei tre limiti, perché costituiscono il nucleo quantitativo dell’argomento. Sul limite quantitativo: il calcolo di Douglas Axe, pubblicato nel 2004 sul Journal of Molecular Biology e discusso in dettaglio nel Modulo 4, mostra che nello spazio delle sequenze di 150 amminoacidi solo circa 1 sequenza su 1077 è capace di ripiegarsi in una struttura funzionale stabile. Questo numero non è un artefatto di calcolo teorico: deriva da esperimenti di mutagenesi sistematica sulla β-lattamasi TEM-1. Il modello dei proto-geni di Carvunis e il modello transmembrane-first di Vakirlis spiegano come peptidi brevi, spesso disordinati, possano emergere e offrire vantaggi marginali. Ma quei peptidi non sono proteine funzionali mature: sono stadi di transizione. Il salto dal proto-peptide disordinato alla proteina con fold stabile e funzione enzimatica specifica deve attraversare lo stesso spazio delle sequenze che i calcoli di Axe mostrano essere astronomicamente vasto. Meyer in Darwin’s Doubt definisce il ripiegamento proteico stabile come la «più piccola unità di innovazione strutturale» biologicamente significativa — e il tempo di attesa richiesto perché mutazioni casuali multiple trovino un ripiegamento nuovo in una sequenza di lunghezza proteica tipica supera, secondo le stime di Axe e Behe, l’età dell’universo.

Sul limite strutturale: quando si analizzano le proteine codificate dai geni orfani con gli strumenti della biologia strutturale — le classificazioni SCOP (Structural Classification of Proteins) e CATH (Class, Architecture, Topology, Homology), i due sistemi di riferimento per catalogare i ripiegamenti proteici — si scopre che circa la metà delle proteine orfane studiate presenta architetture tridimensionali uniche, senza corrispondenti strutturali in altri organismi. Non è solo una questione di sequenza primaria diversa: è una questione di ripiegamento tridimensionale genuinamente nuovo. Intere famiglie di fold proteici sono ristrette a gruppi tassonomici molto ristretti — alcuni fold esistono solo in una singola specie. Il problema per il modello proto-genico è che proto-peptidi corti (30-50 amminoacidi) sono tipicamente intrinsecamente disordinati, cioè privi di struttura tridimensionale stabile. Non c’è un percorso gradualista ovvio da «peptide disordinato di 40 amminoacidi» a «proteina con fold inedito di 300 amminoacidi»: i due stati strutturali sono qualitativamente diversi, e la selezione opera solo su proprietà fenotipiche attualmente esistenti, non su architetture future non ancora realizzate.

Sul limite della coordinazione: i geni orfani non appaiono isolati nelle traiettorie evolutive documentate. Come abbiamo visto in sezione 2, ciascuna linea di formiche sociali contiene circa 4.000 geni orfani specifici (Simola et al. 2013), la linea degli ominini ha centinaia di geni specifici coinvolti nello sviluppo cerebrale, l’idra ha un’intera famiglia genica specifica per gli cnidociti. Questi non sono eventi singoli ma cluster coordinati: molti geni nuovi, con funzioni complementari, che cooperano per produrre un’innovazione biologica complessa (l’eusocialità, l’espansione corticale, un organo nuovo). Ogni singolo gene orfano è un evento improbabile; una cascata coordinata di migliaia di geni orfani cooperanti è un evento di improbabilità moltiplicativa. Il biologo computazionale Adam Siepel della Cornell University, in un articolo pubblicato nel 2009 su Genome Research con il titolo Darwinian Alchemy: Human Genes from Noncoding RNA, ha coniato l’espressione «alchimia darwiniana» per descrivere questo fenomeno. Siepel non è un autore ID ma un evoluzionista, e la sua formula era intesa come metafora polemica interna al campo: la pretesa che geni interi e funzionali — completi di promotori, ORF, capacità di produrre proteine stabili — emergano de novo da DNA «spazzatura», scrive Siepel, somiglia all’«elusiva trasmutazione del piombo in oro ricercata dagli alchimisti medievali». La metafora di Siepel è stata ripresa ampiamente dagli autori ID (Meyer in particolare), non come invenzione propria ma come ammissione dall’interno del campo evoluzionista che il meccanismo proposto ha una plausibilità problematica.


5. L’obiezione del database incompleto: una previsione falsificata

L’obiezione più naturale — i geni sembrano orfani perché i database sono incompleti — era un’ipotesi ragionevole negli anni Novanta. Era anche una previsione testabile: se i geni orfani sono artefatti, il loro numero dovrebbe diminuire con la crescita dei database.

I dati degli ultimi trent’anni hanno testato questa previsione. La risposta è chiara: il numero di geni orfani non è diminuito con la crescita dei database. È aumentato. Ogni nuovo genoma sequenziato introduce nuovi geni orfani specifici. La proporzione rimane stabile intorno al 10-20%, indipendentemente da quanti genomi si aggiungono.

L’ipotesi del database incompleto si è autoconfutata: era falsificabile, ed è stata falsificata.

La review di Diethard Tautz e Tomislav Domazet-Lošo pubblicata nel 2011 su Nature Reviews Genetics con il titolo The Evolutionary Origin of Orphan Genes è il documento tecnico che ha certificato, dall’interno del mainstream scientifico, la realtà e la persistenza del fenomeno. Tautz dell’Istituto Max Planck e Domazet-Lošo tracciano lo stato dell’arte dopo più di quindici anni di sequenziamento genomico estensivo e concludono che i geni orfani non sono un artefatto transitorio: sono una caratteristica strutturale del mondo biologico. La loro review classifica le possibili origini (de novo da DNA non codificante, divergenza rapida che ha cancellato ogni somiglianza con omologhi ancestrali, trasferimento orizzontale, duplicazione con divergenza estrema) e ammette che nessuno dei meccanismi proposti spiega da solo l’intero fenomeno. Il paper è citato come riferimento da autori di entrambi i fronti: dagli evoluzionisti come punto di partenza per ulteriori modelli (Carvunis, Vakirlis), dagli autori ID come attestazione «dall’interno» dell’esistenza e della portata del problema.

La dinamica temporale è particolarmente importante. Nel 1995, con il primo genoma batterico completo, i geni orfani erano una curiosità statistica. Nel 2005, con dozzine di genomi, erano un pattern persistente. Nel 2015, con migliaia di genomi, erano un fenomeno documentato. Nel 2025, con decine di migliaia di genomi di ogni regno della vita, la proporzione di geni orfani è rimasta stabile intorno al 10-20% (con punte fino al 30-45% in alcuni insetti sociali). La previsione generata dall’ipotesi dell’artefatto di database — «con più dati, i geni orfani dovranno diminuire» — era testabile, e i dati l’hanno smentita. In filosofia della scienza, una previsione falsificata che avrebbe salvato un’ipotesi ma non è stata confermata è un risultato significativo: l’ipotesi dell’artefatto si è autoconfutata per falsificazione empirica. Vale la pena sottolineare che questa è esattamente la dinamica che Popper identifica come il modo in cui le teorie scientifiche vengono valutate: la discendenza comune graduale universale, con la sua previsione di omologhi sempre rintracciabili con più dati, ha incontrato un test empirico e non l’ha superato.


6. L’Esplosione Cambriana vista dal genoma

Le discontinuità genomiche si concentrano nei punti dell’albero della vita in cui il registro fossile documenta le innovazioni più drammatiche. Nessun punto è più significativo dell’Esplosione Cambriana — l’apparizione relativamente rapida, circa 538 milioni di anni fa, di quasi tutti i principali piani corporei animali.

La genomica ha aggiunto una dimensione nuova a questo problema. Costruire un nuovo piano corporeo richiede nuovi geni, nuove famiglie proteiche, nuove reti di regolazione genica dello sviluppo (dGRN). La ricerca ha documentato «un aumento senza precedenti nella portata della novità genomica» coincidente con il Cambriano.

Le dGRN sono particolarmente significative. Come ha documentato Eric Davidson, queste reti controllano il piano corporeo durante l’embriogenesi e sono talmente sensibili alle perturbazioni che anche piccole modifiche producono morte embrionale — non nuovi piani corporei funzionali. Costruire una nuova dGRN richiede informazione completamente nuova, non l’ottimizzazione graduale di quella esistente.

Il quadro che emerge dalla combinazione di paleontologia e genomica è coerente: le discontinuità anatomiche nei fossili sono accompagnate da discontinuità genomiche. I due livelli di evidenza convergono sulla stessa conclusione: i salti nella storia della vita non sono solo morfologici — sono informativi.

Conviene sviluppare l’argomento di Stephen C. Meyer in Darwin’s Doubt (2013), che rappresenta la più articolata presentazione del caso nella letteratura ID. Meyer parte dal dato paleontologico consolidato: in una finestra temporale relativamente stretta — stimata tra i 10 e i 20 milioni di anni, molto breve su scala geologica — compaiono nel registro fossile i principali phyla animali che caratterizzeranno il resto della storia biologica terrestre. Artropodi, molluschi, brachiopodi, cordati, echinodermi, anellidi, e molti altri appaiono pressoché simultaneamente, senza precursori graduali documentati nei sedimenti precambriani, malgrado decenni di ricerche mirate. Questo è il «dubbio di Darwin» cui fa riferimento il titolo del libro: Darwin stesso, in L’origine delle specie, aveva ammesso che l’improvvisa apparizione dei gruppi animali nel Cambriano era «la maggiore difficoltà» per la sua teoria dell’evoluzione graduale.

La genomica, come Meyer articola in dettaglio, aggiunge alla sfida paleontologica una dimensione quantitativa nuova. Costruire un phylum significa costruire un piano corporeo, che a sua volta significa costruire un programma di sviluppo embrionale capace di generare quel piano corporeo a partire da una cellula uovo. Questo programma richiede:

  • nuove famiglie proteiche — strutturali, enzimatiche, di segnalazione;
  • nuovi tipi cellulari differenziati, ciascuno con il proprio repertorio proteico specifico;
  • nuove reti di regolazione genica dello sviluppo (dGRN) che orchestrino tempi e luoghi di espressione dei geni;
  • nuova informazione epigenetica che guidi la morfogenesi in modo contestuale.

Usando i calcoli di Axe — 1 sequenza funzionale su 1077 per una proteina di 150 amminoacidi — Meyer stima che la probabilità di trovare per caso anche una sola nuova piega proteica stabile nella finestra temporale cambriana sia astronomicamente ridotta. Moltiplicando per il numero di nuove famiglie proteiche richieste dai 20-30 nuovi piani corporei, e per i milioni di individui necessari come materia prima per la ricerca casuale, la conclusione matematica di Meyer è che i meccanismi ciechi mutazione-selezione non possiedono le risorse probabilistiche per generare tale quantità di informazione specificata durante la finestra temporale disponibile.

Le reti regolatrici dello sviluppodevelopmental Gene Regulatory Networks, o dGRN — come abbiamo visto nel Modulo 5, aggiungono un ulteriore ostacolo. Il lavoro di Eric Davidson del California Institute of Technology, sintetizzato in particolare nel paper Gene Regulatory Networks and the Evolution of Animal Body Plans pubblicato con Douglas Erwin su Science nel 2006, e successivamente nei PNAS nel 2008, mostra che le dGRN hanno una struttura gerarchica con un kernel (nucleo) centrale altamente integrato. Perturbazioni sperimentali dei nodi del kernel producono invariabilmente morte embrionale o difetti catastrofici, non nuovi piani corporei funzionali. Il kernel è, in termini sistemici, refrattario al cambiamento. Ma la macroevoluzione di nuovi phyla richiederebbe precisamente la riconfigurazione di queste reti centrali — un’operazione che, sulla base dei dati empirici di Davidson, non sembra essere compatibile con il meccanismo mutazione-selezione graduale. Come osserva Meyer, il dato paleontologico (comparsa improvvisa dei phyla) e il dato embriologico (refrattarietà del kernel dGRN al cambiamento) convergono: i salti nella storia della vita non sono solo morfologici — sono informativi, e per natura della loro organizzazione strutturale non possono essere prodotti da mutazioni incrementali cumulative.


7. Il super-genoma ancestrale: uno spostamento del problema

L’ipotesi alternativa — che i geni orfani fossero presenti nell’antenato comune e siano stati persi in tutti gli altri lignaggi — incontra un problema logico. Se ogni gene orfano nell’ape mellifera fosse il residuo di un gene presente nell’antenato comune di tutti gli insetti, l’antenato comune avrebbe dovuto contenere tutti i geni orfani di tutte le specie di insetti attuali. Estendendo la logica a tutti i phyla, si ottiene un «genoma pananimalia» ancestrale di dimensioni assurde — un genoma che avrebbe dovuto contenere, già nel Precambriano, tutta l’informazione genetica per tutti i piani corporei futuri.

Questo non risolve il problema dell’informazione — lo sposta indietro nel tempo. Da dove viene quell’enorme quantità di informazione nell’antenato comune? Il meccanismo casuale che fatica a spiegare un singolo gene orfano fatica ancora di più a spiegarne decine di migliaia.

L’ipotesi del super-genoma ancestrale è stata formulata esplicitamente, anche all’interno della comunità evoluzionista mainstream, da autori come il paleontologo Charles Marshall dell’Università della California a Berkeley e, in forme diverse, dallo stesso Susumu Ohno (il quale, come abbiamo visto nel Modulo 6, aveva introdotto il concetto di «DNA spazzatura»). La logica è chiara: se la discendenza comune universale è corretta, e se i geni orfani non possono emergere de novo per le ragioni quantitative discusse nelle sezioni precedenti, allora devono essere già stati presenti in un antenato comune remoto, e la loro attuale distribuzione a macchie — presenti in un lignaggio, assenti in un altro — deve essere spiegata dalla perdita differenziale nei diversi lignaggi.

L’obiezione di Meyer e altri autori ID a questa ipotesi è duplice. La prima obiezione è logica-combinatoria. Se ogni gene orfano nelle formiche moderne fosse il residuo di un gene presente nell’ultimo antenato comune di formiche e altri imenotteri, l’antenato avrebbe dovuto contenere tutti i ~4.000 geni orfani di ciascuna stirpe attuale di formiche. Estendendo la logica all’antenato comune di tutti gli insetti, di tutti gli artropodi, di tutti i bilateri, si ottiene un ur-genoma di dimensioni gigantesche — un genoma pananimalia precambriano che avrebbe dovuto contenere, preconfezionata, tutta l’informazione genetica per costruire ogni piano corporeo futuro. Le stime implicite sono genomi dell’ordine di decine o centinaia di milioni di geni, contro le decine di migliaia dei genomi attuali.

La seconda obiezione è energetico-selettiva. Un genoma di quelle dimensioni avrebbe imposto costi metabolici enormi ai piccoli organismi precambriani — replicare, trascrivere, mantenere decine di milioni di geni è un onere biologico immenso. La selezione naturale, su scala di 100 milioni di anni nel Precambriano, avrebbe eliminato geni non espressi o marginalmente utili per ridurre questo carico — la teoria della «compattezza del genoma» sotto pressione selettiva è ben consolidata. La tesi che geni inattivi o «dormienti» siano stati preservati stabilmente per centinaia di milioni di anni, in attesa di essere attivati solo molto dopo nei phyla moderni, è ad hoc: richiede che qualcosa abbia protetto quei geni dalla selezione che normalmente rimuove il carico genomico superfluo.

Meyer articola il punto epistemologico più generale: l’ipotesi del super-genoma ancestrale non risolve il problema dell’informazione, lo sposta indietro nel tempo. Se il meccanismo casuale fatica a spiegare un singolo gene orfano in un lignaggio moderno, come può spiegare decine di migliaia di geni pre-esistenti in un antenato remoto? L’origine dell’informazione genetica è il problema; postularne l’esistenza come «già data» in un antenato ipotetico non è una spiegazione — è una petizione di principio mascherata da ipotesi storica.


8. Verso un «frutteto» della vita

Le discontinuità genomiche hanno implicazioni che vanno oltre la questione della loro origine. Se una porzione significativa del contenuto genico di ogni organismo — tra il 10% e il 30% — non ha connessioni riconoscibili con altri organismi, il modello dell’albero della vita diventa meno adeguato a rappresentare le relazioni genomiche reali.

Alcuni ricercatori — inclusi biologi non affiliati all’ID — hanno proposto di sostituire la metafora dell’albero con quella del «frutteto»: un insieme di alberi che condividono alcune radici ma crescono in larga misura indipendentemente. Il modello non esclude relazioni evolutive reali, ma suggerisce che la storia della vita non possa essere rappresentata come ramificazione continua e graduale da un singolo punto.

È significativo che il primo a mettere in discussione la metafora dell’albero della vita in termini tecnici sia stato un biologo evoluzionista di primo piano come W. Ford Doolittle — lo stesso autore che nel 1980, come abbiamo visto nel Modulo 6, aveva co-firmato con Carmen Sapienza il paper fondativo sul «DNA egoista» e sostenuto il paradigma del DNA spazzatura. Negli anni Duemila, Doolittle propose di «sradicare» (uprooting) l’albero della vita classico sulla base di dati genomici comparativi: il trasferimento genico orizzontale (cioè lo scambio di materiale genetico tra organismi non imparentati, particolarmente documentato tra procarioti ma osservato anche in altri casi) renderebbe inadeguata la rappresentazione arborea, che presuppone invece discendenza strettamente verticale da antenati unici. Doolittle, da materialista convinto, non proponeva l’ID come alternativa — ma il suo articolo rimase un segnale importante: anche dall’interno della biologia evoluzionista mainstream, l’adeguatezza della metafora arborea classica era messa in discussione.

Il passo dagli autori ID — Stephen Meyer, Jonathan Wells, Paul Nelson, tra gli altri — è stato di reinterpretare questa crisi della metafora arborea alla luce delle discontinuità genomiche documentate dai geni orfani e delle discontinuità paleontologiche documentate dall’Esplosione Cambriana e altri eventi radiativi. La proposta di sostituire l’«albero» con un «frutteto» (orchard) — un insieme di alberi distinti che condividono alcune radici profonde ma crescono in larga misura indipendentemente — cattura l’idea che la storia della vita non possa essere rappresentata come una ramificazione continua e graduale da un singolo punto di origine, ma mostra piuttosto linee separate di organismi con contenuto informativo largamente indipendente. Altre metafore alternative proposte sono il «prato» (lawn) o la «rete» (network), ciascuna con implicazioni leggermente diverse. Il modello del frutteto non esclude relazioni evolutive reali all’interno di ciascun «albero» — la microevoluzione adattativa all’interno di un phylum è osservata e documentata, come discusso nei Moduli 5 e 6. Ciò che il modello suggerisce è che i phyla maggiori possano essere linee genuinamente separate, con origini distinte piuttosto che con un antenato unico universale ramificato. Questa lettura è compatibile con — e per gli autori ID è l’interpretazione più coerente con — un’origine intelligente di ciascuna principale linea di vita.


9. L’interpretazione del Disegno Intelligente

Come interpreta il Disegno Intelligente l’insieme di queste evidenze?

L’argomento segue la logica dell’inferenza alla miglior spiegazione. L’effetto osservato: informazione complessa specificata che appare in forma discreta, senza precursori graduali, in corrispondenza di innovazioni biologiche significative. Le cause candidate — processi casuali, leggi chimiche, la loro combinazione — sono state valutate nei Moduli 3, 4 e 5 e trovate causalmente inadeguate. I geni orfani aggiungono un nuovo strato: non solo è improbabile che la casualità produca una singola proteina funzionale, ma questa improbabilità si moltiplica centinaia o migliaia di volte per ogni genoma, in modo coordinato con le innovazioni anatomiche.

L’inferenza non è un argomento dall’ignoranza. È un’inferenza positiva dalla conoscenza: nella nostra esperienza uniforme, informazione complessa specificata che appare in forma discreta senza precursori graduali è prodotta da agenti intelligenti. Programmi software senza precursori, codici senza antenati — ogni volta che incontriamo questo pattern, ne inferiamo un’origine intelligente.

In coerenza con la posizione editoriale di questo sito, questa è una deduzione logica e filosofica basata su evidenze empiriche, non un argomento teologico. Non identifica il progettista né sostiene dottrine religiose. Il progettista postulato resta un’entità non osservabile con i metodi della scienza sperimentale — un limite reale dell’ID che va riconosciuto. Ma il naturalismo che lo esclude a priori è una posizione filosofica adottata prima dell’indagine, non una conclusione scientifica. E va notato che i modelli evoluzionisti più recenti — proto-geni, nascita de novo, «alchimia darwiniana» — pur essendo progressi reali, non hanno risolto il problema quantitativo fondamentale posto dalla rarità delle sequenze funzionali nello spazio delle sequenze possibili.

 


Prossimo Modulo

Nel Modulo 8Il genoma come sistema gerarchico — cambieremo ancora prospettiva. Finora abbiamo trattato il genoma come un testo lineare: una sequenza di lettere da leggere. Vedremo che si tratta di una semplificazione: reti regolatorie dello sviluppo, codice degli istoni, organizzazione tridimensionale del nucleo ed eredità epigenetica aggiungono livelli di informazione che non stanno nella sequenza e che, alla morte della cellula, non si ricostruiscono dal DNA soltanto.


Per approfondire


Riferimenti

An, N. A. et al. (2023). “De Novo Genes with an lncRNA Origin Encode Unique Human Brain Developmental Functionality.” Nature Ecology & Evolution, 7, 264–278. DOI: 10.1038/s41559-022-01925-6.

Axe, D. D. (2004). “Estimating the Prevalence of Protein Sequences Adopting Functional Enzyme Folds.” Journal of Molecular Biology, 341(5), 1295–1315. DOI: 10.1016/j.jmb.2004.06.058.

Axe, D. (2016). Undeniable: How Biology Confirms Our Intuition That Life Is Designed. HarperOne.

Bornberg-Bauer, E., e Eicholt, L. A. (2026). “Orphan and de novo Genes in Fungi and Animals: Identification, Origins and Functions.” Genome Biology and Evolution, 17(12), evaf220.

Carvunis, A.-R. et al. (2012). “Proto-Genes and De Novo Gene Birth.” Nature, 487, 370–374. DOI: 10.1038/nature11184.

Cassell, E. (2021). Animal Algorithms: Evolution and the Mysterious Origin of Ingenious Instincts. Discovery Institute Press.

Davidson, E. H., e Erwin, D. H. (2006). “Gene Regulatory Networks and the Evolution of Animal Body Plans.” Science, 311(5762), 796–800. DOI: 10.1126/science.1113832.

Dembski, W. A., e Marks, R. J. II (2010). “The Search for a Search: Measuring the Information Cost of Higher Level Search.” Journal of Advanced Computational Intelligence and Intelligent Informatics, 14(5), 475–486.

Doolittle, W. F. (1999). “Phylogenetic Classification and the Universal Tree.” Science, 284(5423), 2124–2128. DOI: 10.1126/science.284.5423.2124.

Fleischmann, R. D. et al. (1995). “Whole-Genome Random Sequencing and Assembly of Haemophilus influenzae Rd.” Science, 269(5223), 496–512.

Khalturin, K. et al. (2008). “A Novel Gene Family Controls Species-Specific Morphological Traits in Hydra.” PLOS Biology, 6(11), e278. DOI: 10.1371/journal.pbio.0060278.

Khalturin, K. et al. (2009). “More than Just Orphans: Are Taxonomically-Restricted Genes Important in Evolution?” Trends in Genetics, 25(9), 404–413. DOI: 10.1016/j.tig.2009.07.006.

Marks, R. J. II, Dembski, W. A., e Ewert, W. (2017). Introduction to Evolutionary Informatics. World Scientific.

Meyer, S. C. (2009). Signature in the Cell: DNA and the Evidence for Intelligent Design. HarperOne.

Meyer, S. C. (2013). Darwin’s Doubt: The Explosive Origin of Animal Life and the Case for Intelligent Design. HarperOne.

Nagel, T. (2012). Mind and Cosmos: Why the Materialist Neo-Darwinian Conception of Nature Is Almost Certainly False. Oxford University Press.

Park, D. et al. (2015). “Uncovering the Novel Characteristics of Asian Honey Bee, Apis cerana, by Whole Genome Sequencing.” BMC Genomics, 16, 1. DOI: 10.1186/1471-2164-16-1.

Siepel, A. (2009). “Darwinian Alchemy: Human Genes from Noncoding DNA.” Genome Research, 19(10), 1693–1695. DOI: 10.1101/gr.098376.109.

Simola, D. F. et al. (2013). “Social Insect Genomes Exhibit Dramatic Evolution in Gene Composition and Regulation while Preserving Regulatory Features Linked to Sociality.” Genome Research, 23(8), 1235–1247. DOI: 10.1101/gr.155408.113.

Smith, C. D. et al. (2011). “Draft Genome of the Globally Widespread and Invasive Argentine Ant (Linepithema humile).” PNAS, 108(14), 5673–5678. DOI: 10.1073/pnas.1008617108.

Tautz, D., e Domazet-Lošo, T. (2011). “The Evolutionary Origin of Orphan Genes.” Nature Reviews Genetics, 12, 692–702. DOI: 10.1038/nrg3053.

Vakirlis, N. et al. (2020). “De Novo Emergence of Adaptive Membrane Proteins from Thymine-Rich Genomic Sequences.” Nature Communications, 11, 781. DOI: 10.1038/s41467-020-14500-z.

Wolpert, D. H., e Macready, W. G. (1997). “No Free Lunch Theorems for Optimization.” IEEE Transactions on Evolutionary Computation, 1(1), 67–82. DOI: 10.1109/4235.585893.

Il progetto ENCODE e la rivoluzione del genoma, più informazione del previsto

0

Percorso: L’Informazione Biologica
Modulo 6

Prerequisiti:
Modulo 5
Guida alla lettura
Disclaimer

 


1. Il 98% che nessuno sapeva spiegare

Per la maggior parte della seconda metà del Novecento, la biologia molecolare ha operato con un’immagine del genoma radicalmente diversa da quella attuale. Solo una piccola frazione — circa il 2% — era occupata dai geni codificanti per proteine. Il restante 98% era un territorio apparentemente oscuro, disseminato di sequenze ripetute, pseudogeni silenziati, retrovirus fossilizzati e frammenti senza storia comprensibile.

A questo 98% fu dato un nome che avrebbe resistito per decenni: «DNA spazzatura». Il termine fu coniato nel 1972 dal biologo Susumu Ohno, e con esso si intendeva descrivere reliquie di milioni di anni di mutazioni accumulate, errori di copiatura conservati per inerzia evolutiva, «parassiti molecolari» che si replicavano senza offrire alcun vantaggio all’organismo.

L’idea non era solo diffusa — era considerata una delle prove più eloquenti dell’evoluzione darwiniana. Se un progettista intelligente avesse progettato il genoma, ragionavano i suoi sostenitori, non avrebbe riempito il 98% dello spazio con spazzatura. Solo un processo cieco poteva produrre un genoma così disordinato. Il DNA spazzatura era presentato come una firma dell’evoluzione — e come un argomento diretto contro il Disegno Intelligente.

Conviene fissare con precisione il contesto storico in cui il concetto nacque. Susumu Ohno, genetista evoluzionista giapponese-americano, pubblicò l’articolo fondativo «So Much ‘Junk’ DNA in Our Genome» nei Brookhaven Symposia in Biology del 1972. Il problema che Ohno affrontava era il cosiddetto «paradosso del valore C» (C-value paradox): l’osservazione sconcertante che il contenuto totale di DNA di una cellula (il «valore C») variava enormemente tra specie senza alcuna correlazione apparente con la complessità biologica dell’organismo. Certe salamandre hanno un genoma quaranta volte più grande del nostro; la cipolla ne ha uno cinque volte maggiore. Se ogni base di DNA codificasse informazione funzionale, perché una cipolla avrebbe bisogno di molto più DNA di un essere umano? Ohno propose la soluzione più naturale all’interno del quadro neodarwiniano: la maggior parte del DNA, quello che non codifica per proteine, deve essere DNA non funzionale — «esperimenti della natura falliti», residui fossili di geni estinti, sequenze accumulate per inerzia evolutiva. Poiché negli esseri umani solo circa l’1,5% delle basi codifica proteine, concluse Ohno, la stragrande maggioranza del genoma non poteva avere funzione biologica. La spiegazione era razionale e coerente con la sintesi moderna del darwinismo — e divenne rapidamente ortodossia.


2. Chi difendeva il DNA spazzatura e chi lo contestava

La tesi era sostenuta dai nomi più importanti della biologia molecolare. Francis Crick e Leslie Orgel avevano definito gran parte del DNA «parassitario» o «DNA egoista» già negli anni Settanta. Dawkins aveva usato il DNA egoista come metafora centrale ne Il gene egoista. Francis Collins — il direttore del Progetto Genoma Umano — aveva scritto nel 2006 che i genomi dei mammiferi erano «disseminati» di trasposoni, costituendo una «prova molecolare dell’evoluzione». Jerry Coyne, Philip Kitcher, Kenneth Miller — tutti biologi evoluzionisti di primo piano — avevano usato il DNA spazzatura come argomento esplicito contro l’ID.

Dall’altro lato, i teorici del Disegno Intelligente avevano preso una posizione rischiosa. William Dembski aveva formulato nel 1998 la previsione che il DNA non codificante avrebbe mostrato funzioni biologiche diffuse: un sistema progettato intelligentemente non contiene spazzatura, contiene informazione. Richard Sternberg e Jonathan Wells avevano sostenuto che l’etichetta «spazzatura» mascherava ignoranza e inibiva la ricerca. Erano posizioni di minoranza, bollate come wishful thinking ideologico.

Il ritratto del consenso anti-funzionalista merita qualche dettaglio in più, perché aiuta a comprendere quanto monolitico fosse. Il 1980 fu l’anno in cui Nature pubblicò due articoli paralleli che cementarono il paradigma. W. Ford Doolittle e Carmen Sapienza, in «Selfish Genes, the Phenotype Paradigm and Genome Evolution», argomentarono che la selezione naturale conduce inevitabilmente alla sopravvivenza di DNA privo di espressione fenotipica, sequenze che si replicano semplicemente perché hanno «imparato» a farlo. Nello stesso numero Francis Crick e Leslie Orgel, in «Selfish DNA: the Ultimate Parasite», affermarono che gran parte del DNA degli organismi superiori è «poco più che spazzatura» accumulata come un parassita, e conclusero — con una formula rimasta celebre — che «sarebbe folle, in questi casi, cercare ossessivamente» una sua funzione. Quattro anni prima, Richard Dawkins aveva pubblicato Il gene egoista (1976), in cui la metafora del DNA come entità che «vuole solo sopravvivere» — pur applicata originariamente ai geni codificanti — veniva estesa al DNA in eccesso, presentato come «un parassita o, nella migliore delle ipotesi, un passeggero innocuo ma inutile» che sfrutta le macchine biologiche senza ricambiare.

L’uso del DNA spazzatura come argomento esplicito contro l’ID è documentato in modo sistematico. Philip Kitcher in Living with Darwin (2007) scrisse che «se si stessero progettando i genomi degli organismi, di certo non li si riempirebbe di spazzatura», accusando l’ID di «una capricciosa tolleranza di progetti pasticciati». Francis Collins, direttore del Progetto Genoma Umano e poi dei National Institutes of Health, in The Language of God (2006) descrisse i trasposoni come «rifiuti genetici» e «antichi elementi ripetitivi» (AREs), presentandoli come evidenza diretta della discendenza comune per il fatto che le stesse inserzioni «difettose» si ritrovano nella stessa posizione in specie imparentate. Kenneth Miller in Finding Darwin’s God (1999) e Jerry Coyne in Why Evolution Is True (2009) avevano un esempio preferito, quasi paradigmatico: lo pseudogene GULO, responsabile della biosintesi della vitamina C. Nella maggior parte dei mammiferi il gene GULO funziona; nell’uomo, nelle scimmie antropomorfe e in alcune altre specie è rotto — una sequenza «cadavere» mutata nello stesso modo. Miller argomentava che un progettista razionale non inserirebbe lo stesso gene difettoso indipendentemente in specie create separatamente, mentre l’evoluzione darwiniana spiega elegantemente il pattern con la discendenza comune e una mutazione antica nel genoma di un antenato condiviso. Era considerato uno degli argomenti più potenti contro l’ID.

Gli autori del Disegno Intelligente presero, contro corrente, una posizione opposta. William Dembski in The Design Inference (1998) e poi più esplicitamente in Intelligent Design (1999) e The Design Revolution (2004) formulò il principio metodologico: «Secondo una visione evoluzionistica ci aspettiamo che ci sia molto DNA inutile. Se, d’altra parte, gli organismi sono progettati, ci aspettiamo che il DNA, per quanto possibile, mostri una funzione. Il design incoraggia gli scienziati a cercare una funzione laddove l’evoluzione la scoraggia». La differenza tra i due paradigmi, osservava Dembski, non era solo interpretativa ma euristica: l’ID spingeva a cercare funzione dove il darwinismo consigliava di non perder tempo. Stephen Meyer in Signature in the Cell e Jonathan Wells in The Myth of Junk DNA (2011) avrebbero ribadito che l’assunto del DNA spazzatura «tradisce una non conoscenza della biologia» e che il termine stesso aveva funzionato come un freno ideologico alla ricerca sperimentale. Erano posizioni di minoranza, visibilmente bollate come wishful thinking religiosamente motivato nell’atmosfera accademica dell’epoca. La previsione era rischiosa e testabile: il DNA non codificante avrebbe rivelato funzione, o no?


3. ENCODE 2012: la scossa

Il progetto ENCODE — Encyclopedia of DNA Elements — fu avviato nel 2003 dai National Institutes of Health con l’obiettivo di costruire un catalogo completo degli elementi funzionali del genoma umano. Quattrocentoquarantadue scienziati analizzarono il genoma in centinaia di tipi cellulari con decine di tecniche complementari.

I risultati principali, pubblicati nel settembre 2012 su Nature, Science e Genome Biology, fecero scalpore: almeno l’80% del genoma umano possiede attività biochimica significativa. Non il 2% — l’80%. Ewan Birney, coordinatore del progetto, aggiunse che il numero era probabilmente una sottostima.

La notizia fu una scossa per la biologia. Il DNA spazzatura non era spazzatura — o almeno così sembrava.

Vale la pena articolare l’impatto che il progetto ebbe nella comunità scientifica, perché fu senza precedenti. ENCODE non era un singolo laboratorio ma un consorzio internazionale finanziato dal National Human Genome Research Institute (NHGRI, uno degli istituti dei NIH americani), con contributi anche europei e asiatici. La fase pilota — completata nel 2007 e pubblicata su Nature — aveva analizzato in dettaglio solo l’1% del genoma umano, ma aveva già lanciato un segnale forte: quel 1% era «pervasivamente trascritto», cioè produceva RNA in quantità molto superiori a quanto previsto dal paradigma del DNA spazzatura. Nel 2012, la fase principale estese l’analisi all’intero genoma. I ricercatori usarono un arsenale di tecniche complementari: ChIP-seq per mappare i siti di legame delle proteine regolatrici al DNA; DNase-seq per identificare le regioni di cromatina aperta e accessibile; RNA-seq per sequenziare tutti i trascritti prodotti nel nucleo; analisi della metilazione delle citosine; mappatura delle modificazioni degli istoni. Il tutto applicato a 147 tipi cellulari diversi. I trenta articoli pubblicati nel settembre 2012, coordinati e usciti nello stesso giorno su Nature, Genome Research e Genome Biology, erano un evento editoriale di portata raramente vista.

L’articolo principale su Nature — «An Integrated Encyclopedia of DNA Elements in the Human Genome» — formulò la tesi senza mezzi termini: il consorzio poteva «assegnare funzioni biochimiche all’80% del genoma». Ewan Birney, coordinatore del consorzio e direttore associato dell’European Bioinformatics Institute (EBI), espose la tesi anche nel blog del progetto e in varie interviste, sottolineando che l’80% era probabilmente una sottostima: non tutti i tipi cellulari erano stati campionati, non tutte le fasi dello sviluppo erano state coperte, e c’era ragione di pensare che la frazione effettivamente attiva fosse ancora più alta. La ricezione mediatica fu imponente: la Economist, il New York Times, il Washington Post titolarono con varianti di «fine del DNA spazzatura». Per molti commentatori, quaranta anni di dogma erano stati rovesciati in un solo giorno.

Gli autori dell’ID accolsero i risultati di ENCODE come una conferma straordinaria delle loro previsioni. Casey Luskin sul portale Evolution News raccolse una lunga serie di dichiarazioni pre-ENCODE di biologi evoluzionisti che avevano escluso la funzionalità del DNA non codificante, confrontandole con le dichiarazioni post-ENCODE degli stessi autori. Jonathan Wells aggiornò The Myth of Junk DNA con materiale del 2012. William Dembski riprese la sua previsione del 1998 e ne sottolineò la verifica quantitativa. L’argomento era che la biologia molecolare aveva smentito un’ipotesi centrale del paradigma neodarwiniano e confermato una predizione specifica, pubblicata e testabile degli autori ID. Per un attimo, sembrò che il dibattito fosse chiuso.


4. Il contraccolpo: il dato dell’80% sotto attacco

Quello che accadde dopo il 2012 è altrettanto importante — e l’onestà intellettuale, fondamento di questo sito, richiede di raccontarlo per intero.

L’obiezione più incisiva fu quella di Dan Graur dell’Università di Houston. Nel 2013 pubblicò un articolo il cui titolo era già un programma — «Sull’immortalità dei televisori» — in cui argomentava che ENCODE aveva confuso l’attività biochimica con la funzione biologica. Un televisore è sempre «acceso» — emette calore, consuma elettricità — ma questo non significa che stia svolgendo la sua funzione. Allo stesso modo, il fatto che una sequenza di DNA venga trascritta, o che una proteina vi si leghi, non dimostra che quel trascritto svolga un ruolo biologico. Gran parte dell’attività rilevata potrebbe essere «rumore di fondo» — l’apparato trascrizionale che scorre sul DNA producendo trascritti casuali senza funzione.

Nel 2017, Graur formalizzò l’obiezione con un calcolo preciso basato sul carico mutazionale. Se l’80% del genoma fosse funzionale, ogni individuo accumulerebbe circa 29 mutazioni deleterie per generazione, e la popolazione umana avrebbe bisogno di una fertilità di circa 15 figli per coppia per sostenersi — un’impossibilità demografica. Le stime basate sul carico mutazionale pongono un limite superiore alla frazione funzionale del genoma intorno al 10-15%, con un massimo assoluto del 25%.

Una seconda linea di critica venne dagli studi di conservazione evolutiva. Nel 2014, Rands e collaboratori pubblicarono su PLOS Genetics che solo l’8,2% (intervallo: 7,1-9,2%) del genoma umano è sotto vincolo selettivo — cioè è conservato perché la Selezione naturale elimina le mutazioni che lo alterano. Il restante 91,8% può essere modificato senza conseguenze rilevabili sulla fitness.

La risposta più rivelatrice venne dall’interno dello stesso consorzio ENCODE. Nel 2014, Kellis e collaboratori — tra cui lo stesso Birney — pubblicarono un articolo su PNAS in cui non menzionavano mai la cifra dell’80%. Riconoscevano tre approcci diversi alla definizione di «funzione» (evolutivo, genetico, biochimico), ammettevano che i metodi evolutivi predicono al massimo il 20% di funzionalità, e dichiaravano che creare una risorsa aperta era «molto più importante di qualsiasi stima provvisoria della frazione funzionale del genoma umano».

Il dato dell’80% non è più apparso nelle pubblicazioni formali di ENCODE dopo il 2012.

È utile inquadrare meglio Dan Graur e la natura della sua critica, perché il dibattito che ne seguì fu uno dei più feroci della biologia molecolare del decennio scorso. Dan Graur, professore di biologia all’Università di Houston, è uno dei più noti genetisti delle popolazioni al mondo, autore del manuale di riferimento Molecular and Genome Evolution. La sua critica a ENCODE non proveniva dai margini: veniva dal cuore della tradizione neodarwiniana ortodossa. Il titolo completo del paper del 2013, pubblicato su Genome Biology and Evolution, diceva molto: «On the Immortality of Television Sets: ‘Function’ in the Human Genome According to the Evolution-Free Gospel of ENCODE» — «Sull’immortalità dei televisori: la ‘funzione’ nel genoma umano secondo il Vangelo senza-evoluzione di ENCODE». Il tono polemico era deliberato: Graur accusava ENCODE di aver condotto «un’analisi genomica divorziata dal suo contesto evolutivo», di aver «giocato con le parole» definendo «funzione» qualsiasi attività biochimica rilevabile. In una dichiarazione destinata a diventare celebre, Graur scrisse: «If the ENCODE results were correct, then we would have to throw out everything we have learned about evolution. The solution: let’s kill ENCODE» — «Se i risultati di ENCODE sono corretti, dovremmo buttare via tutto ciò che abbiamo imparato sull’evoluzione. La soluzione: uccidiamo ENCODE». Al di là del tono, l’argomento era serio e richiedeva risposta.

La distinzione concettuale formulata da Graur — ripresa poi dal filosofo della biologia W. Ford Doolittle (lo stesso che nel 1980 aveva scritto il celebre articolo sul DNA egoista) in un paper su PNAS del 2013 — è tra «ruolo causale» (causal role function) e «effetto selezionato» (selected effect function). Per «ruolo causale» si intende qualsiasi attività biochimica misurabile: il fatto che una sequenza sia trascritta, che una proteina vi si leghi, che venga modificata chimicamente. È esattamente ciò che ENCODE misurava. Per «effetto selezionato» si intende invece una funzione che la selezione naturale ha mantenuto nel tempo eliminando le mutazioni che la alterano — e il segno di questo mantenimento è la conservazione di sequenza tra specie imparentate. Secondo Graur e Doolittle, solo il secondo criterio può legittimamente qualificare una sequenza come «funzionale» in senso biologico; il primo criterio misura soltanto attività, che potrebbe essere «rumore di fondo» privo di significato evolutivo. L’analogia del televisore è l’illustrazione intuitiva: un apparecchio difettoso può emettere calore, ronzii, statica — tutte «attività» misurabili — senza svolgere la funzione per cui è stato progettato (riprodurre immagini).

L’argomento del carico mutazionale, formalizzato nel paper del 2017 di Graur su Genome Biology and Evolution («An Upper Limit on the Functional Fraction of the Human Genome»), è puramente quantitativo e ha il vantaggio di essere basato su dati demografici verificabili. Partendo da stime consolidate del tasso di mutazione nella linea germinale umana (circa 1,2 × 10−8 mutazioni per base per generazione), Graur ha calcolato che se l’80% del genoma fosse veramente funzionale, ogni individuo ospiterebbe circa 29 mutazioni deleterie all’anno di nascita. Per compensare questo carico e mantenere la popolazione vitale, ogni coppia dovrebbe produrre in media circa 15 figli — una fertilità biologicamente impossibile per la specie umana, e che comunque non si osserva nei dati demografici. Il ragionamento conduce a un limite superiore rigoroso alla frazione funzionale: non più del 25% in scenari ottimistici, più realisticamente 10-15%. L’argomento è matematicamente solido e non è stato finora confutato in modo convincente dai difensori della stima ENCODE.

La seconda linea di critica, indipendente, viene dagli studi di conservazione evolutiva. Il paper di Chris Rands e collaboratori pubblicato su PLOS Genetics nel 2014, «8.2% of the Human Genome Is Constrained», applicava una metodologia sofisticata basata sui «vincoli indel» (inserzioni e delezioni): analizzando quanto rare siano le inserzioni e delezioni in diverse regioni del genoma umano a confronto con altre specie di mammiferi, gli autori hanno stimato la frazione del genoma sotto selezione purificante. Il risultato — 8,2% (intervallo 7,1-9,2%) — è diventato il benchmark evolutivo di riferimento. Numeri coerenti (5-10%) emergono da altri studi di conservazione profonda tra placentati. Questa seconda linea conferma indipendentemente il limite superiore di Graur: la frazione del genoma biologicamente funzionale, misurata con criteri evolutivi, è dell’ordine del 10%, non dell’80%.

La risposta più rivelatrice all’intera controversia venne dallo stesso consorzio ENCODE. Nel 2014, Manolis Kellis e collaboratori — con Ewan Birney tra i co-autori — pubblicarono su PNAS il paper «Defining Functional DNA Elements in the Human Genome». L’articolo era una ricognizione ragionata del dibattito e segnava un ripensamento significativo rispetto al linguaggio del 2012. Tre cambiamenti sono particolarmente importanti. Primo: l’articolo non menzionava mai la cifra dell’80%. Secondo: riconosceva esplicitamente tre approcci diversi alla definizione di «funzione» — evolutivo (conservazione di sequenza), genetico (effetti di knockout), biochimico (attività misurabile) — presentandoli come complementari ma distinti, e ammettendo che i metodi evolutivi predicono al massimo il 20% di funzionalità. Terzo: gli autori dichiaravano che «creare una risorsa aperta per la comunità scientifica è molto più importante di qualsiasi stima provvisoria della frazione funzionale del genoma umano». La frase è un modo diplomatico di ammettere che la stima dell’80% era stata formulata troppo frettolosamente. Dopo il 2012, il dato non è più apparso nelle pubblicazioni formali ufficiali del consorzio.


5. ENCODE Fase 3 e 4: cosa dicono i numeri aggiornati

ENCODE non si è fermato nel 2012. La Fase 3, pubblicata nel luglio 2020 su Nature, ha generato 5.992 nuovi set di dati sperimentali e costruito un registro di 926.535 elementi cis-regolatori candidati (cCRE) nel genoma umano — che coprono il 7,9% del genoma. La Fase 4, con risultati pubblicati nel gennaio 2026, ha espanso il catalogo a 2,37 milioni di cCRE, con test funzionali CRISPRi su oltre il 90% di essi.

Il dato è significativo: il catalogo di ENCODE — lo stesso progetto che nel 2012 aveva dichiarato l’80% — ora identifica elementi regolatori che coprono una frazione del genoma perfettamente coerente con le stime evolutive dell’8-15%. Il linguaggio è cambiato: si parla di «candidati», non di «funzione».

È importante sottolineare la natura di questo cambio di linguaggio, perché è un segnale epistemologicamente rilevante. Nel 2012 il consorzio aveva parlato di «funzioni biochimiche»: un’affermazione forte, con implicazioni biologiche precise. Nelle fasi successive si parla di «elementi candidati» (candidate cis-regulatory elements): una formulazione più prudente, che riconosce che l’attività biochimica rilevata è una ipotesi di funzione che richiede verifica sperimentale caso per caso. Gli strumenti per fare questa verifica — in particolare il CRISPRi, una variante della tecnologia CRISPR che silenzia specifici elementi genetici senza romperli — permettono oggi di testare se la perturbazione di un elemento candidato ha effetti biologici rilevabili. La Fase 4 di ENCODE è, in larga parte, un’operazione di validazione funzionale di questo tipo: non più inventario di attività, ma prova di funzione. La cifra di 2,37 milioni di cCRE, coprenti una porzione del genoma coerente con le stime del 8-15%, è oggi l’ordine di grandezza «consolidato» — in attesa che le prossime fasi del progetto la precisino ulteriormente.


6. Il quadro onesto: cosa sappiamo davvero

Lo stato attuale della conoscenza, presentato con l’onestà che il tema richiede, è il seguente:

Le stime della frazione funzionale del genoma umano variano enormemente a seconda del criterio usato. La conservazione evolutiva profonda indica circa il 5%. Il vincolo indel (basato sulle inserzioni e delezioni) indica l’8,2%. Il carico mutazionale pone un limite superiore del 10-15%, massimo 25%. L’attività biochimica rilevata da ENCODE nel 2012 indicava circa l’80%. I cCRE di ENCODE Fase 3/4 coprono il 7,9% del genoma.

La chiave fondamentale è che il dibattito ruota attorno alla definizione di «funzione». L’attività biochimica (funzione causale) produce la stima dell’80%. La conservazione evolutiva (funzione selezionata) produce la stima dell’8-15%. Entrambe sono misurazioni empiriche reali — rispondono semplicemente a domande diverse.

Il dibattito non è risolto. Nel 2023, John Mattick ha pubblicato su BioEssays un articolo che parla di «rivoluzione kuhniana» nella biologia molecolare, sostenendo che gli RNA regolatori superano i geni codificanti di un ordine di grandezza. Nello stesso anno, Larry Moran dell’Università di Toronto ha pubblicato What’s in Your Genome? 90% of Your Genome Is Junk, la difesa più completa e recente della posizione opposta. La comunità scientifica resta divisa lungo linee disciplinari: i biologi molecolari tendono a trovare funzione ovunque guardano; i genetisti evoluzionisti si aspettano che la maggior parte del DNA sia spazzatura in base alla teoria della popolazione.

Vale la pena articolare meglio le posizioni dei due protagonisti attuali di questo dibattito, perché rappresentano le due estremità coerenti dello spettro. John Mattick, biologo molecolare australiano del Garvan Institute di Sydney, è una delle figure più autorevoli nello studio degli RNA non codificanti lunghi (lncRNA). La sua tesi, sviluppata in numerose pubblicazioni e sintetizzata nell’articolo BioEssays del 2023 «A Kuhnian Revolution in Molecular Biology», è che il paradigma «geni = proteine» sia insostenibile e che il genoma eucariotico operi come una «macchina a RNA» — un sistema in cui la stragrande maggioranza del DNA viene trascritta in RNA regolatori che operano a molteplici livelli di controllo dell’espressione genica, della struttura della cromatina, del metabolismo cellulare. Mattick argomenta che i biologi evoluzionisti sottovalutano sistematicamente la funzionalità perché applicano criteri pensati per proteine a molecole di natura diversa: gli lncRNA evolvono più rapidamente delle proteine, possono essere funzionali anche senza forte conservazione di sequenza, e la loro funzione spesso risiede in elementi strutturali o localizzazioni specifiche piuttosto che nelle lettere esatte. Chiama «rivoluzione kuhniana» il cambio di paradigma che ritiene inevitabile.

Larry Moran, biochimico dell’Università di Toronto ora in pensione, è il polemista più sistematico a difesa del paradigma del DNA spazzatura. Il suo libro What’s in Your Genome? 90% of Your Genome Is Junk (University of Toronto Press, 2023) è la sintesi più completa della posizione evoluzionista ortodossa. Moran aveva definito l’annuncio ENCODE del 2012 un «fiasco mediatico» e aveva criticato aspramente i ricercatori per aver confuso attività biochimica con funzione, utilizzando linguaggio a tratti provocatorio («stupidi come molti creazionisti del disegno intelligente», scrisse in un passaggio celebre). La sua argomentazione positiva si basa sul carico mutazionale di Graur, sui dati di conservazione di Rands, sulla teoria quasi-neutrale di Tomoko Ohta e Michael Lynch — secondo la quale nelle popolazioni piccole come quella umana l’accumulo di DNA non funzionale è una conseguenza attesa della deriva genetica e della selezione attenuata. Il 90% del nostro genoma è spazzatura, conclude Moran, e non dovrebbe stupire: è quello che la teoria prevede.

La divisione disciplinare tra le due posizioni ha radici metodologiche profonde. I biologi molecolari lavorano su singoli loci, studiano un gene o una sequenza alla volta, osservano attività concrete in cellule in coltura; quando scoprono un’attività tendono a qualificarla come funzione. I genetisti evoluzionisti ragionano a scala di popolazione, applicano modelli quantitativi di carico mutazionale, deriva genetica, tassi di sostituzione; tendono a riservare la parola «funzione» a ciò che la selezione mantiene nel lungo periodo. La differenza non è solo terminologica: riflette due diverse ontologie del biologico. Per Mattick una funzione esiste se c’è attività ripetibile con effetto misurabile. Per Moran una funzione esiste se è selezionata evolutivamente. Entrambi hanno ragione rispetto al proprio criterio — e la questione di quale criterio sia più appropriato per il genoma umano resta aperta.


7. La previsione dell’ID: cosa è stato confermato e cosa no

Alla luce di questo quadro più complesso, come va valutata la previsione del Disegno Intelligente?

Diciamolo onestamente: la versione forte della previsione — «l’80% del genoma è funzionale, come l’ID aveva previsto e il darwinismo non aveva previsto» — non regge più nella forma in cui è stata inizialmente presentata. Il dato dell’80% è contestato con argomenti seri, e la stessa ENCODE non lo sostiene più.

Tuttavia, la direzione della previsione dell’ID si è rivelata corretta — e questo è significativo. L’ID prevedeva che man mano che la ricerca avanzava, avremmo trovato sempre più funzione nel DNA non codificante, non meno. Dembski lo aveva formulato nel 1998. E questo è esattamente ciò che è accaduto: dai primi anni Duemila in poi, ogni anno porta nuove scoperte di funzioni specifiche in regioni del genoma precedentemente considerate spazzatura. Il GENCODE v46 (2024) annota 20.310 geni di RNA lungo non codificante — un numero che ora supera i 19.411 geni codificanti per proteine. La scoperta continua, e la tendenza è costante.

La previsione del darwinismo — che la maggior parte del genoma non codificante fosse funzionalmente inerte — ha dovuto essere quantomeno rivista. Che la revisione porti al 10%, al 25% o all’80% rimane da stabilire, ma la direzione del cambiamento è chiara: sempre più funzionalità scoperta, non meno.

Questa è la forma onesta dell’argomento: non «l’ID aveva ragione su tutto», ma «l’ID aveva ragione sulla direzione, mentre il darwinismo aveva torto sulla direzione». In una disciplina in cui le previsioni contano, questa distinzione ha peso.

Val la pena riflettere brevemente sul valore epistemologico della «direzione di una previsione» rispetto alla sua «grandezza esatta». In filosofia della scienza è un punto consolidato — particolarmente in Popper e nei suoi eredi — che le teorie si valutano sulla base della loro capacità di fare predizioni distintive: previsioni che distinguono una teoria dalle sue rivali, e che possono essere falsificate. Quando due teorie fanno previsioni opposte sulla direzione di un fenomeno (più funzione vs. meno funzione in una categoria specifica di sequenze), e i dati successivi confermano in modo inequivocabile la direzione di una delle due, quello è un risultato scientificamente rilevante — indipendentemente dal fatto che il valore quantitativo esatto della previsione sia stato centrato. Dembski aveva previsto, nel 1998, che la ricerca avrebbe rivelato funzione diffusa nel DNA non codificante; la comunità evoluzionista — con l’autorità di Crick, Dawkins, Collins, Coyne, Kitcher, Miller — aveva previsto che sarebbe rimasto funzionalmente inerte. Dal 1998 al 2025, la direzione del movimento empirico è stata inequivocabile: più funzione scoperta, non meno. Che il numero finale sia il 15% (come sostiene Moran) o il 50% (come sostengono alcuni biologi molecolari) o qualcosa nel mezzo, la direzione della revisione è stata quella prevista dall’ID e contraria a quella prevista dal mainstream. Questo è un dato epistemologico rilevante.

C’è anche un aspetto euristico della questione, che Dembski aveva sottolineato fin dal principio. Il paradigma del DNA spazzatura non era solo una descrizione dei dati disponibili: era un framework che guidava la ricerca. Se si crede che il 98% del genoma sia inutile, non si investono risorse nello studiarlo; se si pensa che sia potenzialmente funzionale, lo si esplora sistematicamente. La previsione dell’ID, oltre a essere testabile, era produttiva: incoraggiava a cercare funzione dove il paradigma dominante consigliava di non perdere tempo. Nel bilancio storico — come ha notato Wells in The Myth of Junk DNA — molte delle funzioni scoperte nel DNA non codificante sono emerse da ricerche condotte malgrado il paradigma del DNA spazzatura, non grazie a esso. L’ID aveva scommesso sull’euristica giusta.


8. I geni orfani: sequenze senza antenati

Tra le scoperte della genomica moderna che pongono le sfide più dirette all’evoluzione graduale, i geni orfani — sequenze che codificano per proteine funzionali senza avere omologhi riconoscibili in altri organismi — occupano un posto particolare.

Quando fu sequenziato il primo genoma completo nel 1995, i ricercatori trovarono con sorpresa che una parte significativa dei geni non aveva omologhi in nessun altro organismo. Oggi i dati sono consistenti: i geni orfani costituiscono dal 10% al 30% di ogni genoma analizzato, a seconda dell’organismo e della metodologia. Nel genoma umano, centinaia di geni sembrano essere emersi esclusivamente nella linea degli ominini.

La risposta evoluzionista invoca l’origine de novo da DNA non codificante: sequenze non funzionali che acquisiscono funzione per mutazione casuale. Il modello «transcription-first» di Carvunis (2012) postula un «continuum proto-genico» in cui trascritti casuali vengono occasionalmente tradotti in peptidi utili. Studi recenti hanno identificato geni de novo con origini da lncRNA che contribuiscono allo sviluppo cerebrale umano.

Per il Disegno Intelligente, i geni orfani rappresentano infusioni discrete di nuova informazione genetica — la stessa struttura discontinua documentata nel registro fossile. Il problema quantitativo — la rarità delle sequenze funzionali nello spazio delle sequenze possibili, documentata da Axe — rimane irrisolto anche nel modello de novo: come produce il caso una proteina funzionale da una sequenza casuale quando le probabilità sono 1 su 1077?

Vale la pena fissare la storia della scoperta con qualche riferimento preciso. Il primo genoma batterico completo fu quello di Haemophilus influenzae, pubblicato su Science nel 1995 da Fleischmann, Venter e colleghi del The Institute for Genomic Research. Già quel primo genoma mostrò qualcosa di inatteso: una frazione significativa degli ORF (open reading frames, cornici di lettura aperte) non aveva alcun omologo in nessun altro organismo conosciuto all’epoca. Gli ORF taxonomicamente limitati — chiamati «ORFan» o «geni orfani» — sembravano un artefatto del sequenziamento incompleto della biosfera: con più genomi, avrebbero dovuto progressivamente trovare parenti. Trent’anni dopo, con migliaia di genomi sequenziati, la percentuale di geni orfani è rimasta stabilmente elevata: 10-30% per ogni nuovo genoma sequenziato, in media. Nel Drosophila melanogaster, il moscerino della frutta, si contano centinaia di geni orfani che codificano proteine funzionali senza omologhi in altre specie. Nel topo e nell’uomo, la frazione è simile. Nel genoma umano, in particolare, circa 500-1.000 geni sembrano essere apparsi esclusivamente nella linea degli ominini — cioè negli antenati degli esseri umani dopo la separazione dagli altri primati, nei circa sei-sette milioni di anni scorsi. Sono sequenze che codificano proteine con funzioni documentate, spesso coinvolte nello sviluppo cerebrale o in tratti specifici della nostra specie.

La risposta evoluzionista al puzzle dei geni orfani è articolata nel modello «transcription-first» formulato da Anne-Ruxandra Carvunis e collaboratori in un paper di Nature 487 del 2012: «Proto-genes and de novo gene birth». La tesi è che una frazione significativa del DNA non codificante viene trascritta in RNA anche quando non c’è una funzione definita — la cosiddetta «trascrizione pervasiva» — e che alcuni di questi trascritti possono, occasionalmente, contenere cornici di lettura aperte che vengono tradotte in peptidi. Se il peptide casuale offre un qualche vantaggio adattativo, la selezione può consolidarlo come nuovo gene. Il modello postula quindi un continuum proto-genico tra DNA non codificante e geni veri e propri, con transizione graduale. Studi successivi hanno identificato casi specifici compatibili con questo scenario — per esempio geni de novo derivati da lncRNA che contribuiscono allo sviluppo cerebrale umano.

La critica dell’ID al modello de novo è precisa e riconduce all’argomentazione quantitativa vista nel Modulo 4. Douglas Axe, in Undeniable, ha misurato sperimentalmente la rarità delle sequenze funzionali: circa 1 sequenza su 1077 tra tutte le sequenze possibili di una data lunghezza è capace di ripiegarsi in una struttura proteica stabile e funzionale. Stephen Meyer, in Darwin’s Doubt (2013), ha applicato esplicitamente questo dato al modello de novo dei geni orfani. L’argomento è diretto: se le sequenze funzionali sono così rare, come può un trascritto casuale produrre casualmente un peptide funzionale con probabilità rilevante? Il modello de novo non aggira il problema matematico, lo riformula: richiede che la selezione naturale operi su «proto-peptidi» che, per definizione, non hanno ancora una funzione chiara. Meyer chiama questa situazione «alchimia darwiniana» o creazione ex nihilo, perché non spiega come il DNA non codificante possa superare la barriera combinatoria della rarità funzionale. La selezione può preservare una proteina funzionale una volta che esista; non può guidare la sua costruzione attraverso stati intermedi non funzionali per lunghezze rilevanti di sequenza. I geni orfani restano, per l’ID, infusioni discrete di nuova informazione — il corrispettivo molecolare di ciò che il registro fossile documenta su scala macroscopica: apparizioni discontinue di nuovi piani corporei senza precursori graduali.


9. I codici sovrapposti: più informazione nello stesso spazio

Una delle scoperte più significative della genomica moderna è che il DNA codifica informazione in modo stratificato: la stessa sequenza di basi porta simultaneamente più messaggi distinti.

Almeno sette livelli informativi sovrapposti sono stati caratterizzati: il codice genetico (triplette → amminoacidi), il codice istonico (modificazioni chimiche degli istoni che regolano l’accessibilità del DNA), il codice di splicing (segnali che determinano come l’RNA viene processato), il codice epitrascrittonico (oltre 100 modificazioni chimiche dell’RNA, come m6A, che regolano stabilità e traduzione), l’organizzazione 3D del genoma (domini topologicamente associati che determinano quali enhancer interagiscono con quali geni), la separazione di fase liquido-liquido (condensati proteici ai super-enhancer), e la regolazione da codoni sinonimi (la scelta tra codoni che specificano lo stesso amminoacido influisce sulla velocità di traduzione e sulla stabilità dell’mRNA).

Un esempio concreto: nel 2013, Stamatoyannopoulos e collaboratori scoprirono che il 15% dei codoni umani funziona simultaneamente come codice amminoacidico e come sito di legame per fattori di trascrizione — i cosiddetti «duoni». Tuttavia — e l’onestà richiede di dirlo — nel 2015 Xing e He pubblicarono su Molecular Biology and Evolution un’analisi che ridimensionava il risultato, mostrando che gran parte della conservazione osservata era spiegabile dalla composizione delle basi piuttosto che da una vera funzione duale. Il concetto di duone resta contestato.

Ciò che non è contestato è che il genoma opera come un sistema multidimensionale di una complessità che supera qualsiasi singola metrica. La densità informativa che emerge da questi codici sovrapposti è straordinaria — e rappresenta una sfida formidabile per qualsiasi spiegazione basata su processi casuali non guidati, che dovrebbero ottimizzare simultaneamente più livelli informativi senza «sapere» degli altri livelli.

Per apprezzare la portata di ciascun livello conviene descriverli con un minimo di dettaglio. Il codice istonico fu formalizzato in un articolo di Science del 2001 di David Allis (della Rockefeller University) e Thomas Jenuwein, «Translating the Histone Code». Nel nucleo, il DNA è avvolto attorno a complessi di proteine chiamate istoni, formando i nucleosomi. Le «code» di queste proteine sporgono dal nucleosoma e possono ricevere modificazioni chimiche specifiche — acetilazione, metilazione, fosforilazione, ubiquitinazione — su amminoacidi precisi (per esempio H3K4, H3K9, H3K27). La posizione esatta e il tipo di modificazione costituiscono un vero codice: l’acetilazione delle lisine allenta il legame tra istone e DNA e rende la cromatina «aperta», accessibile alla trascrizione; certe metilazioni (H3K4me3) segnalano promotori attivi, altre (H3K9me3) segnalano eterocromatina repressa. Una batteria di enzimi — «scrittori», «lettori» e «cancellatori» — gestisce dinamicamente questo codice in risposta a segnali cellulari. La densità informativa è impressionante: su ciascun nucleosoma del genoma opera contemporaneamente una combinazione di segnali chimici che modula l’espressione dei geni vicini in modo contestuale.

Il codice di splicing opera a un livello diverso. Nei geni eucariotici, le sequenze codificanti (esoni) sono interrotte da tratti non codificanti (introni) che devono essere rimossi dall’RNA prima della traduzione. Il meccanismo molecolare responsabile — lo spliceosoma — non si limita a rimuovere gli introni: può scegliere quali esoni includere e quali escludere, generando da un singolo gene molteplici varianti di mRNA. I segnali che guidano questa scelta sono nucleotidici, distribuiti tanto agli estremi degli introni quanto nel loro interno; i lavori di Chris Burge (MIT) e Benjamin Blencowe (Toronto) hanno mappato la grammatica complessa di questi segnali. Il dato quantitativo è decisivo: circa il 95% dei geni umani multi-esone subisce splicing alternativo. Un singolo gene può quindi produrre decine, a volte centinaia, di isoforme proteiche diverse — e queste isoforme hanno ruoli biologici distinti in tessuti e stadi di sviluppo diversi. La stessa sequenza di DNA porta simultaneamente il messaggio proteico e la grammatica regolatoria dello splicing.

L’epitrascrittoma — il livello delle modificazioni chimiche dell’RNA — è stata una delle scoperte più recenti e sorprendenti. Le molecole di RNA possono essere modificate post-trascrizionalmente in oltre centosettanta modi diversi. La modificazione più abbondante e studiata è l’N6-metiladenosina (m6A), caratterizzata dai lavori di Chuan He all’Università di Chicago. La m6A regola stabilità, traduzione, localizzazione e degradazione degli mRNA; il suo pattern di distribuzione è dinamico e risponde a stati cellulari diversi. Altre modificazioni — pseudouridina, 5-metilcitosina dell’RNA, inosina derivante da editing di adenosina — aggiungono strati ulteriori di regolazione. La conseguenza è vertiginosa: la stessa sequenza di DNA, trascritta in RNA, può portare informazione regolatoria diversa a seconda delle modificazioni chimiche che l’RNA subisce successivamente. La linearità della classica «doppia elica → trascrizione → proteina» è solo la parte visibile di una struttura informativa molto più ricca.

L’organizzazione 3D del genoma è un altro livello. I cromosomi nel nucleo non sono stringhe lineari srotolate: assumono architetture spaziali tridimensionali precise, organizzate in domini topologicamente associati (TAD) — regioni del genoma che tendono a interagire di più con sé stesse che con le regioni vicine. Questi domini furono identificati in lavori fondamentali del 2009 (Lieberman-Aiden e colleghi su Science, con la tecnica Hi-C) e del 2012 (Jesse Dixon e colleghi su Nature). All’interno di un TAD, sequenze regolatrici distali chiamate enhancer possono entrare in contatto fisico con promotori anche molto lontani lungo la sequenza lineare — il DNA forma «anse» che portano in prossimità elementi separati da centinaia di migliaia di basi. La conseguenza regolatoria è enorme: un enhancer contatta uno specifico promotore perché la topologia 3D lo permette, non perché sia vicino lungo la sequenza. Mutare la struttura 3D senza toccare la sequenza può disattivare geni; preservare la struttura 3D mutando molte basi può lasciare la regolazione inalterata. L’informazione non è solo «nel DNA» come sequenza, ma anche «nella forma» come geometria.

Gli altri livelli — separazione di fase liquido-liquido nei super-enhancer, regolazione da codoni sinonimi sulla velocità di traduzione — aggiungono ancora complessità. Il quadro complessivo, come nota il biologo computazionale Richard Sternberg, è di un sistema di archiviazione che è «bidirezionale, multistrato, sovrapposto» — un’architettura informativa che ha pochi paralleli nell’ingegneria umana. La sovrapposizione di messaggi distinti sulla stessa sequenza non è un’eccezione rara: è la norma dell’architettura genomica. Un sistema che opera simultaneamente su molteplici livelli ottimizzati — dove una mutazione che migliora un livello spesso peggiora un altro — pone una sfida particolarmente seria ai processi casuali non guidati: la selezione dovrebbe ottimizzare simultaneamente sette codici sovrapposti «senza sapere» degli altri sei, il che equivale a mantenere un equilibrio multidimensionale di enorme difficoltà.


10. Scoperte recenti: dal «DNA spazzatura» a funzioni specifiche

Indipendentemente dal dibattito sulla percentuale totale, le scoperte di funzioni specifiche in regioni precedentemente considerate spazzatura continuano a ritmo accelerato.

Nel 2023, Liu e collaboratori hanno dimostrato su Cell che il retrovirus endogeno HERV-K viene riattivato nelle cellule senescenti, producendo particelle simil-retrovirali che trasmettono la senescenza alle cellule vicine e attivano l’immunità innata — un antico «parassita» molecolare ora integrato nel sistema di comunicazione cellulare.

Sempre nel 2023, un lncRNA derivato da LINE-1 specifico degli esseri umani — LINC01876 — è stato dimostrato essenziale per lo sviluppo cerebrale: il suo silenziamento con CRISPR riduce le dimensioni degli organoidi cerebrali. Nel 2024, Nature Neuroscience ha riportato che gli elementi L1 contribuiscono alla complessità degli interneuroni nel cervello dei topi, generando nuove isoforme di trascritti.

Il DNA satellite umano 3 (HSat3), che comprende circa il 2% del genoma incluso un blocco di 28 megabasi sul cromosoma 9, è stato scoperto nel 2024 funzionare come piattaforma di legame su scala megabase per i fattori di trascrizione TEAD1-4 della via Hippo — un sistema di segnalazione cruciale per il controllo della crescita cellulare.

Nel 2025, un articolo su Molecular Cell ha rivelato che gli introni escissi dal tRNA (fitRNA) funzionano come piccoli RNA regolatori in lievito, appaiandosi con sequenze complementari sugli mRNA bersaglio per indurne la degradazione — la prima dimostrazione che gli introni del tRNA servono come regolatori genici sequenza-specifici.

Nessuna di queste singole scoperte «prova» che il genoma sia funzionale all’80%. Ma la direzione è inequivocabile: funzioni specifiche, con meccanismi molecolari precisi e conseguenze fenotipiche documentate, continuano a emergere in regioni del genoma considerate inerti. Il pattern è quello atteso da un sistema progettato, non quello atteso da un archivio di errori accumulati.

Queste scoperte recenti non sono isolate; si inseriscono in un pattern consolidatosi negli ultimi vent’anni. Un esempio storicamente significativo è la sincitina: una proteina essenziale per la formazione della placenta nei mammiferi, codificata da un gene la cui origine è un retrovirus endogeno integrato nel genoma di un antenato mammifero circa 40 milioni di anni fa. Un «parassita» genomico, nella narrativa classica, si è rivelato indispensabile per la riproduzione placentare — il principio stesso della discriminazione tra «spazzatura» ed «essenziale» vacilla di fronte a casi come questo. Gli elementi LINE-1 (Long Interspersed Nuclear Elements) — che costituiscono circa il 17% del genoma umano — erano considerati il prototipo del DNA parassita: sequenze che si copiano all’interno del genoma sfruttando la macchina cellulare senza apparente beneficio. Oggi sappiamo che LINE-1 gioca ruoli precisi nella diversificazione genomica durante lo sviluppo neurale, producendo «mosaicismo» nei neuroni dell’ippocampo — una diversità genetica somatica essenziale per la funzione cognitiva. Gli elementi Alu (piccoli elementi ripetuti dei primati, circa l’11% del genoma umano) partecipano al controllo dell’espressione genica in reti regolatorie specifiche del cervello umano e contribuiscono alla difesa cellulare antivirale. Le sequenze satellite e ripetitive, un tempo classificate come «eterocromatina inerte», svolgono funzioni architettoniche cruciali: formazione dei centromeri (regioni dove i cromosomi si attaccano ai fusi durante la divisione cellulare), impacchettamento spaziale, silenziamento di regioni specifiche, stabilità telomerica.

Il pattern generale è che ogni categoria di sequenza un tempo etichettata come «spazzatura» ha rivelato ruoli funzionali concreti quando studiata attentamente — anche se non tutte le singole sequenze all’interno di una categoria sono necessariamente funzionali. Gli pseudogeni, persino, non sono tutti «cadaveri» come si riteneva: alcuni producono RNA con ruoli regolatori sui geni omologhi ancora attivi. Lo stesso pseudogene GULO della vitamina C — esempio classico usato contro l’ID da Miller e Coyne — è stato in anni recenti oggetto di studi che ne suggeriscono possibili ruoli residuali in regolazione, sebbene la questione resti aperta. La direzione del cambiamento empirico è costante: dove prima si vedeva archivio di errori, si trovano sempre più funzioni specifiche.


11. Il sistema operativo del genoma

Indipendentemente dalla percentuale finale di funzionalità — che il dibattito scientifico non ha ancora risolto — una cosa è chiara: il genoma non è un semplice elenco di ricette per proteine. È un sistema di elaborazione dell’informazione con più livelli gerarchici: il livello del DNA, della struttura della cromatina, degli RNA regolatori, dei fattori di trascrizione, delle reti regolatorie cellulari. Ogni livello interagisce con gli altri in modo contestuale: la stessa sequenza produce effetti diversi a seconda del tipo cellulare, del momento dello sviluppo, dello stato metabolico.

La metafora più accurata non è un libro — è un sistema operativo. Gli enhancer sono interruttori programmabili. Gli RNA non codificanti sono moduli di regolazione. I codici sovrapposti sono routine di compressione dei dati. I geni orfani sono librerie di funzioni senza precedenti. La rete di interazioni è un’architettura computazionale di una complessità che nessun sistema ingegneristico umano ha ancora avvicinato.

In coerenza con la posizione editoriale di questo sito, la conclusione che ne traiamo è una deduzione logica e filosofica basata su evidenze empiriche: un sistema informativo di questa complessità — con codici sovrapposti, regolazione multilivello, e una densità informativa che cresce con ogni nuova scoperta — ha le caratteristiche che nella nostra esperienza associamo ai prodotti dell’intelligenza, non ai prodotti di processi casuali. Questo non «prova» l’esistenza di un progettista — nessuna inferenza alla miglior spiegazione lo fa. Ma identifica nell’intelligenza la causa più adeguata per ciò che osserviamo.

Il progettista che questa inferenza postula resta un’entità non osservabile con i metodi della scienza sperimentale — un limite reale dell’ID. Ma il naturalismo che lo esclude a priori è una posizione filosofica, non una conclusione scientifica. E il fatto che la percentuale esatta di funzionalità sia ancora dibattuta non cambia la direzione dell’evidenza: sempre più complessità, sempre più informazione, sempre più sofisticazione a ogni livello di analisi


Prossimo Modulo

Nel Modulo 7I geni orfani e le discontinuità genomiche — passeremo da una domanda quantitativa a una qualitativa. Non più «quanta parte del genoma è funzionale», ma «da dove vengono le sequenze che non hanno parenti in nessun’altra specie». I geni orfani sono innovazioni senza antenati riconoscibili: vedremo quanto sono diffusi, quali modelli evoluzionisti sono stati proposti per spiegarli e perché il problema probabilistico che sollevano resta aperto.


Per approfondire


Riferimenti

Allis, C. D., e Jenuwein, T. (2001). “Translating the Histone Code.” Science, 293(5532), 1074–1080. DOI: 10.1126/science.1063127.

Axe, D. (2016). Undeniable: How Biology Confirms Our Intuition That Life Is Designed. HarperOne.

Carvunis, A.-R. et al. (2012). “Proto-Genes and De Novo Gene Birth.” Nature, 487, 370–374. DOI: 10.1038/nature11184.

Collins, F. S. (2006). The Language of God: A Scientist Presents Evidence for Belief. Free Press.

Coyne, J. A. (2009). Why Evolution Is True. Viking.

Crick, F. H. C., e Orgel, L. E. (1980). “Selfish DNA: The Ultimate Parasite.” Nature, 284, 604–607. DOI: 10.1038/284604a0.

Dawkins, R. (1976). The Selfish Gene. Oxford University Press.

Dembski, W. A. (1998). The Design Inference: Eliminating Chance through Small Probabilities. Cambridge University Press.

Dembski, W. A. (2004). The Design Revolution: Answering the Toughest Questions about Intelligent Design. InterVarsity Press.

Dixon, J. R. et al. (2012). “Topological Domains in Mammalian Genomes Identified by Analysis of Chromatin Interactions.” Nature, 485, 376–380. DOI: 10.1038/nature11082.

Doolittle, W. F. (2013). “Is Junk DNA Bunk? A Critique of ENCODE.” PNAS, 110(14), 5294–5300. DOI: 10.1073/pnas.1221376110.

Doolittle, W. F., e Sapienza, C. (1980). “Selfish Genes, the Phenotype Paradigm and Genome Evolution.” Nature, 284, 601–603. DOI: 10.1038/284601a0.

ENCODE Project Consortium (2012). “An Integrated Encyclopedia of DNA Elements in the Human Genome.” Nature, 489, 57–74. DOI: 10.1038/nature11247.

ENCODE Project Consortium (2020). “Expanded Encyclopaedias of DNA Elements in the Human and Mouse Genomes.” Nature, 583, 699–710. DOI: 10.1038/s41586-020-2493-4.

Fleischmann, R. D. et al. (1995). “Whole-Genome Random Sequencing and Assembly of Haemophilus influenzae Rd.” Science, 269(5223), 496–512.

Graur, D. et al. (2013). “On the Immortality of Television Sets: ‘Function’ in the Human Genome According to the Evolution-Free Gospel of ENCODE.” Genome Biology and Evolution, 5(3), 578–590. DOI: 10.1093/gbe/evt028.

Graur, D. (2017). “An Upper Limit on the Functional Fraction of the Human Genome.” Genome Biology and Evolution, 9(7), 1880–1885. DOI: 10.1093/gbe/evx121.

Kellis, M. et al. (2014). “Defining Functional DNA Elements in the Human Genome.” PNAS, 111(17), 6131–6138. DOI: 10.1073/pnas.1318948111.

Kitcher, P. (2007). Living with Darwin: Evolution, Design, and the Future of Faith. Oxford University Press.

Lieberman-Aiden, E. et al. (2009). “Comprehensive Mapping of Long-Range Interactions Reveals Folding Principles of the Human Genome.” Science, 326(5950), 289–293. DOI: 10.1126/science.1181369.

Mattick, J. S. (2023). “A Kuhnian Revolution in Molecular Biology.” BioEssays, 45, 2300080.

Meyer, S. C. (2009). Signature in the Cell: DNA and the Evidence for Intelligent Design. HarperOne.

Meyer, S. C. (2013). Darwin’s Doubt: The Explosive Origin of Animal Life and the Case for Intelligent Design. HarperOne.

Miller, K. R. (1999). Finding Darwin’s God: A Scientist’s Search for Common Ground between God and Evolution. Cliff Street Books.

Moore, J. E. et al. (2026). “An Expanded Registry of Candidate cis-Regulatory Elements.” Nature. DOI: 10.1038/s41586-025-09909-9.

Moran, L. A. (2023). What’s in Your Genome? 90% of Your Genome Is Junk. University of Toronto Press.

Nagel, T. (2012). Mind and Cosmos: Why the Materialist Neo-Darwinian Conception of Nature Is Almost Certainly False. Oxford University Press.

Ohno, S. (1972). “So Much ‘Junk’ DNA in Our Genome.” Brookhaven Symposia in Biology, 23, 366–370.

Rands, C. M. et al. (2014). “8.2% of the Human Genome Is Constrained: Variation in Rates of Turnover across Functional Element Classes in the Human Lineage.” PLOS Genetics, 10(7), e1004525. DOI: 10.1371/journal.pgen.1004525.

Stamatoyannopoulos, J. A. et al. (2013). “Evidence Implicating a Dual Function of the Genetic Code.” Science, 342, 1367–1372. DOI: 10.1126/science.1243490.

Wells, J. (2011). The Myth of Junk DNA. Discovery Institute Press.

Xing, K., e He, X. (2015). “Reassessing the ‘Duon’ Hypothesis of Protein Evolution.” Molecular Biology and Evolution, 32(4), 1056–1062. DOI: 10.1093/molbev/msv009.

Filosofia della scienza e Disegno Intelligente

0

Nella cultura contemporanea esiste una convinzione così diffusa: la natura si spiega da sé. L’universo, la vita, la coscienza, l’informazione genetica, le leggi della fisica — tutto sarebbe il prodotto di processi materiali ciechi, privi di scopo e di direzione. Chi sostiene questa visione la presenta come la posizione «scientifica» per eccellenza, l’unica degna di una persona razionale. Qualsiasi alternativa — in particolare l’ipotesi che dietro la natura operi un’intelligenza — viene liquidata come «fede», «superstizione» o «religione».

Ma è davvero così? In questo approfondimento mostreremo che la situazione è esattamente l’opposto di ciò che si pretende. Il naturalismo — la convinzione che la natura materiale sia tutto ciò che esiste e che sia in grado di generare se stessa da sé — non è un dato di fatto scientifico che poggia su una serie di assunzioni dimostrate. Il naturalismo chiede di credere che:

  • Qualcosa possa venire dal nulla, senza causa.
  • L’informazione possa emergere dalla materia cieca.
  • La coscienza possa nascere dall’incoscienza.
  • La razionalità possa essere il prodotto di processi irrazionali.
  • L’ordine squisito dell’universo sia un incidente fortuito.
  • Le leggi della natura si spieghino da sole.

Nessuna di queste affermazioni è stata dimostrata. Nessuna è auto-evidente. Nessuna è il risultato di un esperimento scientifico. Eppure, il naturalismo le presuppone tutte. In questo senso preciso, il naturalismo non è la posizione «scientifica» contrapposta alla «fede religiosa». È esso stesso una fede — una fede nella capacità della materia cieca di fare tutto ciò che la materia cieca non è mai stata osservata fare.

Nella cultura contemporanea, il naturalismo gode di un privilegio straordinario: è l’unica posizione filosofica che non è tenuta a giustificare se stessa. Se un credente afferma «Dio ha creato l’universo», gli si chiede: «Dimostramelo». Giustamente. Ma se un naturalista afferma «l’universo si è creato da solo» — o «l’universo è sempre esistito» — nessuno gli chiede: «Dimostramelo». L’affermazione viene accettata come la posizione «di default», quella che non richiede giustificazione. Ma perché? Perché l’autosufficienza della natura dovrebbe essere più ovvia dell’esistenza di un Creatore? Non lo è. È un’assunzione — un’assunzione enorme, con implicazioni enormi — che merita di essere esaminata con la stessa severità con cui si esamina qualsiasi altra pretesa metafisica.

Questo articolo esamina, uno per uno, gli «atti di fede» del naturalismo: le cose che il naturalismo chiede di credere senza dimostrazione. Non per attaccare la scienza — al contrario: per restituire alla scienza la libertà di seguire le prove senza vincoli filosofici predeterminati. La scienza autentica non presuppone le risposte: le cerca. E se le prove puntano verso una causa intelligente, la scienza autentica dovrebbe avere la libertà di riconoscerlo.

1. Qualcosa dal nulla

Il naturalismo chiede di credere che l’universo sia sorto dal nulla — o da se stesso — senza l’intervento di alcuna causa esterna. Questa è una delle affermazioni più straordinarie che un essere umano possa fare, e viene presentata con una disinvoltura che dovrebbe destare sospetto.

Uno dei principi più antichi e universali della filosofia, condiviso da ogni cultura e tradizione di pensiero, è l’assioma ex nihilo nihil fit: dal nulla, nulla viene. Se prima non c’era assolutamente niente — non materia, non energia, non spazio, non tempo, non leggi fisiche, non potenzialità di alcun tipo — allora non c’è nulla che possa causare l’apparizione di qualcosa. Il «nulla» non ha proprietà, non ha poteri, non ha tendenze. Non può «fluttuare», «oscillare» o «decadere», perché tutte queste sono attività che presuppongono l’esistenza di qualcosa.

Eppure, fisici come Lawrence Krauss hanno scritto interi libri sostenendo che «un universo dal nulla» sia possibile. Il titolo del celebre libro di Krauss, A Universe from Nothing, promette esattamente questo. Ma quando si legge il libro, si scopre che il «nulla» di Krauss non è affatto il nulla. È un vuoto quantistico — uno stato fisico governato da leggi quantistiche, dotato di energia, struttura matematica e potenzialità. Come hanno osservato numerosi filosofi e lo stesso fisico Alexander Vilenkin, un vuoto quantistico è qualcosa, non niente. Dire che l’universo è «sorto dal vuoto quantistico» non spiega l’origine dell’universo: sposta solo la domanda a «da dove viene il vuoto quantistico e le leggi che lo governano?».

Stephen Hawking, nel suo Il Grande Disegno, ha scritto che «poiché esiste una legge come la gravità, l’universo può crearsi dal nulla e lo farà». Ma la legge di gravità non è «il nulla». È una struttura matematica precisa, una regolarità dell’universo fisico. Dire che l’universo si crea da solo grazie alla legge di gravità è come dire che un edificio si costruisce da solo grazie alla legge della statica. La legge descrive come le cose si comportano; non spiega perché le cose esistano.

Il naturalismo, su questo punto, ha esattamente tre opzioni — e nessuna è scientificamente dimostrata:

Opzione 1: L’universo è sorto dal nulla assoluto, senza causa. Questa affermazione viola il principio di ragion sufficiente (tutto ciò che esiste ha una ragione della propria esistenza) e non è mai stata osservata accadere. Nessun esperimento ha mai mostrato qualcosa che emerge dal nulla assoluto. È un atto di fede pura.

Opzione 2: L’universo è sempre esistito, senza inizio. Ma la cosmologia moderna — dal teorema della singolarità di Hawking-Penrose-Ellis al teorema BGV di Borde-Guth-Vilenkin — indica con forza che l’universo ha avuto un inizio un tempo finito fa. Come ha ammesso Vilenkin: «Si dice che un argomento è ciò che convince le persone ragionevoli, e una dimostrazione è ciò che serve a convincere anche quelle irragionevoli. Con la dimostrazione ora in atto, i cosmologi non possono più nascondersi dietro la possibilità di un universo dal passato eterno. Non c’è via di fuga: devono affrontare il problema dell’inizio cosmico». L’eternità passata dell’universo, inoltre, solleva il problema filosofico dell’infinito attuale, che esamineremo nella prossima sezione.

Opzione 3: L’universo è il prodotto di un multiverso o di un processo ciclico. Ma questo non fa che spostare il problema: da dove viene il multiverso? Chi o cosa ha generato il meccanismo ciclico? E soprattutto: il multiverso è un’ipotesi non osservabile, non testabile e non falsificabile — esattamente ciò che il naturalismo rimprovera al teismo.

C’è un punto ancora più sottile che merita attenzione. I modelli di cosmologia quantistica — come quello di Hawking-Hartle e quello di Vilenkin — tentano di mostrare come l’universo possa «emergere» da uno stato quantistico iniziale senza una causa esterna. Ma come ha osservato Meyer, questi modelli inavvertitamente dimostrano l’esatto opposto di ciò che pretendono. Per ottenere un modello matematico che produca un universo come il nostro, i fisici devono imporre vincoli molto specifici alle equazioni: condizioni al contorno, scelte di parametri, restrizioni dei gradi di libertà matematica. Queste scelte sono fatte dall’intelligenza del fisico, non dal «nulla». Come ammette lo stesso Hawking, la funzione d’onda dell’universo «è fissata in modo univoco solo dopo che si è inserita qualche informazione extra». La fonte di questa «informazione extra» è proprio ciò che è in discussione — e in ogni caso, è un agente intelligente a fornirla.

In un’ironia che sembra sfuggire ai sostenitori di questi modelli, i cosmologi quantistici «modellano inavvertitamente la necessità di un’intelligenza progettuale di escludere alcune opzioni ed eleggerne altre — cioè di impartire informazioni — per ottenere un risultato voluto». Esattamente come i ricercatori sull’origine della vita simulano involontariamente la necessità del design quando coreografano e vincolano le reazioni chimiche nei loro esperimenti.

In ogni caso, il naturalismo non può dimostrare l’autosufficienza dell’universo. La presuppone. E questo è un atto di fede.

2. L’infinito che non esiste: perché la natura non può essere eterna

Una delle assunzioni più tenaci del naturalismo è che la materia o l’energia possano essere sempre esistite — che il tempo si estenda all’infinito nel passato, eliminando così la necessità di un inizio e quindi di una causa esterna. Ma questa assunzione si scontra con un problema filosofico e matematico fondamentale: l’infinito attuale non esiste nella realtà fisica.

Per comprendere questo punto, bisogna distinguere tra due tipi di infinito. L’infinito potenziale è un concetto perfettamente legittimo in matematica: indica una quantità che può crescere indefinitamente, senza un limite superiore fissato. Potete sempre aggiungere un numero in più, sempre fare un passo in più. L’infinito attuale (o «infinito completato») è qualcosa di radicalmente diverso: sarebbe un insieme che contiene effettivamente un numero infinito di elementi, tutti presenti simultaneamente nella realtà.

Il grande matematico David Hilbert — uno dei fondatori della matematica moderna dichiarò con chiarezza: «L’infinito non si trova da nessuna parte nella realtà. Non esiste in natura e non fornisce una base legittima per il pensiero razionale». Hilbert illustrò l’assurdità dell’infinito attuale con il suo celebre paradosso dell’Hotel di Hilbert.

Immaginate un albergo con un numero infinito di stanze, tutte occupate. Arriva un nuovo ospite. In un albergo finito, non ci sarebbe posto. Ma nell’Hotel di Hilbert, il direttore sposta ogni ospite dalla stanza n alla stanza n+1: l’ospite della stanza 1 va nella 2, quello della 2 nella 3, e così via. La stanza 1 si libera. Arrivano infiniti nuovi ospiti? Nessun problema: si sposta ogni ospite dalla stanza n alla stanza 2n, liberando tutte le stanze dispari. L’albergo era pieno, eppure può accogliere infiniti nuovi ospiti senza che nessuno se ne vada. Questo non è un paradosso matematico — la matematica dell’infinito è coerente. È un paradosso ontologico: se l’infinito attuale esistesse nella realtà fisica, produrrebbe situazioni assurde.

Ora applichiamo questo alla questione del tempo. Se il passato fosse realmente infinito — se non ci fosse stato un primo istante, e il tempo si estendesse all’indietro senza fine — allora per arrivare al momento presente avremmo dovuto attraversare un numero effettivamente infinito di istanti. Ma attraversare un infinito attuale è logicamente impossibile: non importa quanti passi facciate, non raggiungerete mai la fine di una serie infinita, perché una serie infinita non ha fine. Se il passato fosse infinito, il presente non sarebbe mai arrivato. Ma il presente è qui. Quindi il passato non può essere infinito. Quindi il tempo ha avuto un inizio.

Questo argomento — noto come argomento cosmologico Kalām, sviluppato nella sua forma moderna dal filosofo William Lane Craig — è sorprendentemente robusto. Craig lo formula in un sillogismo semplice:

  1. Tutto ciò che comincia ad esistere ha una causa.
  2. L’universo ha cominciato ad esistere.
  3. Quindi, l’universo ha una causa.

La prima premessa è supportata sia dall’esperienza universale sia dalla metafisica. La seconda è supportata sia dalla cosmologia moderna (Big Bang, teorema BGV) sia dall’impossibilità dell’infinito attuale. La conclusione segue per necessità logica. E questa causa, per aver originato lo spazio, il tempo, la materia e l’energia, deve essere qualcosa di non spaziale, non temporale, non materiale e dotato di potere causale sufficiente — in altre parole, qualcosa che assomiglia molto a ciò che la tradizione filosofica chiama «mente» o «Dio».

Il naturalismo, per evitare questa conclusione, deve negare o la prima premessa (sostenendo che qualcosa può venire dal nulla senza causa) o la seconda (sostenendo che l’universo è eterno). Entrambe le negazioni sono filosoficamente problematiche e scientificamente non supportate. Eppure il naturalismo le richiede. Questa è fede, non scienza.

Alcuni naturalisti tentano di aggirare l’argomento sostenendo che «la causalità non si applica all’universo nel suo complesso» o che «il tempo stesso è iniziato con l’universo, quindi non ha senso chiedere cosa c’era prima». Ma questa mossa è un’arma a doppio taglio. Se il tempo è iniziato con l’universo, allora l’universo ha avuto un inizio assoluto — il che è esattamente ciò che l’argomento sostiene. E quanto al principio di causalità, negarlo per salvare il naturalismo è un prezzo altissimo: significa abbandonare il principio fondamentale su cui si basa tutta la scienza. Se le cose possono iniziare a esistere senza causa, allora perché non qualsiasi cosa? Perché non un elefante in salotto, una galassia in cucina? L’abbandono della causalità dissolve non solo la teologia, ma la scienza stessa.

C’è inoltre un aspetto dell’infinito che tocca direttamente la natura fisica. In natura, non si trova mai un infinito attuale. Non esiste una temperatura infinita, una densità infinita, una velocità infinita, un’energia infinita. Ogni volta che le equazioni della fisica producono un infinito — come nella singolarità del Big Bang o nel centro di un buco nero — i fisici riconoscono che si tratta di un segnale di rottura della teoria, un’indicazione che la descrizione fisica è incompleta, non la descrizione della realtà. L’infinito è un’utile astrazione matematica, ma non è un oggetto fisico. Pretendere che il passato dell’universo sia un infinito attuale — una serie effettivamente completata di eventi infiniti — è attribuire alla realtà fisica una proprietà che la realtà fisica non esibisce mai.

3. L’informazione dalla materia cieca

Forse la sfida più acuta al naturalismo viene dalla biologia molecolare. Il DNA contiene informazione. Non informazione in senso vago o metaforico, ma informazione nel senso tecnico più rigoroso: un codice digitale a quattro lettere (A, T, C, G) che specifica con precisione la sequenza degli amminoacidi nelle proteine, esattamente come un codice informatico specifica una sequenza di istruzioni per un computer.

Qui il naturalismo deve rispondere a una domanda precisa: da dove viene questa informazione?

La nostra esperienza — l’unica base affidabile per le inferenze scientifiche — ci dice che l’informazione funzionale e specificata è sempre il prodotto di un’intelligenza. Ogni libro, ogni software, ogni progetto ingegneristico, ogni codice crittografico, ogni messaggio — tutti sono il prodotto di una mente. Non esiste un solo caso osservato in cui informazione funzionale e specificata sia emersa da un processo materiale cieco. Non uno.

I naturalisti rispondono che la chimica e la fisica possono produrre informazione attraverso processi come l’auto-organizzazione e la Selezione naturale. Ma questa risposta confonde due cose fondamentalmente diverse. I processi di auto-organizzazione — come la formazione di cristalli di ghiaccio o le strutture dissipative di Prigogine — producono ordine, non informazione. Un cristallo è altamente ordinato ma contiene pochissima informazione, esattamente come una sequenza ripetitiva (ABABABAB…) è ordinata ma priva di contenuto informativo. L’informazione richiede specificità — una sequenza non ripetitiva, non casuale, che si conforma a un modello funzionale indipendente. È la differenza tra un muro di mattoni identici (ordine) e un romanzo (informazione).

Quanto alla Selezione naturale, essa può certamente preservare e ottimizzare l’informazione biologica una volta che questa esiste. Ma non può crearla dal nulla. La Selezione naturale opera su organismi già viventi, già dotati di un sistema di replicazione, già contenenti informazione genetica. Invocarla per spiegare l’origine dell’informazione è un ragionamento circolare: la Selezione naturale presuppone ciò che dovrebbe spiegare.

Il biochimico Douglas Axe, nel suo studio del 2004 pubblicato sul Journal of Molecular Biology, ha affrontato sperimentalmente la domanda: quanto sono comuni le sequenze proteiche funzionali nello spazio delle sequenze possibili? Lavorando al Babraham Institute di Cambridge su un enzima chiamato TEM-1 beta-lattamasi, Axe ha randomizzato parzialmente diverse regioni della proteina, misurando la frequenza con cui le varianti casuali mantenevano la funzione enzimatica e il ripiegamento strutturale. I risultati hanno mostrato una tolleranza media al cambiamento di 0,38 per posizione. Estrapolando a un dominio di 150 amminoacidi: 0,38153 ≈ 1 su 1064 sequenze con la giusta «firma» idropatica mantengono il ripiegamento funzionale. Combinato con la prevalenza stimata di pattern idropatici plausibili (circa 1 su 1013), la proporzione totale di sequenze che svolgono una specifica funzione enzimatica è stata stimata in circa 1 su 1077.

Per dare un’idea concreta di questo numero: una proteina tipica di 300 amminoacidi può essere assemblata dai 20 amminoacidi naturali in 20300 ≈ 10390 sequenze possibili — un numero che supera il numero di atomi nell’universo osservabile (circa 1080) di oltre 300 ordini di grandezza. Se ogni atomo dell’universo fosse un esperimento chimico indipendente, e ogni esperimento producesse una nuova sequenza amminoacidica ogni secondo dall’inizio dell’universo fino ad oggi, il numero totale di esperimenti sarebbe ancora enormemente insufficiente per esplorare anche solo una frazione infinitesimale di questo spazio. Le sequenze funzionali sono isole microscopiche in un oceano sterminato di sequenze non funzionali.

Il naturalismo chiede di credere che questo problema sia stato risolto — miliardi di volte, per migliaia di proteine diverse — da processi chimici ciechi. Ma non è mai stato dimostrato come. Non esiste un meccanismo noto, osservato o simulato che produca informazione specificata di tipo biologico senza l’intervento di un’intelligenza. Questa è fede nella materia, non scienza della materia.

Un’analogia può aiutare a comprendere la portata del problema. Immaginate una biblioteca che contiene milioni di volumi, tutti scritti in un linguaggio preciso, tutti con contenuti funzionali, tutti organizzati secondo un catalogo sofisticato. Ora immaginate che qualcuno vi dica: «Questa biblioteca non è stata scritta da nessuno. Le lettere si sono disposte casualmente sulle pagine, i libri si sono rilegati da soli, e il catalogo è emerso spontaneamente dall’interazione casuale tra la carta e l’inchiostro». Lo considerereste assurdo. Eppure, questa è esattamente la pretesa del naturalismo riguardo alla «biblioteca» del DNA — con la differenza che il DNA è incomparabilmente più complesso, più miniaturizzato e più funzionale di qualsiasi biblioteca umana.

Il genoma umano contiene circa tre miliardi di paia di basi, organizzate in sequenze che codificano informazione a diversi livelli simultanei: geni che codificano proteine, sequenze regolatrici che controllano quando e dove i geni si attivano, codici sovrapposti in cui la stessa sequenza di DNA contiene informazioni diverse a seconda del frame di lettura. È come se un libro contenesse tre romanzi diversi scritti contemporaneamente nello stesso testo, leggibili a seconda di dove si inizia a leggere. Nessun processo naturale noto è in grado di produrre una complessità informativa di questo tipo.

Ma c’è un dato ancora più stupefacente. Il genoma umano contiene circa 20.000 geni codificanti per proteine. Se il rapporto fosse lineare — un gene, una proteina — il nostro proteoma sarebbe di 20.000 proteine. Invece, questi 20.000 geni producono oltre 100.000 proteine distinte, secondo i dati più recenti del catalogo GENCODE (versione 49, 2025), che annota 211.446 trascritti codificanti per proteine corrispondenti a 129.801 traduzioni proteiche distinte — circa 6,5 proteine diverse per gene. Come è possibile?

La risposta si chiama splicing alternativo. Quando un gene viene trascritto in una molecola di pre-mRNA, i suoi segmenti codificanti (esoni) sono intervallati da segmenti non codificanti (introni) che devono essere rimossi. Ma il sistema cellulare non rimuove sempre gli stessi introni e non unisce sempre gli stessi esoni. Può saltare alcuni esoni, usare siti di splicing alternativi, trattenere certi introni, o selezionare esoni mutuamente esclusivi. Il risultato è che dallo stesso gene si possono ottenere decine, centinaia, persino migliaia di proteine diverse. Il gene Dscam della Drosophila, per fare un esempio estremo, produce fino a 38.016 varianti proteiche distinte attraverso la Selezione di esoni mutuamente esclusivi. Studi di Wang et al. (Nature, 2008) e Pan et al. (Nature Genetics, 2008) hanno dimostrato che oltre il 95% dei geni umani multi-esone subisce splicing alternativo.

La macchina molecolare che esegue lo splicing — lo spliceosoma — è una delle strutture più complesse della biologia. È composta da cinque particelle ribonucleoproteiche (snRNP: U1, U2, U4, U5, U6) e recluta circa 170 proteine distinte durante il suo ciclo catalitico. Il complesso assemblato raggiunge una massa di 3-4,8 megadalton — comparabile a quella del ribosoma. A differenza della maggior parte delle macchine molecolari, lo spliceosoma si assembla da zero su ogni singolo introne attraverso una sequenza coreografata di almeno nove complessi intermedi (E → A → pre-B → B → Bact → B* → C → C* → P → ILS), ciascuno dei quali richiede il reclutamento e l’espulsione di proteine specifiche. Oltre alle 170 proteine del nucleo, operano più di 300 proteine regolatrici dello splicing — tra cui 12 proteine SR canoniche e oltre 20 proteine hnRNP — le cui concentrazioni relative determinano i pattern di splicing specifici di ciascun tessuto.

Questi dati hanno un’implicazione devastante per la narrativa del «DNA spazzatura». Le sequenze introniche — che costituiscono circa il 25% del genoma e che il paradigma neodarwiniano aveva liquidato come spazzatura inutile — contengono elementi regolativi critici per lo splicing (siti di ramificazione, tratti di polipirimidina, enhancer e silencer dello splicing) senza i quali lo spliceosoma non può funzionare. L’informazione del genoma si estende ben oltre i suoi esoni codificanti.

La complessità si moltiplica ulteriormente se si considera il codice genetico stesso. Dei 64 possibili codoni (triplette di nucleotidi), 61 codificano amminoacidi e 3 fungono da segnali di stop. Il codice è degenerato: leucina, serina e arginina usano ciascuna 6 codoni diversi, mentre metionina e triptofano ne usano uno solo. Ma questa «degenerazione» non è casuale. Studi di Freeland e Hurst (Journal of Molecular Evolution, 1998) hanno dimostrato che il codice genetico standard supera il 99,99% dei codici casuali possibili nel minimizzare l’impatto degli errori di traduzione. Itzkovitz e Alon (Genome Research, 2007) hanno inoltre mostrato che il codice è quasi ottimale anche per incorporare informazione regolatrice sovrapposta all’interno delle sequenze codificanti. Un codice ottimizzato simultaneamente per due funzioni indipendenti — resistenza agli errori e capacità di contenere informazioni multiple — è esattamente ciò che ci si aspetterebbe da un progetto, e non ciò che ci si aspetterebbe dal caso.

I tentativi di dimostrare l’origine naturale della vita — dagli esperimenti di Miller-Urey del 1953 ai modelli del «mondo a RNA» — hanno tutti fallito nell’affrontare il problema centrale: la produzione di informazione funzionale. Miller produsse alcuni amminoacidi in condizioni che si sono poi rivelate non rappresentative dell’atmosfera terrestre primitiva. Ma anche accettando la produzione di amminoacidi, il salto dagli amminoacidi a una proteina funzionale è paragonabile al salto dalle lettere dell’alfabeto a un romanzo: la sequenza precisa è tutto, e la chimica non ha alcun meccanismo per selezionarla. I modelli del mondo a RNA presuppongono molecole di RNA capaci di auto-replicarsi, ma non spiegano come queste molecole estremamente specifiche possano essere emerse dalla chimica prebiotica. Dopo settant’anni di ricerca intensiva e miliardi di dollari investiti, il problema dell’origine della vita non si è avvicinato a una soluzione naturalistica. Si è allontanato.

4. La coscienza dalla materia incosciente

Il naturalismo afferma che la coscienza — l’esperienza soggettiva, il «sentire» qualcosa, il fatto che ci sia «qualcosa che è come essere» un essere umano — è il prodotto di processi cerebrali puramente fisici. I neuroni sparano, le sinapsi si connettono, e da questo intreccio di impulsi elettrici e reazioni chimiche emerge, in qualche modo, l’esperienza soggettiva del colore rosso, del dolore, della gioia, del pensiero matematico.

Il filosofo David Chalmers ha chiamato questo il «problema difficile della coscienza» (hard problem of consciousness). Il «problema facile» è spiegare come il cervello elabora informazione, controlla il comportamento, discrimina gli stimoli — tutte cose che in linea di principio possono essere descritte in termini di circuiti neurali e processi computazionali. Il «problema difficile» è spiegare perché e come tutto questo processamento sia accompagnato da esperienza soggettiva. Perché non siamo semplicemente dei robot sofisticati che elaborano informazione «al buio», senza provare nulla?

Il punto cruciale è che nessuna descrizione fisica, per quanto completa e dettagliata, sembra in grado di spiegare perché esista l’esperienza soggettiva. Si possono descrivere perfettamente tutti gli stati cerebrali associati alla percezione del colore rosso — le lunghezze d’onda della luce, l’attivazione dei coni retinici, i potenziali d’azione nella corteccia visiva. Ma nulla in questa descrizione spiega perché vediamo il rosso. Perché quell’esperienza qualitativa, soggettiva, irriducibile?

Il filosofo ateo Thomas Nagel ha riconosciuto con onestà che «il materialismo è strutturalmente inadeguato a spiegare l’origine della coscienza». Nel suo libro Mente e Cosmo, Nagel argomenta che la coscienza non può essere un sottoprodotto accidentale dell’evoluzione materiale, perché non esiste alcun ponte logico che conduca dalla materia incosciente alla coscienza. Non è che non abbiamo ancora trovato il ponte: è che la struttura stessa del materialismo rende il ponte impossibile. I processi fisici sono descritti in terza persona (masse, cariche, velocità); la coscienza è un fenomeno in prima persona (io sento, io vedo, io penso). Non esiste un modo noto per derivare la prima persona dalla terza.

Il naturalismo, di fronte a questo problema, fa una promessa: «un giorno la scienza spiegherà la coscienza in termini puramente materiali». Ma questa promessa non è diversa da una promessa religiosa di redenzione futura. Non è basata su un meccanismo noto, su un esperimento, su un modello funzionante. È basata sulla fiducia che il materialismo sarà sufficiente — una fiducia che, dopo decenni di neuroscienze, non si è avvicinata nemmeno di un passo alla soluzione del problema difficile.

Per rendere ancora più chiaro il problema, Chalmers ha proposto il celebre «argomento degli zombie». Immaginate un essere fisicamente identico a voi in ogni dettaglio — stesso cervello, stessi neuroni, stesse connessioni sinaptiche, stesso comportamento esterno — ma completamente privo di esperienza soggettiva interiore. Questo «zombie filosofico» è concepibile senza contraddizione: nulla nella descrizione fisica di un cervello implica logicamente la coscienza. Ma se è concepibile un essere fisicamente identico a noi che non sia cosciente, allora la coscienza non è una proprietà fisica — è qualcosa di aggiuntivo rispetto alla fisica. E questo è esattamente ciò che il naturalismo nega.

Alcuni naturalisti rispondono invocando «proprietà emergenti»: la coscienza «emerge» dalla complessità del cervello, come l’umidità «emerge» dalle molecole d’acqua. Ma questa analogia è fuorviante. L’umidità è interamente spiegabile in termini delle proprietà fisiche delle molecole d’acqua — non c’è nulla di misterioso. La coscienza, invece, non è spiegabile in termini delle proprietà fisiche dei neuroni — c’è un salto qualitativo incolmabile tra la descrizione di impulsi elettrici e l’esperienza del colore rosso. Dire che la coscienza «emerge» dalla complessità è semplicemente dare un nome al mistero, non risolverlo. È come dire: «la vita emerge dalla chimica» senza spiegare come la chimica produca qualcosa di vivo.

Il problema della coscienza rivela una verità scomoda per il naturalismo: la realtà contiene almeno un fenomeno — l’esperienza soggettiva — che non si lascia ridurre a materia ed energia. Se il naturalismo è la tesi che «tutto è materia», allora la coscienza è una confutazione vivente del naturalismo. E accettare la coscienza come un dato di fatto irriducibile è, per il naturalista, un altro atto di fede: la fede che un giorno, in qualche modo, questa irriducibilità si rivelerà illusoria.

5. La razionalità dall’irrazionalità

Il naturalismo ha un problema che va ben oltre la biologia e la cosmologia. Ha un problema con se stesso.

Se il naturalismo è vero — se tutto ciò che esiste è materia ed energia governate da leggi fisiche cieche — allora anche il cervello umano è interamente il prodotto di queste leggi. I nostri pensieri, le nostre inferenze logiche, le nostre teorie scientifiche non sono il risultato di un’attività razionale libera, ma la conseguenza inevitabile di processi neurochimici determinati dalle leggi della fisica. In questo quadro, il pensiero umano non è diverso dalla caduta di una pietra o dall’esplosione di una supernova: è semplicemente ciò che la materia fa quando è organizzata nella configurazione specifica di un cervello umano.

Ma se questo è vero, perché dovremmo fidarci delle conclusioni del nostro cervello? Le conclusioni di un processo puramente materiale non sono «vere» o «false» — sono semplicemente ciò che accade. Una pietra non cade «correttamente» o «erroneamente»: cade e basta. Se il pensiero umano è dello stesso tipo, allora nessuna teoria scientifica è «vera» in senso proprio: è semplicemente ciò che certi cervelli producono sotto certe condizioni.

Il filosofo Alvin Plantinga ha formalizzato questa obiezione nel suo celebre Argomento Evoluzionario contro il Naturalismo. Se le nostre facoltà cognitive sono il prodotto dell’evoluzione darwiniana in un quadro naturalista, allora si sono evolute per promuovere la sopravvivenza, non per scoprire la verità. La Selezione naturale premia i comportamenti adattivi, non le credenze vere. Un organismo che fugge da un predatore sopravvive indipendentemente dal fatto che la sua credenza sul predatore sia accurata — basta che il comportamento risultante sia adattivo. Una scimmia che crede che il leopardo sia un dio arrabbiato e fugge per paura divina sopravvive esattamente come una scimmia che crede, correttamente, che il leopardo sia un predatore pericoloso.

Plantinga conclude che, dato il naturalismo evoluzionistico, la probabilità che le nostre facoltà cognitive siano affidabili è bassa o indeterminata. Ma se non possiamo fidarci delle nostre facoltà cognitive, non possiamo fidarci di nessuna delle credenze che esse producono — compresa la credenza nel naturalismo. Il naturalismo si autodistrugge: se è vero, non abbiamo ragione di credere che sia vero.

C.S. Lewis aveva intuito lo stesso problema decenni prima di Plantinga: «Se la mente è interamente dipendente dal cervello, e il cervello dalla biochimica, e la biochimica dalle forze fisiche, non vedo alcuna ragione per credere che la nostra conoscenza sia tale. Sarebbe come rovesciare una brocca di latte e sperare che il modo in cui si versa ci dia una mappa di Londra».

Anche Charles Darwin espresse questo dubbio inquietante in una lettera: «Con me sorge sempre l’orribile dubbio se le convinzioni della mente dell’uomo, che si è sviluppata dalla mente di animali inferiori, abbiano un qualche valore o siano degne di fiducia. Si crederebbe forse alle convinzioni della mente di una scimmia, se ci fossero convinzioni in una tale mente?».

Il teismo non ha questo problema. Se l’universo è il prodotto di una Mente razionale, e se gli esseri umani sono creati a immagine di quella Mente, allora la nostra capacità di ragionare — e di fare scienza — ha un fondamento. La razionalità della mente umana riflette la razionalità della Mente creatrice, e l’intelligibilità dell’universo riflette il fatto che è stato progettato per essere compreso. Come ha sintetizzato Melissa Cain Travis nella sua «Tesi del Creatore»: la scienza rivela una Mente trascendente, e la Mente trascendente rende possibile la scienza.

Questo argomento ha una dimensione che pochi notano. Il premio Nobel Eugene Wigner scrisse un celebre saggio intitolato «L’irragionevole efficacia della matematica nelle scienze naturali». Il mistero che Wigner identificava era questo: perché la matematica — un prodotto apparente della mente umana — descrive con tanta precisione il comportamento dell’universo fisico? Perché le equazioni differenziali, le simmetrie dei gruppi, il calcolo tensoriale — tutti costrutti mentali — si applicano con esattezza stupefacente alla struttura della materia e dell’energia?

Sotto il teismo, la risposta è elegante: perché la stessa Mente ha progettato sia le leggi dell’universo sia la mente umana, secondo una struttura razionale comune. La «parentela» tra la mente e il cosmo riflette la parentela tra la creatura e il Creatore. Sotto il naturalismo, il mistero di Wigner resta totalmente inspiegabile. Perché un processo cieco orientato alla sopravvivenza nelle savane africane avrebbe prodotto una mente capace di comprendere la meccanica quantistica, la relatività generale e le strutture matematiche dei buchi neri? Queste capacità non conferiscono alcun vantaggio evolutivo — nessun cacciatore-raccoglitore è sopravvissuto grazie alla sua conoscenza degli spazi di Hilbert. L’enorme eccedenza delle capacità cognitive umane rispetto a qualsiasi necessità evolutiva è, sotto il naturalismo, un enigma inspiegabile. Sotto il teismo, è esattamente ciò che ci si aspetterebbe.

Il naturalismo, in definitiva, non è in grado di giustificare la propria pretesa di verità. È una fede che mina le basi della ragione su cui pretende di fondarsi.

6. L’ordine dal caos

L’universo esibisce un ordine matematico di precisione stupefacente. Le costanti fondamentali della fisica — la costante gravitazionale, la costante cosmologica, la forza nucleare forte, la forza nucleare debole, la massa dell’elettrone, la massa del protone, e decine di altre — sono calibrate con una precisione che sfida qualsiasi calcolo probabilistico.

Consideriamo solo alcuni esempi. La costante cosmologica, che determina il tasso di espansione dell’universo, è calibrata con una precisione di una parte su 10120. Se fosse anche impercettibilmente più grande, l’universo si sarebbe espanso troppo rapidamente perché si formassero galassie e stelle. Se fosse impercettibilmente più piccola, l’universo sarebbe collassato su se stesso. La forza nucleare forte, che tiene insieme i nuclei atomici, è calibrata in modo tale che una variazione del 2% renderebbe impossibile la formazione degli atomi di carbonio — l’elemento base della chimica della vita. Il fisico Roger Penrose ha calcolato che la probabilità che le condizioni iniziali dell’universo si trovassero nello stato specifico necessario alla vita è di una su 1010123 — un numero con più zeri di quante siano le particelle nell’universo osservabile.

Di fronte a questi numeri, il naturalismo ha solo due risposte, ed entrambe sono atti di fede.

La prima risposta: pura fortuna. Siamo semplicemente fortunati. L’universo avrebbe potuto avere costanti qualsiasi, e per caso ha quelle giuste per la vita. Ma «per caso» non è una spiegazione — è un’ammissione che non c’è spiegazione. E la probabilità che invoca è così piccola da essere funzionalmente equivalente a zero. Nessuno scienziato accetterebbe una «spiegazione» del genere in qualsiasi altro contesto. Se trovaste un mazzo di carte perfettamente ordinato dopo un mescolamento casuale, non direste «che fortuna» — sospettereste una causa intelligente.

La seconda risposta: il multiverso. Esistono miliardi di miliardi di universi con costanti diverse, e noi ci troviamo semplicemente in quello che ha le costanti giuste. Ma il multiverso non è una teoria scientifica — è un’ipotesi metafisica. Non è osservabile, non è testabile, non è falsificabile. È stato concepito esplicitamente per evitare la conclusione di un design. Come ha osservato Meyer, i naturalisti preferiscono postulare un numero infinito di universi non osservabili piuttosto che ammettere una singola causa intelligente il cui potere causale è ampiamente documentato. Questo non è il Rasoio di Occam: è l’esatto contrario. È la moltiplicazione sfrenata di entità non osservate per salvare un presupposto filosofico.

E c’è un problema ancora più profondo con il multiverso: anche se esistesse, avrebbe bisogno di un meccanismo per generare universi con costanti diverse. Questo meccanismo — qualunque esso sia — dovrebbe a sua volta essere finemente calibrato per produrre almeno un universo abitabile. Il problema della calibrazione non viene risolto: viene semplicemente spostato di un livello.

Alcuni naturalisti tentano di aggirare il fine-tuning con il principio antropico debole: «Osserviamo un universo finemente calibrato perché, se non fosse calibrato, non saremmo qui ad osservarlo». Ma questo ragionamento, pur essendo logicamente corretto, non spiega nulla. Come ha osservato il filosofo John Leslie con una celebre analogia: immaginate di essere condannati a morte davanti a un plotone di esecuzione composto da 50 tiratori scelti. Sparano tutti. E vi mancano tutti. Siete vivi. Certo, per osservare di essere vivi, dovete essere vivi — in questo senso, la vostra sopravvivenza è una «condizione necessaria per l’osservazione». Ma sarebbe profondamente irrazionale fermarsi a questa constatazione e non chiedersi: come è possibile che 50 tiratori scelti mi abbiano mancato? La «condizione necessaria per l’osservazione» non elimina la necessità di una spiegazione. Allo stesso modo, il fatto che possiamo osservare il fine-tuning solo in un universo finemente calibrato non spiega perché l’universo sia finemente calibrato.

Richard Dawkins ha dichiarato che l’universo ha «esattamente le proprietà che ci aspetteremmo se non ci fosse alcuno scopo, alcun disegno, nient’altro che una cieca, spietata indifferenza». Ma come ha mostrato Meyer, questa affermazione è esattamente l’opposto della verità. Un universo prodotto dalla «cieca, spietata indifferenza» non dovrebbe esibire una calibrazione di una parte su 10120. Non dovrebbe contenere costanti fisiche che sembrano scelte con precisione chirurgica per permettere la vita. Non dovrebbe essere governato da leggi matematiche di eleganza squisita. L’indifferenza cieca produce caos, non ordine cosmico. L’ordine cosmico è ciò che ci si aspetta da un progetto.

Il fine-tuning cosmico è esattamente ciò che ci si aspetterebbe se l’universo fosse il prodotto di un’intelligenza. E non è ciò che ci si aspetterebbe se l’universo fosse il prodotto del caso cieco. Il naturalismo non ha una spiegazione per il fine-tuning. Ha solo la fede che una spiegazione naturalistica esista — da qualche parte, in qualche modo, forse in un multiverso che nessuno può vedere.

7. Le leggi che si spiegano da sole

C’è un problema ancora più fondamentale, che il naturalismo tende a ignorare sistematicamente: da dove vengono le leggi della natura?

Le leggi della fisica — la gravitazione universale, l’elettromagnetismo, la meccanica quantistica, la termodinamica — sono descrizioni matematiche del comportamento della materia e dell’energia. Sono straordinariamente precise, universali, eleganti. Ma il naturalismo non può spiegare perché esistano. Le leggi della natura non sono materia. Non sono energia. Non sono nello spazio e nel tempo — sono ciò che governa lo spazio, il tempo, la materia e l’energia. Le leggi sono informazione: specificano come l’universo si deve comportare.

Il naturalismo presuppone le leggi della natura come un dato di fatto primitivo: «le leggi esistono, e basta». Ma questo non è una spiegazione — è una rinuncia a spiegare. E solleva una domanda che il naturalismo non può eludere: se tutto deve avere una causa naturale, qual è la causa naturale delle leggi della natura stesse? Le leggi non possono causare se stesse, perché dovrebbero già esistere per poter agire causalmente. Non possono emergere dalla materia, perché la materia si comporta in conformità alle leggi — il che presuppone che le leggi esistano prima della materia (o almeno indipendentemente da essa).

Il fisico Paul Davies — non un teorico dell’ID, ma un pensatore laico di grande prestigio — ha espresso il problema con chiarezza: «Come sono nate le leggi della natura? E perché hanno la forma matematica che hanno? Quando i fisici danno le leggi della natura come scontate, o invocano una legge come spiegazione di un fenomeno, stanno assumendo — è una fede, se volete — che queste leggi hanno un’esistenza oggettiva al di là del mondo fisico».

Il punto di Davies è fondamentale: le leggi della natura hanno una struttura matematica. Non sono vaghe tendenze o approssimazioni grossolane. Sono equazioni precise, simmetrie esatte, relazioni quantitative di eleganza straordinaria. L’equazione di Dirac, che descrive il comportamento dell’elettrone, è talmente bella nella sua semplicità matematica che lo stesso Dirac dichiarò: «Una legge fisica deve possedere bellezza matematica». Ma la bellezza matematica non è una proprietà della materia — è una proprietà della mente. Il fatto che l’universo sia descritto da matematica bellissima è un indizio che punta verso una Mente che ha scelto queste leggi — non verso un processo cieco che le ha prodotte casualmente.

C’è anche un problema logico più profondo. Le leggi della natura descrivono come la materia e l’energia si comportano. Ma non spiegano perché la materia e l’energia esistono. Le leggi di Newton descrivono come i corpi si attraggono gravitazionalmente, ma non spiegano perché esiste la gravità. Le equazioni di Maxwell descrivono come si comportano i campi elettromagnetici, ma non spiegano perché esistono campi elettromagnetici. In ogni caso, le leggi presuppongono l’esistenza di qualcosa a cui applicarsi. Sono istruzioni per un gioco — ma non spiegano perché il gioco esiste né chi ne ha scritto le regole.

Il teismo offre una risposta coerente: le leggi della natura sono il prodotto di una Mente che ha progettato l’universo con un ordine razionale. Questa era esattamente la convinzione dei fondatori della scienza moderna. Per Keplero, scoprire le leggi della natura significava «pensare i pensieri di Dio dopo di Lui». Per Newton, le leggi attestavano l’esistenza di «un Essere intelligente e potente». L’idea stessa di «leggi della natura» è nata storicamente dal concetto teologico di un Dio legislatore che impone regolarità al creato.

Il naturalismo, al contrario, non ha spiegazione per le leggi della natura. Le accetta come un fatto bruto, primordiale, inspiegabile. Il che, di nuovo, è un atto di fede — fede che l’inspiegabile non abbia bisogno di spiegazione.

8. Le macchine molecolari senza progettista

C’è un aspetto della biologia molecolare che rende il problema dell’informazione ancora più acuto: la cellula vivente non è semplicemente un deposito di informazione. È una fabbrica — una fabbrica che contiene migliaia di macchine molecolari di una sofisticatezza ingegneristica che supera qualsiasi prodotto della tecnologia umana.

Il flagello batterico è forse l’esempio più famoso: un motore rotativo composto da circa 40 proteine diverse, assemblate in una struttura che include un rotore, uno statore, un albero motore, un giunto cardanico e un’elica. Questo motore ruota a circa 100.000 giri al minuto e può invertire la direzione in un quarto di giro. Ha un’efficienza energetica prossima al 100% — un obiettivo che nessun motore umano si è mai avvicinato a raggiungere. È un sistema a complessità irriducibile: se si rimuove una sola delle proteine essenziali, il motore cessa completamente di funzionare. Non rallenta, non funziona parzialmente: si ferma.

L’ATP sintasi è un altro motore rotativo, ancora più piccolo e ancora più sofisticato, composto da almeno 22 subunità (~500 kDa). Produce ATP — la molecola che fornisce energia a praticamente ogni processo cellulare — ruotando come una turbina alimentata dal flusso di protoni attraverso la membrana cellulare, a una velocità di circa 350 rivoluzioni al secondo con un’efficienza termodinamica prossima al 100%. La cellula umana produce e consuma circa 40 kg di ATP al giorno attraverso miliardi di queste turbine microscopiche.

Il ribosoma — composto da 4 molecole di RNA ribosomiale e circa 80 proteine negli eucarioti, per un peso molecolare di 4,3 megadalton — è una macchina di traduzione: legge le istruzioni codificate nel RNA messaggero e assembla le proteine corrispondenti, amminoacido per amminoacido, con una velocità di circa 20 amminoacidi al secondo. Una cellula eucariota in divisione attiva mantiene fino a 10 milioni di ribosomi, la cui biogenesi richiede oltre 200 fattori di assemblaggio.

Tre livelli di correzione degli errori. Ma forse l’aspetto più stupefacente è il sistema con cui la cellula copia il proprio DNA. La DNA polimerasi non si limita a copiare: opera un sistema di controllo qualità a tre strati che raggiunge una precisione finale di circa un errore ogni miliardo di nucleotidi.

Il primo livello è la selettività della polimerasi stessa, che discrimina il nucleotide corretto attraverso la geometria e l’energia del sito attivo — con un tasso di errore intrinseco di circa 1 su 104-105. Il secondo livello è la correzione di bozze (proofreading): quando viene incorporato un nucleotide sbagliato, la distorsione geometrica all’estremità del filamento neosintetizzato fa sì che il tratto errato venga trasferito dal sito catalitico a un dominio esonucleasico 3’→5′ separato, dove il nucleotide sbagliato viene tagliato e rimosso. Questo migliora la fedeltà di 100-1.000 volte. Il terzo livello è il sistema di riparazione dei mismatch (MMR): gli errori che sfuggono alla correzione di bozze vengono intercettati da proteine che pattugliano il DNA appena replicato — il complesso MutSα (MSH2/MSH6) negli esseri umani — che rileva le distorsioni create dall’appaiamento errato, recluta altre proteine (MutLα, MLH1/PMS2), taglia il filamento neosintetizzato, rimuove la sezione errata e la risintetizza. Questo aggiunge un ulteriore fattore 100-1.000 di correzione.

Complessivamente, il genoma umano viene difeso da almeno 11 vie di riparazione del DNA che coinvolgono oltre 150 prodotti genici distinti. E ne ha bisogno disperatamente: il DNA di ogni cellula subisce tra 10.000 e 100.000 lesioni molecolari al giorno da fonti endogene — depurinazione spontanea (~5.000-10.000), danno ossidativo (~10.000-100.000), deaminazione della citosina (~100-500), rotture a singolo filamento (~10.000). Senza il sistema di riparazione, il genoma si disintegrerebbe nel giro di ore. Ma ecco il paradosso cruciale: il sistema di riparazione del DNA è composto da proteine codificate dallo stesso DNA che deve proteggere. Chi è venuto prima: il DNA o le proteine che lo riparano? Questo è il problema dell’uovo e della gallina della biologia molecolare, e il naturalismo non ha risposta.

La membrana cellulare: un mistero senza soluzione. Un’altra struttura fondamentale della vita la cui origine rimane completamente inspiegata è la membrana cellulare. Una membrana cellulare tipica non è una semplice bolla di grasso. Il genoma umano codifica 6.718 proteine transmembrana ad alfa-elica, che rappresentano circa il 27% dell’intero proteoma umano. La membrana plasmatica di una singola cellula contiene oltre 10.000 specie diverse di proteine e lipidi, e circa un miliardo di molecole lipidiche organizzate in un doppio strato asimmetrico la cui composizione interna ed esterna è mantenuta attivamente da processi enzimatici. Solo l’infrastruttura di trasporto — i canali e le pompe che controllano cosa entra e cosa esce dalla cellula — comprende 458 proteine trasportatrici di soluti (SLC), 49 trasportatori ABC e oltre 400 geni di canali ionici.

L’origine di una struttura di questa complessità dalla chimica prebiotica è considerata uno dei problemi più difficili della biologia. Sebbene semplici vescicole di acidi grassi possano auto-assemblarsi in condizioni di pH molto specifiche (7-9), queste vescicole sono destabilizzate dai cationi bivalenti come Mg²⁺ e Ca²⁺ — ioni essenziali per virtualmente tutta la biochimica. Mancano di permeabilità selettiva, di macchinari per l’inserimento delle proteine, e di distribuzione lipidica asimmetrica. Tour ha documentato un ulteriore livello di complessità: gli esperimenti sulle protocellule utilizzano un solo tipo di lipide semplificato, mentre una cellula vivente reale contiene 40.000 tipi diversi di lipidi sofisticati. I monoacil-lipidi semplificati usati negli esperimenti destabilizzano inevitabilmente il sistema biologico — «non puoi usarli, non funzionano», nota Tour. Ogni organello subcellulare (nucleo, mitocondri) ha la propria composizione lipidica unica. E senza i canali proteici ionoforici che controllano la concentrazione ionica, la cellula esplode letteralmente: «Non appena la concentrazione ionica diminuisce anche leggermente, la cellula si gonfia e scoppia». Il problema è circolare: le membrane sono necessarie per compartimentalizzare le reazioni metaboliche, ma il metabolismo complesso è necessario per sintetizzare i fosfolipidi delle membrane. Le proteine di trasporto sono necessarie per la selettività della membrana, ma la sintesi proteica richiede ribosomi che operano all’interno di un compartimento delimitato da una membrana.

C’è poi un argomento che i naturalisti tendono a ignorare sistematicamente: la seconda legge della termodinamica. Nella nostra esperienza quotidiana, anche con input intelligenti e manutenzione costante e amorevole, le cose non migliorano nel tempo. Peggiorano. L’entropia aumenta. Gli edifici si deteriorano, le auto si corrodono, le informazioni si degradano. Eppure il naturalismo chiede di credere che, senza alcun input intelligente e senza alcuna manutenzione, processi ciechi e casuali abbiano prodotto un aumento continuo e spettacolare di complessità e organizzazione — dalla materia inerte ai batteri, dai batteri alle balene, dalla chimica alla coscienza. Questo non è ciò che la termodinamica ci insegna. È il contrario.

Il genoma tridimensionale. C’è un ulteriore livello di complessità informativa che è stato scoperto solo nell’ultimo decennio: l’organizzazione tridimensionale del genoma. I 6 miliardi di paia di basi del genoma umano — che si estenderebbero per circa 2 metri se stesi in linea — sono compressi in un nucleo di appena 5-10 micrometri di diametro. Ma non si tratta di un impacchettamento casuale. Il genoma si organizza in circa 2.200 domini topologicamente associati (TAD), strutture in cui le sequenze all’interno di un dominio interagiscono tra loro molto più frequentemente che con sequenze esterne.

Questa architettura ha una funzione precisa: permette a regioni regolatrici del DNA — chiamate enhancer — di controllare geni che si trovano a distanze enormi sulla sequenza lineare. ENCODE Phase III (2020) ha identificato 926.535 elementi regolatori candidati nel genoma umano. Questi enhancer superano enormemente il numero dei geni: si contano fino a 50.000 enhancer attivi per tipo cellulare. Alcuni operano a distanze straordinarie: l’enhancer ZRS del gene Sonic Hedgehog, ad esempio, controlla l’espressione del gene da una distanza di circa un milione di paia di basi.

Come è possibile che un enhancer situato a un milione di basi di distanza possa attivare un gene specifico? La risposta è un meccanismo chiamato estrusione dei loop: il complesso proteico coesina (formato dalle subunità SMC1, SMC3, RAD21 e SA) si carica sulla cromatina e spinge attivamente un’ansa di DNA a una velocità di circa 1 kilobase al secondo, consumando ATP, finché non incontra una proteina CTCF legata in orientamento convergente, che funge da barriera direzionale. Il genoma umano contiene circa 55.000 siti di legame per CTCF. Grazie a questo meccanismo, l’enhancer e il gene vengono fisicamente avvicinati nello spazio tridimensionale, permettendo la formazione di un complesso trascrizionale. Quando i confini dei TAD vengono perturbati — ad esempio da mutazioni che eliminano i siti CTCF — si formano contatti enhancer-promotore ectopici che causano malformazioni dello sviluppo e tumori. L’architettura tridimensionale del genoma è essa stessa un livello di informazione che nessun processo cieco ha mai dimostrato di poter generare.

Il problema del ripiegamento delle proteine. Ma la complessità non finisce con la produzione della proteina. Una volta che la catena di amminoacidi è stata assemblata dal ribosoma, deve ripiegarsi in una struttura tridimensionale precisa per poter funzionare. Una proteina di 100 amminoacidi può assumere circa 3100 ≈ 5 × 1047 conformazioni possibili. Se la proteina campionasse casualmente una conformazione ogni picosecondo, ci vorrebbero circa 1010 anni — più dell’età dell’universo — per trovare quella corretta. Eppure le proteine si ripiegano in millisecondi o secondi. Questo è il paradosso di Levinthal, formulato nel 1969: come fa una proteina a trovare la sua conformazione corretta in un tempo così breve?

La risposta parziale sta nei «paesaggi energetici a imbuto»: piccole preferenze termodinamiche guidano il ripiegamento lungo percorsi preferenziali. Ma per molte proteine questo non basta. E la situazione è ancora più complessa di quanto si pensasse fino a pochi anni fa. Alcune proteine — chiamate proteine metamorfiche o fold-switching proteins — possono adottare due o più ripiegamenti tridimensionali completamente diversi, con funzioni biologiche diverse, a partire dalla stessa identica sequenza di amminoacidi. La stessa catena può ripiegarsi in una struttura ad alfa-elica o in un foglietto beta, a seconda dell’ambiente, dei partner molecolari o delle modifiche post-traduzionali. Un studio del 2024 su Current Opinion in Structural Biology ha documentato che queste proteine rappresentano un «punto cieco» per AlphaFold, il sistema di intelligenza artificiale che ha vinto il Premio Nobel 2024 per la Chimica: AlphaFold predice una sola struttura statica per sequenza e non riesce a prevedere conformazioni alternative. Questo significa che il ripiegamento proteico non è semplicemente un problema di trovare la conformazione corretta — è un problema di selezionare quale conformazione adottare tra più opzioni possibili, in base a un contesto molecolare che la proteina stessa non può «conoscere».

C’è poi un’intera classe di proteine che sfida completamente il paradigma classico del ripiegamento: le proteine intrinsecamente disordinate (IDP), che svolgono le loro funzioni biologiche senza adottare un ripiegamento tridimensionale stabile. Queste proteine — che costituiscono circa il 30-40% del proteoma eucariotico — funzionano proprio grazie alla loro flessibilità strutturale, assumendo conformazioni diverse quando interagiscono con partner diversi. Il paradosso di Levinthal, in questi casi, si inverte: il problema non è come la proteina trova la sua forma, ma come può funzionare senza una forma definita. Il naturalismo non solo deve spiegare come il caso cieco abbia prodotto proteine che si ripiegano con precisione nanometrica in millisecondi — deve anche spiegare come abbia prodotto proteine che funzionano essendo deliberatamente flessibili, il che richiede un livello di progettazione ancora più sofisticato.

La cellula impiega un elaborato sistema di proteine chaperone — macchine molecolari la cui unica funzione è assistere il ripiegamento corretto di altre proteine. La chaperonina GroEL/GroES, ad esempio, è un barile di 21 subunità (~800 kDa) che incapsula le proteine substrato in una camera idrofilica, isolandole dall’ambiente cellulare mentre si ripiegano. In E. coli, circa 85 proteine dipendono obbligatoriamente da GroEL per il loro ripiegamento. Il sistema Hsp70 processa il 15-20% delle proteine neosintetizzate. La chaperonina eucariotica TRiC/CCT — un complesso a doppio anello di otto subunità — ripiega circa il 10% delle proteine citosoliche, incluse l’actina e la tubulina. La proteina Hsp90, che costituisce l’1-3% di tutte le proteine cellulari anche in condizioni normali, mantiene centinaia di proteine «cliente» in conformazioni pronte per l’attivazione.

I paradossi dell’uovo e della gallina: un catalogo dell’impossibile. Abbiamo menzionato il paradosso circolare tra DNA e proteine di riparazione, tra membrana e metabolismo, tra chaperone e ripiegamento proteico. Ma la biologia molecolare è letteralmente costruita su circolarità di questo tipo. Vale la pena catalogarle tutte, perché ciascuna di esse rappresenta una barriera insormontabile per qualsiasi spiegazione naturalistica dell’origine della vita.

1. DNA ↔ Proteine (il dogma centrale è circolare). Il DNA contiene le istruzioni per costruire le proteine. Ma il DNA non può replicarsi, trascriversi o ripararsi senza proteine. La DNA polimerasi — una proteina — è necessaria per copiare il DNA. L’RNA polimerasi — una proteina — è necessaria per trascrivere il DNA in RNA. Le proteine ribosomiali sono necessarie per tradurre l’RNA in proteine. Chi è venuto prima: il DNA che codifica le proteine, o le proteine che leggono e copiano il DNA?

2. Il ribosoma ↔ le proteine ribosomiali. Il ribosoma è la macchina che traduce l’RNA messaggero in proteine. Ma il ribosoma stesso è composto da circa 80 proteine (negli eucarioti), che devono essere sintetizzate da altri ribosomi. Per costruire il primo ribosoma, servivano i ribosomi per produrre le sue proteine. Per produrre quelle proteine, serviva un ribosoma. È una circolarità perfetta. La biogenesi del ribosoma, inoltre, richiede oltre 200 fattori di assemblaggio — proteine specializzate che guidano l’assemblaggio corretto delle componenti ribosomiali. Chi ha assemblato il primo ribosoma senza i fattori di assemblaggio?

3. tRNA ↔ amminoacil-tRNA sintetasi (il problema dell’interpretazione del codice). Questo è forse il paradosso più profondo e meno conosciuto. Il codice genetico — la corrispondenza tra codoni di tre nucleotidi e amminoacidi — non è interpretato direttamente dal DNA o dall’RNA. È interpretato dalle molecole di tRNA (RNA di trasferimento), ciascuna delle quali porta un amminoacido specifico e riconosce un codone specifico. Ma il tRNA giusto deve essere «caricato» con l’amminoacido giusto da un enzima specifico: l’amminoacil-tRNA sintetasi. Esistono almeno 20 di questi enzimi — uno per ogni amminoacido. Senza queste sintetasi, il codice genetico non può essere interpretato: i tRNA non saprebbero quale amminoacido trasportare. Ma le sintetasi sono esse stesse proteine, codificate dal DNA e tradotte attraverso lo stesso sistema di tRNA che devono caricare. Il sistema di interpretazione del codice genetico è quindi circolare: le sintetasi sono necessarie per dare significato al codice, ma sono codificate da quello stesso codice. Chi ha stabilito la corrispondenza tra codoni e amminoacidi prima che esistessero le sintetasi per implementarla?

4. ATP ↔ ATP sintasi. L’ATP è la molecola energetica universale della vita. Praticamente ogni processo cellulare — dalla replicazione del DNA alla sintesi proteica, dal trasporto di membrana alla contrazione muscolare — richiede ATP. Ma l’ATP è prodotto dall’ATP sintasi, un motore rotativo di almeno 22 subunità. Per costruire l’ATP sintasi servono proteine, e per costruire le proteine servono ribosomi, e per far funzionare i ribosomi serve ATP. Chi ha fornito l’energia per costruire la prima macchina che produce energia?

5. Spliceosoma ↔ proteine dello spliceosoma. Lo spliceosoma — la macchina di 170 proteine che rimuove gli introni dai pre-mRNA — è necessario per produrre gli mRNA maturi che codificano le proteine. Ma molti dei geni che codificano le stesse proteine dello spliceosoma contengono introni che devono essere rimossi dallo spliceosoma. Lo spliceosoma è quindi necessario per produrre le proprie componenti. Chi ha rimosso gli introni dai geni dello spliceosoma prima che lo spliceosoma esistesse?

6. DNA polimerasi ↔ correzione degli errori. Come abbiamo visto, la DNA polimerasi commette un errore ogni 104-105 nucleotidi. Senza i meccanismi di correzione (proofreading e mismatch repair), il genoma accumulerebbe circa 100.000 mutazioni per divisione cellulare e si degraderebbe in poche generazioni. Ma i meccanismi di correzione sono proteine codificate dallo stesso genoma che devono proteggere. Se il genoma originario non aveva la correzione degli errori, come ha evitato di degradarsi nel tempo necessario a evolvere la correzione degli errori?

7. Membrana ↔ proteine di membrana ↔ ribosomi. La membrana cellulare richiede proteine di trasporto per essere funzionale. Le proteine di trasporto richiedono ribosomi per essere sintetizzate. I ribosomi operano nel citoplasma, che è definito dalla membrana. Molte proteine di membrana sono inserite nella membrana co-traduzionalmente — cioè mentre vengono ancora sintetizzate dal ribosoma — attraverso un canale proteico chiamato translocone (complesso Sec61 negli eucarioti), che è esso stesso una proteina di membrana. Chi ha inserito il primo translocone nella membrana senza un translocone per inserirlo?

8. Chaperone ↔ ripiegamento proteico. Come già visto, molte proteine richiedono le chaperone per ripiegarsi correttamente. Ma le chaperone sono esse stesse proteine complesse — GroEL ha 14 subunità — che devono ripiegarsi correttamente per poter funzionare. Chi ha ripiegato le prime chaperone?

Ciascuno di questi paradossi, preso isolatamente, rappresenta già una sfida formidabile per il naturalismo. Ma la vera forza dell’argomento sta nel fatto che tutti questi paradossi sono interconnessi. Non si tratta di otto problemi separati: si tratta di un unico sistema integrato in cui ogni componente dipende da tutti gli altri. Il DNA ha bisogno delle proteine che ha bisogno dei ribosomi che hanno bisogno dei tRNA che hanno bisogno delle sintetasi che hanno bisogno dell’ATP che ha bisogno dell’ATP sintasi che ha bisogno della membrana che ha bisogno delle proteine di trasporto che hanno bisogno dei ribosomi… è un circolo chiuso che non ha alcun punto di ingresso naturalistico evidente. L’ipotesi del «mondo a RNA» tenta di risolvere il problema postulando un’epoca in cui l’RNA svolgeva contemporaneamente il ruolo di informazione genetica e di catalizzatore enzimatico. Ma nessun ribozima (RNA catalitico) noto si avvicina nemmeno lontanamente alla complessità e all’efficienza delle proteine che avrebbe dovuto sostituire. E il mondo a RNA stesso ha il suo paradosso circolare: per replicare l’RNA serve un ribozima replicasi — un catalizzatore fatto di RNA che copia RNA — che nessuno è mai riuscito a produrre in laboratorio in una forma funzionale e autoreplicante.

La cellula vivente non è una colModulo di parti assemblabili una alla volta. È un sistema in cui tutto deve essere presente simultaneamente perché qualsiasi cosa funzioni. Questo è esattamente ciò che ci si aspetterebbe da un progetto — e non ciò che ci si aspetterebbe da un processo graduale e non guidato.

La cellula minima. Quanto è complessa la cellula più semplice possibile? Il gruppo di Craig Venter ha costruito JCVI-syn3.0, la cellula auto-replicante più semplice mai creata, con un genoma di 531.560 paia di basi che codifica 473 geni. Di questi, 149 geni (il 31,5%) hanno funzione sconosciuta — il che significa che persino nella cellula più semplice possibile, quasi un terzo del genoma codifica proteine il cui ruolo ci sfugge completamente. Questa cellula minima richiede comunque proteine di membrana, ribosomi, macchinari di replicazione del DNA, sistemi di correzione degli errori, chaperone e enzimi metabolici — un sistema integrato irriducibile. Nessun sistema sperimentale ha mai raggiunto la vitalità con meno di 473 geni.

La chinesina: nanotecnologia che supera la nostra. Tra le migliaia di macchine molecolari della cellula, una merita un’attenzione speciale per la sua spettacolarità: la chinesina. È un motore molecolare «camminante» che trasporta carichi — vescicole, organelli, molecole — lungo i microtubuli del citoscheletro, esattamente come un corriere che percorre un binario ferroviario consegnando pacchi a destinazioni precise. La chinesina cammina letteralmente, un passo alla volta, con passi di 8 nanometri ciascuno, consumando una molecola di ATP per ogni passo. È così piccola da essere invisibile anche ai microscopi ottici, eppure funziona come un sistema di logistica integrato con una precisione che nessuna nanotecnologia umana si è mai avvicinata a eguagliare. Come ha osservato James Tour — uno dei più importanti chimici di sintesi organica al mondo, con circa 1.200 pubblicazioni nelle riviste più prestigiose — «se qualche scienziato fosse in grado di progettare una microtecnologia così sofisticata, riceverebbe i più alti riconoscimenti dalla comunità scientifica internazionale». Tour stesso ha brevettato nanomacchine molecolari capaci di uccidere cellule cancerose a comando — ma ammette che queste non si avvicinano nemmeno lontanamente alla complessità della chinesina.

La sfida delle 5 domande. Tour ha lanciato una sfida pubblica ai 10 ricercatori più importanti nel campo dell’origine della vita: rispondere a cinque domande fondamentali — sulla produzione prebiotica di polipeptidi, polinucleotidi, polisaccaridi, sull’origine dell’informazione e sull’assemblaggio di una cellula — offrendo in cambio di rimuovere tutte le sue critiche pubbliche. Nessuno dei dieci ha risposto. Solo Lee Cronin ha accettato un incontro ad Harvard. Tour commenta: «Se non possono rispondere nemmeno a una sola domanda su cinque, dirò che siamo totalmente allo scuro di come la vita si sia originata». Il dato è eloquente: i massimi esperti mondiali non sono in grado di rispondere a domande basilari su come la materia cieca possa aver prodotto la vita. E noi dovremmo credere che il problema sia «essenzialmente risolto»?

L’informazione nascosta nei carboidrati. C’è un aspetto della complessità cellulare che pochi conoscono e che Tour ha contribuito a divulgare: le membrane cellulari sono ricoperte di strutture complesse chiamate glicani — appendici di carboidrati che permettono alle cellule di riconoscersi reciprocamente e comunicare. Tour osserva un dato numerico devastante: con 6 basi identiche di DNA si può creare una sola sequenza (AAAAAA). Con 6 tipi diversi di carboidrati standard, si possono creare un trilione di combinazioni diverse. Nelle membrane cellulari sono presenti molti più di 6 tipi di carboidrati — e se anche uno solo viene assemblato in modo scorretto, la cellula muore. Tour conclude: «Ci sono molte più informazioni immagazzinate nell’assemblaggio dei carboidrati che nel DNA stesso». Questo significa che il DNA, per quanto straordinario, è solo una parte del sistema informativo della cellula — e che l’informazione totale necessaria per costruire e mantenere una cellula vivente è ancora più vasta di quanto il solo genoma suggerisca.

Il paradosso di Szostak. La portata del problema è stata involontariamente riassunta dal premio Nobel Jack Szostak, un evoluzionista di Harvard: «Non siamo abbastanza intelligenti noi per progettare le cose biologiche. Lasciamo semplicemente che l’evoluzione faccia il duro lavoro per noi, e poi capiamo retrospettivamente cosa è successo». Il paradosso è monumentale: menti intelligenti e consapevoli attribuiscono a un processo cieco e privo di mente la creazione di sistemi molto più sofisticati di quelli che le stesse menti riescono a costruire. Se i più brillanti chimici del mondo non riescono nemmeno a progettare una cellula vivente, com’è possibile che il caso cieco ne abbia costruita una — miliardi di anni fa, senza laboratorio, senza reagenti purificati, senza protocolli?

Il paradosso di Levinthal 2.0. Tour ha anche identificato un problema che va oltre il classico paradosso di Levinthal (il ripiegamento delle singole proteine). Anche ammettendo che ogni proteina si ripieghi correttamente, le proteine devono poi interagire tra loro e con il DNA e l’RNA attraverso interazioni non covalenti estremamente specifiche. Tour lo chiama il «paradosso di Levinthal 2.0»: non solo ogni proteina deve trovare la sua forma tra 10⁴⁷ conformazioni possibili, ma le proteine devono poi trovarsi reciprocamente, legarsi nei punti giusti, formare complessi funzionali nell’ordine corretto. Il calcolo di riferimento è stato pubblicato in un articolo peer-reviewed da Peter Tompa (Vrije Universiteit Brussel) e George D. Rose (Johns Hopkins University) sulla rivista Protein Science nel 2011, intitolato «The Levinthal Paradox of the Interactome». Per una cellula di lievito che esprime circa 4.500 proteine durante la crescita logaritmica, il numero di stati distinguibili dell’interattoma raggiunge 107,9 × 1010 — cioè 10 seguito da 79 miliardi di zeri. Per confronto, il numero di particelle elementari nell’intero universo osservabile è «solo» 1080. La conclusione di Tompa e Rose è inequivocabile: «I numeri precludono la formazione di un interattoma funzionale per tentativi ed errori entro qualsiasi intervallo di tempo significativo».

L’interattoma: il software invisibile della cellula. Per comprendere ciò che Tour sta descrivendo, bisogna capire un concetto che la biologia molecolare ha scoperto solo negli ultimi vent’anni e che ha cambiato radicalmente la nostra comprensione della vita: l’interattoma. L’interattoma è la rete completa di tutte le interazioni molecolari all’interno di una cellula — non solo le interazioni tra proteine, ma anche le interazioni proteina-DNA, proteina-RNA, RNA-RNA, proteina-lipidi e proteina-metaboliti. È, in un certo senso, il «software» della cellula: se il DNA è il disco rigido che contiene i dati, l’interattoma è il sistema operativo che fa funzionare tutto.

I numeri sono impressionanti. L’interattoma umano comprende circa 130.000 interazioni proteina-proteina binarie secondo le stime più conservative. Il progetto BioPlex 3.0 della Harvard Medical School ha identificato circa 120.000 interazioni tra ~15.000 proteine. Il database BioGRID cataloga oltre 2,27 milioni di interazioni non ridondanti, tutte curate manualmente da circa 87.800 pubblicazioni scientifiche — senza alcuna previsione computazionale. E si stima che l’interattoma umano sia stato mappato solo per il 20-40%: la maggioranza delle interazioni resta ancora da scoprire.

Ma il punto cruciale è questo: l’interattoma non è codificato nel DNA. Il DNA specifica la sequenza lineare delle proteine, ma non specifica quali proteine devono interagire con quali altre, in quale momento, in quale luogo della cellula, e in quale ordine. Queste informazioni sono «incorporate» nella struttura stessa della cellula vivente — nei gradienti ionici, nella composizione della membrana, nell’organizzazione spaziale degli organelli, nell’architettura del citoscheletro — e vengono trasmesse da una cellula alle sue figlie attraverso la divisione cellulare. Quando una cellula muore, questa informazione organizzativa si perde irreversibilmente, anche se tutte le molecole restano fisicamente presenti.

L’argomento della «cellula morta» di Tour. Tour ha sintetizzato questo punto con un argomento di una semplicità disarmante: «Se chiedi a uno scienziato: una cellula è appena morta, cosa abbiamo perso esattamente? Tutte le molecole sono ancora lì. Potresti rifarla funzionare? Non sappiamo nemmeno descrivere cosa sia davvero la vita». Il DNA è intatto. Le proteine sono intatte. I lipidi sono intatti. Ma la cellula è morta — perché la rete di interazioni tra queste molecole si è disgregata. E nessuno sa come ricostruirla. Tour sfida direttamente i ricercatori: «Vi darò il DNA, tutti i lipidi, i peptidi, i carboidrati nella forma chirale corretta. Ora assemblate una cellula. Nessuno può farlo».

L’informazione extragenetica: ciò che il DNA non contiene. La scoperta dell’interattoma ha rivelato che la cellula possiede strati multipli di informazione che non sono codificati nel DNA. L’informazione genetica — circa 6,4 miliardi di paia di basi nel genoma umano diploide, corrispondenti a circa 12,5 miliardi di bit di informazione grezza — è solo una parte del quadro. Ecco gli altri strati:

L’epigenoma — il sistema di «interruttori» chimici che controlla quali geni sono attivi e quali sono silenziati. Il genoma umano contiene circa 28 milioni di siti CpG, di cui il 70-80% porta marcatori di metilazione nelle cellule somatiche, aggiungendo circa 56 milioni di bit di informazione ereditabile. Oltre alla metilazione, gli istoni — le proteine attorno a cui il DNA si avvolge — portano oltre 106 tipi distinti di modifiche post-traduzionali (acetilazione, metilazione, fosforilazione, ubiquitinazione, SUMOilazione e molte altre), catalizzate da 152 enzimi modificatori. Il solo istone H3 ha 19 lisine che possono essere ciascuna non metilata, mono-, di- o tri-metilata, generando un potenziale teorico di 419 ≈ 280 miliardi di pattern — e il genoma umano si avvolge attorno a circa 44 milioni di nucleosomi. Un codice dentro il codice, di complessità vertiginosa, che non è scritto nel DNA.

Le modifiche post-traduzionali del proteoma espandono i ~20.000 geni codificanti in oltre un milione di «proteoformi» distinte. La sola fosforilazione copre circa 500.000 siti di modifica nel proteoma umano. Circa il 50% delle proteine umane è glicosilato. Ogni modifica altera la funzione, la localizzazione e i partner di interazione della proteina — creando un immenso strato informativo che il DNA non specifica.

La composizione delle membrane non può essere generata de novo da nessuna cellula vivente conosciuta: tutte le membrane derivano da membrane preesistenti. Quando una cellula si divide, le membrane della cellula madre vengono distribuite alle cellule figlie per crescita e scissione — mai ricostruite da zero. Questo significa che l’informazione contenuta nella composizione e nella topologia della membrana è trasmessa per via non genetica, attraverso una catena ininterrotta che risale alla prima cellula vivente.

Le concentrazioni dei metaboliti costituiscono un ulteriore livello di informazione: il database Human Metabolome cataloga oltre 40.000 piccole molecole le cui concentrazioni relative devono essere mantenute entro limiti precisi. I gradienti ionici attraverso le membrane — Na⁺/K⁺ di ~12:140 mM all’interno contro ~145:5 mM all’esterno, gradienti di Ca²⁺ di 1.000-5.000 volte attraverso la membrana del reticolo endoplasmatico — rappresentano informazione posizionale e energetica che non è codificata nel DNA.

Le stime conservative collocano l’informazione non-DNA totale di una cellula nell’ordine di centinaia di milioni o potenzialmente miliardi di bit — un ammontare comparabile o superiore all’informazione funzionale del genoma stesso. In altre parole: il DNA è solo metà della storia. L’altra metà — l’interattoma, l’epigenoma, la composizione delle membrane, i gradienti ionici, l’organizzazione spaziale — è informazione che non è scritta da nessuna parte in un codice lineare. È incorporata nella struttura stessa della cellula vivente. E nessuno ha la più pallida idea di come questa informazione possa essere emersa da processi chimici ciechi.

Il confronto Tour-Cronin ad Harvard. Il 28 novembre 2023, Tour e il ricercatore sull’origine della vita Lee Cronin (Università di Glasgow) si sono confrontati in una tavola rotonda alla Harvard University, davanti a circa 100 docenti di Harvard e del MIT. Tour ha presentato le sue cinque sfide chimiche e il problema dell’interattoma. Cronin ha presentato la sua «Teoria dell’Assemblaggio» (Assembly Theory), pubblicata su Nature nel 2023, come quadro per misurare la complessità molecolare. Ma numerosi osservatori hanno notato che Cronin non ha risposto direttamente alle sfide chimiche specifiche di Tour. Cronin ha argomentato che Tour «non guarda questo su un arco di tempo abbastanza lungo». Tour ha replicato: «L’obiettivo si sta allontanando da noi molto più velocemente di quanto ci stiamo avvicinando» — citando l’interattoma e la selettività chirale indotta dallo spin come scoperte che hanno reso il problema più difficile, non più facile, con il passare del tempo. Tompa e Rose stessi, nella conclusione del loro paper, hanno riconosciuto che nessuno sa come l’interattoma originario si sia formato — e che l’esperimento di Venter (JCVI-syn3.0) non ha creato una cellula sintetica in senso proprio, ma ha semplicemente inserito un genoma sintetico all’interno del citoplasma (e quindi dell’interattoma) di una cellula già esistente. Come hanno scritto: «Una tale interpretazione è impropria, un po’ come infilare un motore straniero in una Ford e dichiarare che si tratta di un design originale».

Il naturalismo chiede di credere che tutte queste macchine — e migliaia di altre, ancora più complesse — siano il prodotto di processi ciechi, privi di scopo e di direzione. Chiede di credere che sistemi interdipendenti, dove ogni componente presuppone l’esistenza degli altri, si siano assemblati simultaneamente per caso. Chiede di credere che un sistema di correzione degli errori a tre strati, codificato dal DNA che deve proteggere, sia emerso senza progetto. Chiede di credere che una membrana con 6.718 proteine transmembrana sia apparsa dalla chimica prebiotica. Chiede di credere che il codice genetico — ottimizzato al 99,99% — sia il prodotto della fortuna. Ma la nostra esperienza universale ci dice che le macchine sono sempre il prodotto di un progetto intelligente. Non abbiamo mai osservato una macchina funzionale emergere spontaneamente dalla materia grezza. Neanche la più semplice. Questo non è un’inferenza razionale. È fede nella materia.

9. La contingenza dell’universo

C’è un ultimo argomento filosofico che merita attenzione, perché colpisce il naturalismo nel suo punto più vulnerabile: il problema della contingenza.

L’universo avrebbe potuto non esistere. Le leggi della fisica avrebbero potuto essere diverse. Le costanti fondamentali avrebbero potuto avere altri valori. La materia avrebbe potuto non esistere affatto. L’universo, in altre parole, è contingente: la sua esistenza non è logicamente necessaria. Qualcosa che è contingente — che potrebbe non esistere — richiede una spiegazione della propria esistenza. Perché c’è qualcosa piuttosto che niente?

Questa è la domanda che il filosofo Gottfried Leibniz (1646–1716) considerava la più fondamentale della filosofia. La sua risposta: «La ragione sufficiente dell’esistenza dell’universo non può trovarsi nella serie delle cose contingenti. La ragione finale delle cose deve trovarsi in una sostanza necessaria, che chiamiamo Dio». L’argomento è semplice ma potente: se tutto nell’universo è contingente, e se ogni cosa contingente richiede una causa, allora la catena causale deve terminare in qualcosa di non contingente — qualcosa che esiste necessariamente, di per sé, senza bisogno di una causa esterna.

Il naturalismo non ha risposta a questa domanda. Può dire: «L’universo esiste, e basta — è un fatto bruto». Ma dichiarare che l’universo è un «fatto bruto» senza spiegazione è esattamente ciò che il naturalismo rimprovera al teismo quando il teismo dice «Dio esiste». Con la differenza che il teismo ha un argomento per l’esistenza necessaria di Dio (l’impossibilità di una catena infinita di cause contingenti), mentre il naturalismo non ha alcun argomento per l’autosufficienza dell’universo.

Oppure il naturalismo può dire: «Le leggi della fisica sono la causa dell’universo». Ma questo non spiega nulla, perché le leggi della fisica sono esse stesse contingenti — avrebbero potuto essere diverse — e non possono causare la propria esistenza. Invocare le leggi come «causa» dell’universo è come dire che le regole degli scacchi «causano» la partita: le regole descrivono come si gioca, non spiegano perché la partita esiste.

Il filosofo Alexander Pruss e il filosofo Andrew Loke hanno sviluppato versioni contemporanee dell’argomento della contingenza che sono formalmente rigorose e difficili da confutare. La loro conclusione concorda con quella di Leibniz: l’esistenza dell’universo contingente richiede una causa necessaria — una causa che non può non esistere, che non dipende da nulla al di fuori di sé, e che possiede il potere causale sufficiente per originare l’universo. Questa causa, per i motivi che abbiamo visto, deve essere non materiale (perché ha creato la materia), non temporale (perché ha creato il tempo), e dotata di intelligenza (perché ha prodotto informazione, ordine e fine-tuning). In altre parole: una Mente.

10. Il dilemma inevitabile: intelligente o non intelligente — in ogni caso, è fede

A questo punto del ragionamento, possiamo formulare un argomento che riduce l’intero dibattito alla sua essenza logica — e che costringe il naturalista a guardare in faccia ciò che sta realmente facendo.

Lo abbiamo stabilito nelle sezioni precedenti: il passato eterno non può esistere. L’infinito attuale non si realizza nella realtà fisica (Hilbert). Attraversare un’infinità di istanti passati è logicamente impossibile. La cosmologia moderna — dal teorema di Hawking-Penrose al teorema BGV — converge sulla stessa conclusione: l’universo ha avuto un inizio. La materia, l’energia, lo spazio e il tempo non sono sempre esistiti. Sono cominciati.

Se l’universo ha avuto un inizio, deve avere una causa. Il principio di ragion sufficiente — tutto ciò che comincia ad esistere ha una causa — è uno dei fondamenti della razionalità umana e della stessa scienza. Nessun esperimento ha mai mostrato qualcosa che comincia ad esistere senza causa. Nessuna teoria fisica seria lo prevede. Negarlo significa abbandonare le basi del pensiero razionale.

Ora, questa causa — qualunque cosa sia — può essere solo di due tipi. Non tre, non cinque. Due. È una disgiunzione esaustiva: la causa dell’universo è intelligente (una Mente, un Agente consapevole che ha scelto di creare) oppure è non intelligente (un processo cieco, un meccanismo privo di coscienza e di scopo). Non c’è una terza possibilità. O la causa possiede coscienza, intenzione e capacità di scelta, oppure non le possiede.

Ed ecco il punto decisivo: nessuna delle due opzioni è dimostrabile empiricamente. La causa dell’universo, per definizione, è al di fuori dell’universo — al di fuori dello spazio, del tempo, della materia e dell’energia. Non è osservabile con un telescopio, non è misurabile con uno strumento, non è riproducibile in un laboratorio. Qualunque cosa abbia originato l’universo, si trova al di là della portata diretta della scienza empirica. Questo significa che sia il teista sia il naturalista stanno facendo un atto di fede sulla natura di questa causa.

Il teista crede che la causa sia una Mente — un’Intelligenza trascendente, non materiale, non temporale, dotata di potere causale sufficiente per originare l’universo. Il naturalista crede che la causa sia un qualche processo cieco — un meccanismo impersonale, privo di coscienza, che ha generato tutto ciò che esiste senza intenzione e senza scopo. Entrambi credono. Nessuno dei due dimostra.

Ma — e questo è il cuore dell’argomento — le due fedi non sono ugualmente supportate dalle evidenze. Il naturalista crede in una causa cieca, ma poi deve spiegare come questa causa cieca abbia prodotto:

  • Un universo finemente calibrato con costanti fisiche che sembrano scelte con precisione chirurgica (fine-tuning).
  • Un codice genetico digitale ottimizzato al 99,99%, con splicing alternativo, codici sovrapposti e informazione multilivello.
  • Macchine molecolari di sofisticatezza ingegneristica superiore a qualsiasi tecnologia umana.
  • Un interattoma di 1079 miliardi stati possibili che si auto-organizza con precisione.
  • La coscienza — l’esperienza soggettiva in prima persona.
  • La razionalità — la capacità di comprendere l’universo e di fare scienza.
  • Leggi di natura matematicamente eleganti e universali.

Il teista crede in una causa intelligente — e tutte queste evidenze sono esattamente ciò che ci si aspetterebbe da una causa intelligente. L’informazione è il prodotto di menti. Le macchine sono il prodotto di ingegneri. La calibrazione fine è il prodotto di un progettista. La coscienza è una proprietà delle menti. La razionalità ha senso se la mente umana è fatta «a immagine» di una Mente creatrice. Le leggi matematiche hanno senso se l’universo è il prodotto di un Legislatore razionale.

Il naturalista, al contrario, deve credere che tutte queste cose — che nella nostra esperienza sono sempre il prodotto di intelligenza — siano state prodotte, per la prima e unica volta nella storia, da un processo cieco che non ha mai dimostrato di possedere tale capacità. È come trovare un romanzo di mille pagine in una grotta e concludere che l’erosione dell’acqua ha disposto casualmente le lettere. Tecnicamente non è impossibile — ma richiede una fede enormemente maggiore di quella necessaria per concludere che qualcuno lo ha scritto.

Questo argomento ha una conseguenza che molti naturalisti non vogliono affrontare: non esiste una posizione «neutrale» sulla causa dell’universo. Non si può dire «non so e non mi interessa». Il fatto che l’universo esiste, che ha un inizio, e che contiene informazione, coscienza e ordine matematico è un dato che esige una spiegazione. Si può scegliere la spiegazione intelligente o quella cieca — ma si deve scegliere. E qualunque cosa si scelga, si sta facendo un atto di fede. La differenza è che una delle due fedi è supportata da tutte le evidenze disponibili — e l’altra le contraddice tutte.

Come ha osservato il filosofo Antony Flew — per decenni il più importante filosofo ateo al mondo, prima di convertirsi al teismo nel 2004 — «bisogna seguire l’argomento dovunque conduca». Flew seguì l’argomento, e l’argomento lo condusse a riconoscere l’esistenza di un’intelligenza dietro l’universo. Non per fede cieca. Non per tradizione culturale. Ma perché le evidenze — dal fine-tuning al DNA, dalla cosmologia alla filosofia — puntavano tutte nella stessa direzione. Flew disse: «È stato il DNA che mi ha fatto cambiare idea. L’incredibile complessità dei meccanismi necessari per produrre la vita mi ha convinto che deve essere coinvolta un’intelligenza».

La domanda non è dunque: «Credi in Dio o nella scienza?». Questa è una falsa dicotomia. La domanda vera è: «In quale tipo di causa credi — intelligente o cieca — e quale delle due è meglio supportata da ciò che la scienza ha scoperto?». Una volta posta così, la risposta diventa molto meno ovvia di quanto la cultura naturalista vorrebbe far credere.

11. La natura che non può generare se stessa

Arrivati a questo punto, possiamo tirare le fila dell’argomento. Il naturalismo afferma che la natura è autosufficiente — che non ha bisogno di nulla al di fuori di sé per spiegare la propria esistenza e le proprie caratteristiche. Ma come abbiamo visto, questa pretesa si scontra con una serie di barriere che il naturalismo non ha mai superato e che, per ragioni logiche precise, potrebbe non essere in grado di superare.

La natura non può generare se stessa dal nulla, perché dal nulla non viene nulla — e i tentativi di aggirare questo principio (come il «vuoto quantistico» di Krauss) si limitano a spostare la domanda senza rispondere. La natura non può essere sempre esistita, perché l’infinito attuale non esiste nella realtà fisica, la cosmologia indica un inizio, e il passaggio attraverso un’infinità di istanti passati è logicamente impossibile. La materia non può produrre informazione funzionale, perché nessun processo cieco è mai stato osservato produrre codice digitale specificato — né in laboratorio né in natura — in settant’anni di ricerche intensive. 20.000 geni non possono produrre 100.000 proteine senza un sistema di splicing alternativo di una complessità che sfida qualsiasi spiegazione casuale — 170 proteine nel solo spliceosoma, 300 proteine regolatrici, nove passaggi di assemblaggio. I sistemi di correzione degli errori del DNA devono essere presenti fin dall’inizio, perché il genoma subisce 10.000-100.000 lesioni al giorno e si disintegrerebbe in ore senza un sistema di riparazione composto da oltre 150 proteine — codificate dallo stesso DNA che proteggono. La membrana cellulare non può auto-assemblarsi dalla chimica prebiotica, perché le semplici vescicole di acidi grassi sono destabilizzate dagli stessi ioni essenziali per la biochimica, e la membrana minima richiede centinaia di proteine transmembrana. La materia incosciente non può generare coscienza, perché non esiste un ponte logico dalla terza persona alla prima persona, e il problema difficile della coscienza resta completamente irrisolto. I processi irrazionali non possono produrre razionalità affidabile, perché la Selezione naturale opera sulla sopravvivenza, non sulla verità, e il naturalismo evoluzionistico è autoreferenzialmente incoerente. Le leggi della natura non spiegano se stesse, perché le leggi sono informazione — specificano come l’universo deve comportarsi — e l’informazione richiede una fonte. Le proteine non si ripiegano da sole senza un sistema di chaperone molecolari — macchine proteiche complesse la cui stessa esistenza presuppone il ripiegamento che dovrebbero assistere. L’interattoma — la rete di interazioni tra le molecole — contiene più informazione del DNA stesso, non è codificato nel genoma, e si perde irreversibilmente quando la cellula muore anche se tutte le molecole restano intatte. L’universo è contingente, avrebbe potuto non esistere, e la sua esistenza richiede una ragione sufficiente che il naturalismo non è in grado di fornire.

Ognuna di queste barriere è un punto in cui il naturalismo chiede un atto di fede — la fede che la materia possa fare ciò che nessuno ha mai visto fare alla materia. E non si tratta di un singolo atto di fede isolato. Si tratta di una catena di atti di fede concatenati, ciascuno dei quali è necessario perché il quadro naturalistico regga. Se anche uno solo di questi punti cede — se la materia non può produrre informazione, o se la coscienza non è riducibile alla fisica, o se l’universo deve avere una causa — l’intero edificio crolla. Il naturalismo non è una singola ipotesi modesta: è un sistema di credenze interconnesse, ciascuna delle quali richiede la sua propria dose di fede.

William Dembski ha sintetizzato il punto: «Il naturalismo è la patologia intellettuale della nostra epoca. Esso costringe artificialmente la mente e impedisce l’indagine sul trascendente». Si può discutere sulla durezza dell’espressione, ma il concetto merita attenzione: il principio fondamentale del naturalismo — l’autosufficienza della natura — non è un risultato scientifico. È un dogma filosofico che si è imposto con la forza della ripetizione, non con la forza delle prove. Come ha scritto altrove: «Il naturalismo afferma non tanto che Dio non esiste, quanto che Dio non ha bisogno di esistere. Non è tanto che Dio è morto, quanto che Dio è assente». Ma l’assenza di Dio non è un dato osservato: è un’assunzione postulata. Ed è un’assunzione che ogni nuova scoperta scientifica — dal fine-tuning cosmico all’informazione genetica, dalle macchine molecolari alla contingenza dell’universo — rende sempre più difficile da sostenere.

12. Il naturalismo come fede: il confronto

A questo punto, è istruttivo un confronto diretto. Quando i naturalisti accusano il teismo di essere «fede», intendono che il teismo chiede di credere in qualcosa che non è dimostrato scientificamente. Ma il naturalismo fa esattamente la stessa cosa — e, si potrebbe argomentare, in modo molto più radicale.

Il teismo chiede di credere che l’universo sia il prodotto di un’intelligenza. Questa credenza è supportata da: (a) l’impossibilità che qualcosa venga dal nulla; (b) la necessità di una causa dell’universo; (c) il fine-tuning delle costanti fisiche; (d) l’origine dell’informazione biologica; (e) l’esistenza della coscienza e della razionalità; (f) l’intelligibilità matematica dell’universo. Tutte evidenze positive, basate sull’esperienza e sull’osservazione.

Il naturalismo chiede di credere che la materia cieca sia sufficiente a spiegare tutto. Questa credenza non è supportata da alcuna dimostrazione che la materia possa: (a) venire dal nulla; (b) produrre informazione specificata; (c) generare coscienza; (d) produrre razionalità affidabile; (e) spiegare il fine-tuning; (f) dare origine a leggi di natura. Nessuno di questi punti è stato dimostrato. Tutti sono semplicemente presupposti.

Chi, dunque, sta facendo un atto di fede maggiore? Chi segue le prove — che puntano tutte verso una causa intelligente — o chi le ignora per mantenere fede in un principio filosofico mai dimostrato?

C’è un’asimmetria profondamente ingiusta nel modo in cui la cultura contemporanea tratta le due posizioni. Al teismo si chiede di rendere conto di ogni singola obiezione — il problema del male, il silenzio di Dio, la diversità delle religioni — come se ciascuna di esse fosse una confutazione definitiva. Al naturalismo non si chiede di rendere conto di nulla. L’origine dell’universo? «Un giorno lo capiremo». L’origine della vita? «Servono più ricerche». La coscienza? «È una proprietà emergente». Il fine-tuning? «Forse c’è un multiverso». In ogni caso, la risposta è la stessa: «non lo sappiamo ancora, ma sappiamo che la risposta sarà naturalistica» — il che è esattamente la definizione di fede: certezza in ciò che non si vede e non si dimostra.

Il naturalismo si è costruito un’immunità dalle critiche che nessun’altra visione del mondo possiede. Qualsiasi fallimento esplicativo — qualsiasi fenomeno che resiste alla spiegazione materialistica — viene trattato non come una prova contro il naturalismo, ma come una «sfida ancora aperta» che sarà risolta in futuro. Questo è ciò che i filosofi chiamano una teoria «non falsificabile in pratica»: nessuna prova, per quanto schiacciante, viene mai ammessa come confutazione. Se le prove indicano un design, il naturalista dice: «non abbiamo ancora trovato il meccanismo naturale». Se le prove indicano un inizio dell’universo, il naturalista dice: «forse c’era qualcosa prima che non conosciamo». Se le prove indicano che l’informazione richiede intelligenza, il naturalista dice: «forse esiste un processo naturale che non abbiamo ancora scoperto». In ogni caso, la fede nel naturalismo viene preservata intatta — non dalle prove, ma nonostante le prove.

Come ha osservato il biologo molecolare Richard Lewontin — un evoluzionista convinto, non un teorico dell’ID — con una sincerità disarmante: «Ci schieriamo dalla parte della scienza nonostante l’evidente assurdità di alcune delle sue costruzioni, nonostante il suo fallimento nel soddisfare molte delle sue stravaganti promesse… perché abbiamo un impegno preliminare, un impegno verso il materialismo. Non è che i metodi e le istituzioni della scienza ci obblighino in qualche modo ad accettare una spiegazione materiale del mondo fenomenico, ma, al contrario, è che siamo obbligati dalla nostra adesione a priori alle cause materiali a creare un apparato investigativo e un insieme di concetti che producano spiegazioni materiali, non importa quanto controintuitive, non importa quanto mistificanti per i non iniziati. Inoltre, quel materialismo è assoluto, perché non possiamo permettere un Piede Divino sulla soglia».

Lewontin ammette apertamente ciò che di solito viene negato: il naturalismo non è il risultato delle prove, ma un «impegno preliminare» — un presupposto filosofico che determina ciò che la scienza è autorizzata a trovare. Questo non è metodo scientifico. È fede materialista.

La citazione di Lewontin è rivelatrice anche per un altro motivo: egli ammette che il materialismo è «assoluto» e che «non possiamo permettere un Piede Divino sulla soglia». Non dice «le prove escludono un Piede Divino». Dice «non possiamo permetterlo». La scelta è filosofica, non scientifica. È una decisione presa prima di guardare le prove — e mantenuta indipendentemente da ciò che le prove mostrano.

Questo è esattamente ciò che Dembski intende quando scrive che «il naturalismo è diventato la posizione predefinita per ogni indagine seria nella cultura occidentale». Non perché sia stato dimostrato vero, ma perché è stato adottato come regola del gioco accademico. L’aneddoto del matematico Laplace è emblematico. Quando Napoleone gli chiese quale ruolo avesse Dio nel suo modello cosmologico, Laplace rispose: «Sire, non ne ho bisogno». Questa risposta è diventata il motto del naturalismo — ma nasconde un’ambiguità cruciale. Laplace diceva che il suo modello matematico non aveva bisogno dell’ipotesi di Dio per funzionare tecnicamente. Non diceva che l’universo non ha bisogno di Dio per esistere. Un architetto non ha bisogno di menzionare l’esistenza della gravità nei suoi progetti, ma questo non significa che la gravità non esista. Il fatto che un modello scientifico funzioni senza menzionare Dio non dimostra che Dio non esista — dimostra solo che il modello è uno strumento descrittivo, non una spiegazione ultima.

13. Come il naturalismo ha conquistato la scienza: una storia di filosofia, non di prove

Per capire come siamo arrivati a questa situazione — in cui un presupposto filosofico indimostrabile viene trattato come l’unica posizione «scientifica» — bisogna ripercorrere una storia che la maggior parte delle persone ignora completamente. È una storia in cui la scienza moderna nasce sotto presupposti teistici, prospera per secoli sotto quei presupposti, e viene poi gradualmente cooptata da una filosofia materialista che si impone non attraverso scoperte scientifiche, ma attraverso un cambiamento culturale.

I fondatori della scienza moderna erano teisti. Non teisti «di facciata», che credevano in Dio per convenzione sociale ma praticavano la scienza in modo naturalistico. Erano teisti convinti che intrecciavano esplicitamente la loro fede nelle loro opere scientifiche, trovando nella natura i segni di un Creatore razionale.

Isaac Newton (1643–1727), probabilmente il più grande scienziato di tutti i tempi, formulò espliciti argomenti di progettazione nelle sue opere scientifiche principali. Nei Principia Mathematica, dopo aver esposto la legge di gravitazione universale, dichiarò apertamente: «E così tanto riguardo a Dio; parlare del quale dalle apparenze delle cose, appartiene certamente alla filosofia naturale». Per Newton, discutere di Dio sulla base delle evidenze del mondo fisico era parte integrante della scienza, non una deviazione da essa. Nell’Opticks, Newton scrisse: «Come mai i corpi degli animali sono stati costruiti con tanta arte, e per quali scopi sono state create le loro diverse parti? L’occhio è stato creato senza abilità nell’ottica e l’orecchio senza conoscenza dei suoni?». Newton sviluppò anche quattro principi metodologici nei Principia, tra cui una versione del principio di vera causa: «Non si devono ammettere più cause delle cose naturali di quante siano vere e sufficienti a spiegare i loro fenomeni». Per Newton, la vera causa poteva essere tanto naturale quanto intelligente — l’importante era che fosse adeguata a spiegare i fenomeni.

Giovanni Keplero (1571–1630), il fondatore dell’astronomia moderna e scopritore delle leggi del moto planetario, era ancora più esplicito. Keplero era convinto che «Dio voleva che riconoscessimo» le leggi della natura e che Dio «ci creò a sua immagine e somiglianza, in modo che potessimo partecipare ai suoi pensieri». Per Keplero, l’indagine scientifica era letteralmente un atto di adorazione: scoprire le leggi matematiche del cosmo significava leggere i pensieri del Creatore. «Lo scopo principale di tutte le indagini del mondo esterno», scrisse Keplero, «dovrebbe essere quello di scoprire l’ordine razionale che Dio ha imposto ad esso, e che ci ha rivelato nel linguaggio della matematica».

Robert Boyle (1627–1691), il padre della chimica moderna, fondò le celebri «Boyle Lectures» proprio per dimostrare la compatibilità tra scienza e teismo. Niccolò Copernico (1473–1543) era un canonico della Chiesa cattolica. Galileo Galilei (1564–1642), nonostante il suo conflitto con le autorità ecclesiastiche, rimase un cattolico devoto per tutta la vita e non vide mai contraddizione tra la scienza e la fede in Dio. Michael Faraday (1791–1867), il fondatore dell’elettromagnetismo, era un cristiano sandemaniano profondamente devoto.

Come ha documentato lo storico della scienza David C. Lindberg, questa integrazione tra scienza e teismo non è un’invenzione del XVII secolo. Risale al Medioevo: già nel XII secolo, importanti teologi cristiani — Guglielmo di Conches, Abelardo di Bath, Onorio di Autun, Bernardo Silvestre — cercavano spiegazioni naturali per i fenomeni del mondo. Lindberg osserva che, sebbene differissero nei dettagli, questi pensatori «condividevano una nuova concezione della natura come entità autonoma e razionale, che procede senza interferenze secondo i propri principi». Ma — e questo è il punto cruciale — il loro scopo «non era quello di negare l’azione divina, ma di affermare che Dio opera abitualmente attraverso le forze naturali e che il compito del filosofo è quello di spingere queste forze al loro limite esplicativo». Cercare cause naturali come primo passo dell’indagine, mantenendo aperta la possibilità che certi fenomeni richiedano una spiegazione ulteriore — questa era la posizione originale della scienza occidentale.

Perché il teismo ha reso possibile la scienza. Non è un caso che la scienza moderna sia sorta nell’Europa cristiana e non altrove. La matrice culturale del teismo giudaico-cristiano fornì i presupposti filosofici indispensabili al metodo scientifico — presupposti che altre tradizioni culturali non possedevano.

Il primo presupposto era la razionalità e intelligibilità della natura: la convinzione che un Creatore intelligente avesse ordinato l’universo secondo leggi logiche e matematiche, rendendolo comprensibile alla mente umana. Come ha scritto Albert Einstein: «La cosa più incomprensibile dell’universo è che esso sia comprensibile». Sotto il teismo, questa comprensibilità ha una spiegazione — la Mente del Creatore ha progettato sia l’universo sia la mente umana secondo una struttura razionale comune. Sotto il naturalismo, resta un enigma.

Il secondo presupposto era la contingenza della creazione: a differenza del razionalismo greco, che tentava di dedurre la natura del mondo a priori, la teologia cristiana riteneva che Dio avesse creato il mondo in assoluta libertà — avrebbe potuto creare leggi diverse. Per scoprire le leggi effettive dell’universo, bisognava uscire dalla poltrona e osservare la natura: fare esperimenti, raccogliere dati. La contingenza teologica è la madre dell’empirismo scientifico.

Il terzo presupposto era la regolarità delle leggi di natura: l’idea che le leggi fossero costanti nel tempo e nello spazio, permettendo previsioni affidabili, derivava dalla fede nel carattere fedele e legislatore di Dio. Se il mondo fosse il prodotto del caso cieco, non ci sarebbe ragione di aspettarsi uniformità.

Melissa Cain Travis ha sintetizzato questa visione nella sua «Tesi del Creatore» (Maker Thesis): «Alcune scoperte delle scienze naturali supportano l’ipotesi che dietro l’universo ci sia una Mente con la quale condividiamo una parentela, e suggeriscono che questa Mente ha voluto il successo delle scienze naturali». La scienza rivela una Mente trascendente, e la Mente trascendente rende possibile la scienza.

La transizione: da euristica teista a dogma materialista. Come si è passati da questa visione — in cui la scienza era l’esplorazione razionale di un cosmo creato — alla regola attuale, che vieta per principio qualsiasi riferimento a un’intelligenza? La transizione è avvenuta non attraverso scoperte scientifiche, ma attraverso cambiamenti filosofici.

I primi passi furono compiuti dai filosofi Baruch Spinoza (1632–1677) e Friedrich Schleiermacher (1768–1834), che articolarono una critica naturalistica dei miracoli fondata su un presupposto non dimostrato: che il mondo sia un sistema chiuso di cause naturali. Come nota Dembski, la loro critica pretendeva di dimostrare che i miracoli sono impossibili, ma in realtà dimostrava solo che sono impossibili se si presuppone che la natura sia un sistema chiuso — lasciando completamente aperta la questione metafisica se lo sia davvero.

Nel XIX secolo, il positivismo di Auguste Comte e la teoria darwiniana completarono la transizione. La scienza passò dal considerare le cause naturali come l’opera ordinaria della provvidenza divina a vietare per definizione qualsiasi riferimento a intelligenze o scopi cosmici. Si verificò un salto logico enorme: dal cercare cause naturali come punto di partenza pratico, si passò a escludere per principio ogni causa non naturale. Ciò che era un’utile euristica divenne un dogma — il «naturalismo metodologico».

Ma vale la pena notare che persino il co-scopritore della teoria dell’evoluzione per Selezione naturale, Alfred Russel Wallace (1823–1913), non accettò il naturalismo. Dal 1869, Wallace concluse che «l’intero universo non è meramente dipendente da, ma in realtà è, la volontà di intelligenze superiori o di un’unica Intelligenza Suprema». Per Wallace, l’evoluzione era un fatto, ma era teleologica e rilevabilmente progettata. Secondo la logica dei critici, Wallace avrebbe dovuto smettere di fare scienza. Invece, nel 1876 pubblicò The Geographical Distribution of Animals, considerata l’opera fondante della biogeografia moderna. La convinzione che la natura fosse progettata non fermò la sua ricerca — la motivò.

Ma cosa credono gli scienziati oggi? I dati disponibili raccontano una storia più sfumata — e più rivelatrice — di quanto la narrativa dominante vorrebbe far credere.

Nel 1914, lo psicologo svizzero-americano James Leuba condusse il primo sondaggio sistematico sulle credenze religiose degli scienziati americani. Tra un campione casuale di 1.000 scienziati, Leuba trovò che il 41,8% credeva in un Dio personale (definito come un essere con cui si potesse comunicare attraverso la preghiera, aspettandosi una risposta), il 41,5% non credeva, e il 16,7% si dichiarava agnostico. La comunità scientifica era sostanzialmente divisa a metà. Tra i «grandi scienziati» — l’élite della professione — la percentuale di credenti scendeva al 27,7%, con il 52,7% di non credenti.

Più di ottant’anni dopo, lo storico della scienza Edward Larson e il giornalista Larry Witham replicarono il sondaggio di Leuba, usando le stesse domande con lo stesso numero di scienziati, e pubblicarono i risultati su Nature (1997). Con sorpresa di molti, i risultati erano rimasti sostanzialmente invariati: il 39,3% degli scienziati credeva in un Dio personale, il 45,3% non credeva, e il 14,5% era agnostico. Dopo ottant’anni di progresso scientifico — dalla meccanica quantistica alla biologia molecolare, dal Big Bang alla genetica — la percentuale di scienziati credenti era rimasta praticamente identica. La previsione di Leuba, secondo cui il progresso della scienza avrebbe gradualmente eliminato la fede religiosa tra gli scienziati, si era rivelata completamente sbagliata.

Nel 1998, Larson e Witham ripeterono il sondaggio concentrandosi questa volta sui membri della National Academy of Sciences (NAS) — l’élite assoluta della scienza americana. Qui i risultati furono drasticamente diversi: solo il 7% credeva in un Dio personale, il 72,2% esprimeva incredulità, e il 20,8% era agnostico. Tra i biologi della NAS, la fede scendeva al 5,5%; tra i fisici e gli astronomi al 7,5%. Solo i matematici mantenevano una percentuale relativamente più alta: 14,3%.

Un sondaggio più ampio condotto nel 2009 dal Pew Research Center tra i membri dell’American Association for the Advancement of Science (AAAS) — la più grande associazione scientifica generale del mondo — offrì una fotografia aggiornata. Il 33% degli scienziati AAAS dichiarava di credere in Dio, il 18% in uno spirito universale o potere superiore, e il 41% di non credere in alcuna divinità o potere superiore. Per confronto, nella popolazione americana generale il 83% credeva in Dio, il 12% in uno spirito universale, e solo il 4% non credeva. Gli scienziati erano circa due volte meno credenti della popolazione generale — ma oltre la metà (51%) credeva comunque in qualche forma di divinità o potere superiore. Il sondaggio Pew rivelò anche differenze per specializzazione: i chimici erano i più credenti (41% in Dio), e gli scienziati più giovani (18-34 anni) credevano più degli anziani.

Questi dati raccontano una storia che sfida entrambi gli estremi del dibattito. Da un lato, è falso che «la scienza dimostra che Dio non esiste»: circa il 40% degli scienziati generali crede in un Dio personale oggi come nel 1914, dopo un secolo di rivoluzioni scientifiche senza precedenti. Dall’altro, è vero che l’élite scientifica istituzionale è molto meno credente — solo il 7% nella NAS. Ma questo fatto ammette due interpretazioni molto diverse. L’interpretazione naturalista è che gli scienziati più competenti, avendo una comprensione più profonda della natura, riconoscono che Dio non è necessario. L’interpretazione alternativa è che le istituzioni scientifiche d’élite esercitano una pressione culturale verso il naturalismo — una pressione di conformismo intellettuale in cui dichiarare la propria fede può danneggiare la carriera. Come ha ammesso il presidente della NAS Bruce Alberts al momento del sondaggio: «Ci sono molti membri eccezionali di questa accademia che sono persone molto religiose». Larson e Witham commentarono dryly: «I nostri dati suggeriscono il contrario».

Il caso di Francis Collins — genetista di fama mondiale, direttore del Progetto Genoma Umano e cristiano evangelico dichiarato — è emblematico. Quando il presidente Obama lo nominò direttore dei National Institutes of Health nel 2009, alcuni scienziati e commentatori misero pubblicamente in dubbio che la sua fede religiosa lo rendesse idoneo alla posizione. L’episodio rivela quanto profondamente il naturalismo si sia radicato nella cultura scientifica d’élite: non si obiettava alla competenza di Collins (indiscussa), ma al fatto che un credente potesse dirigere la più importante istituzione scientifica americana. Il messaggio implicito era: la fede è incompatibile con la scienza vera. Ma i dati mostrano che circa metà degli scienziati la pensano diversamente.

Dembski ha colto l’essenza di questa transizione storica: «Non sono state le prove empiriche, ma il potere di una visione metafisica del mondo a spingerci fin dall’inizio ad adottare il naturalismo metodologico». Il naturalismo non ha conquistato la scienza dimostrando la propria superiorità esplicativa. L’ha conquistata conquistando la cultura — e la cultura ha poi imposto il naturalismo alla scienza come regola inviolabile. Ma le regole imposte dalla cultura non sono scoperte scientifiche. Sono decisioni umane. E possono essere cambiate.

E gli scienziati di oggi? È istruttivo confrontare le credenze degli scienziati nel tempo, perché il confronto smonta un mito diffusissimo: che il progresso della scienza abbia reso Dio sempre meno credibile tra gli scienziati.

Nel 1914, lo psicologo svizzero-americano James Leuba condusse il primo sondaggio sistematico sulla fede tra gli scienziati americani, chiedendo a circa 1.000 di loro se credessero in un Dio personale. Trovò la comunità scientifica equamente divisa: il 42% credeva in un Dio personale, il 42% non ci credeva. Più di ottant’anni dopo, nel 1996, lo storico della scienza Edward Larson replicò l’identico sondaggio — le stesse domande, lo stesso numero di scienziati. Il risultato fu sorprendente: il 40% credeva ancora in un Dio personale, il 45% no. In oltre ottant’anni di naturalismo crescente, la fede degli scienziati non si era spostata in modo significativo.

Nel 2009, il Pew Research Center condusse un sondaggio ancora più ampio tra i membri dell’American Association for the Advancement of Science (AAAS), la più grande organizzazione scientifica generale al mondo. I risultati confermano il quadro: il 51% degli scienziati crede in qualche forma di divinità o potenza superiore — specificamente, il 33% crede in Dio e il 18% crede in uno spirito universale o potenza superiore. Il 41% dichiara di non credere in Dio né in alcuna potenza superiore. Per confronto, nel pubblico generale americano il 95% crede in qualche forma di divinità (83% in Dio, 12% in una potenza superiore) e solo il 4% non crede.

Gli scienziati sono dunque meno religiosi del pubblico generale — questo è innegabile. Ma la metà di loro crede ancora in Dio o in una potenza superiore, nonostante operino in un ambiente culturale che tratta il naturalismo come l’unica posizione rispettabile. Il dato si fa ancora più interessante quando si disaggrega per disciplina e per età. I chimici sono i più propensi a credere in Dio (41%), seguiti dai geologi e dai biologi. E — fatto significativo — gli scienziati più giovani (18-34 anni) sono più propensi a credere in Dio o in una potenza superiore rispetto ai colleghi più anziani.

Il dato più rivelatore, però, riguarda l’élite. Quando Larson e Witham estesero il sondaggio nel 1998 ai membri della National Academy of Sciences — il vertice dell’establishment scientifico americano — il quadro cambiò drasticamente: solo il 7% credeva in un Dio personale, mentre il 72,2% era ateo dichiarato. Il confronto è eloquente: tra gli scienziati comuni, il 40% crede in Dio; tra l’élite accademica, solo il 7%. Questa discrepanza suggerisce che la Selezione ai vertici dell’establishment scientifico non avviene solo sulla base del merito, ma anche sulla base dell’adesione — conscia o inconscia — alla visione naturalistica del mondo. Come ha ammesso candidamente il genetista Richard Lewontin, c’è un «impegno preliminare verso il materialismo» che funziona come filtro culturale.

Il punto è questo: la narrazione secondo cui «la scienza ha reso Dio superfluo» non corrisponde a ciò che gli scienziati stessi pensano. La metà degli scienziati americani crede in Dio o in una potenza superiore. Il naturalismo non è il prodotto delle scoperte scientifiche — è un filtro culturale che opera sulla comunità scientifica dall’alto verso il basso, premiando chi si conforma e marginalizzando chi non lo fa.

I dati sull’affiliazione religiosa confermano questa dinamica di filtro. Secondo il Pew, il 48% degli scienziati AAAS si dichiara senza affiliazione religiosa (ateo, agnostico o «niente in particolare»), contro il 17% del pubblico generale. Solo il 4% degli scienziati si identifica come protestante evangelico, contro il 28% della popolazione. Solo il 10% è cattolico, contro il 24%. L’unica eccezione notevole sono gli ebrei: l’8% tra gli scienziati, contro il 2% della popolazione. Il quadro che emerge non è quello di una comunità che ha «scoperto» che Dio non esiste attraverso le proprie ricerche. È quello di una comunità che seleziona preferenzialmente i propri membri tra chi ha già una predisposizione filosofica verso il naturalismo — e che poi presenta questa predisposizione come una conseguenza della scienza, quando ne è in realtà un presupposto.

Un caso emblematico è quello di Francis Collins. Quando nel 2009 il presidente Obama lo nominò direttore dei National Institutes of Health — la posizione scientifica più visibile degli Stati Uniti — numerosi scienziati e commentatori misero pubblicamente in discussione la sua idoneità. Non per incompetenza scientifica: Collins era un genetista di fama mondiale, direttore del Progetto Genoma Umano. Il problema era che Collins era un cristiano evangelico dichiarato, che credeva nei miracoli. Per una parte della comunità scientifica, credere in Dio era di per sé una ragione sufficiente per dubitare dell’idoneità di uno scienziato a dirigere un istituto di ricerca. Collins fu confermato all’unanimità dal Senato, ma l’episodio rivela quanto il naturalismo funzioni come un filtro ideologico nella comunità scientifica: non basta essere uno scienziato eccellente — bisogna anche non credere in Dio, o almeno avere la decenza di non dirlo in pubblico.

14. La vera posizione scientifica: seguire le prove

Se il naturalismo è una fede, qual è l’alternativa? L’alternativa non è sostituire una fede con un’altra. È fare ciò che la scienza dovrebbe sempre fare: seguire le prove dovunque conducano, senza presupposti filosofici che determinino in anticipo il risultato.

La scienza genuina non ha bisogno del naturalismo metodologico. Ha bisogno di un metodo: l’osservazione, la sperimentazione, l’inferenza logica, la verifica. Quando le prove indicano una causa naturale — come nel caso delle maree (gravitazione lunare) o delle malattie infettive (microorganismi) — la scienza identifica una causa naturale. Ma quando le prove indicano una causa intelligente — come nel caso dell’informazione genetica, delle macchine molecolari o del fine-tuning cosmico — la scienza dovrebbe avere la libertà di riconoscerlo, esattamente come fa nelle scienze forensi (chi ha commesso il crimine?), nell’archeologia (questo oggetto è un artefatto?), nel SETI (questo segnale è il prodotto di un’intelligenza?) e nella crittografia (questo messaggio è stato codificato intenzionalmente?).

In tutti questi campi, il rilevamento dell’intelligenza è una pratica scientifica normale, rigorosa e indispensabile. Nessuno accusa un detective di invocare il «criminale tappabuchi» quando conclude che un omicidio è stato commesso da un agente intelligente. Nessuno accusa un archeologo di fare «pseudoscienza» quando distingue una punta di freccia da un sasso. Nessuno accusa gli scienziati del programma SETI di abbandonare la scienza quando cercano segnali intelligenti provenienti dallo spazio. L’unico ambito in cui il rilevamento dell’intelligenza viene sistematicamente vietato è la biologia e la cosmologia — non perché le prove lo richiedano, ma perché il naturalismo lo impone.

E qui emerge l’ironia suprema. Il programma SETI — la ricerca di intelligenza extraterrestre — viene considerato scienza perfettamente legittima. I radiotelescopi del SETI cercano segnali che esibiscano complessità specificata — modelli che non siano spiegabili come rumore cosmico naturale. Se ricevessero una sequenza corrispondente ai primi cento numeri primi, non esiterebbero un istante a concludere che ha un’origine intelligente. Ma il DNA contiene un sistema di codifica infinitamente più sofisticato di qualsiasi segnale che il SETI potrebbe mai sperare di ricevere. Se la stessa logica inferenziale — «la complessità specificata indica un’intelligenza» — è valida per i segnali radio dallo spazio, perché non è valida per il DNA? La risposta non è scientifica. È filosofica: il naturalismo non può permettere un’intelligenza come spiegazione dell’origine della vita, non perché le prove lo escludano, ma perché la filosofia lo vieta.

Il disegno intelligente — inteso come deduzione logica, filosofica e metafisica basata su dati scientifici — propone semplicemente di applicare alla biologia e alla cosmologia lo stesso metodo logico che si applica in ogni altro campo: l’inferenza abduttiva, l’inferenza alla miglior spiegazione. Se la miglior spiegazione per l’informazione nel DNA è una causa intelligente, allora la scienza dovrebbe poterlo dire. Se la miglior spiegazione per il fine-tuning cosmico è un progetto, allora la scienza dovrebbe poterlo riconoscere. Non per dogma, non per fede, ma perché è ciò che le prove indicano.

Riconoscere i limiti dell’ID. L’onestà intellettuale — che è il fondamento della credibilità di questo sito — richiede di riconoscere apertamente ciò che l’ID non è e non può fare. L’ID non è falsificabile nel senso classico di Popper: non è possibile progettare un esperimento che dimostri in modo definitivo l’assenza di un progettista. Il progettista ipotizzato dall’ID è un’entità non osservabile con i metodi della scienza sperimentale: non possiamo identificarlo, misurarlo, descriverlo. In archeologia conosciamo i progettisti — sono umani — e possiamo verificare le nostre inferenze. Nell’ID, il progettista resta al di là della portata diretta dell’indagine empirica. Questi limiti ne restringono la classificazione come «teoria scientifica» in senso stretto. Ma — ed è qui che emerge il doppio standard — non ne invalidano le argomentazioni.

Il doppio standard. Perché l’ID viene escluso dal dibattito scientifico per la sua non falsificabilità, mentre altre ipotesi affette dagli stessi limiti vengono accettate senza obiezioni? La teoria delle stringhe opera a scale di energia (1019 GeV) che nessun acceleratore costruibile potrà mai raggiungere, e dopo oltre trent’anni di ricerca non ha prodotto una singola previsione verificabile. L’ipotesi del multiverso postula infiniti universi paralleli che sono, per definizione, inosservabili. L’abiogenesi — la nascita spontanea della vita dalla materia inerte — non è mai stata riprodotta in laboratorio: nessun esperimento ha mai generato una cellula vivente da componenti non viventi. Anche la macroevoluzione — la transizione da un piano corporeo a un altro — non è mai stata osservata direttamente né riprodotta sperimentalmente: le transizioni vengono inferite dal registro fossile e dalla comparazione genetica, attraverso lo stesso ragionamento abduttivo che l’ID utilizza. Nessuna di queste teorie viene esclusa dal dibattito scientifico per la sua non falsificabilità. Solo l’ID riceve questo trattamento. Se il criterio è la falsificabilità, allora va applicato a tutti — e molte teorie accettate dal mainstream dovrebbero essere escluse insieme all’ID. Se il criterio non è la falsificabilità, allora l’esclusione dell’ID non è basata su un principio scientifico — è basata su un pregiudizio filosofico.

Come ha scritto Stephen Meyer, la vera scienza storica non deve chiedersi «qual è il miglior scenario materialistico?» ma semplicemente «cosa ha effettivamente causato questo fenomeno?». Il metodo corretto è quello dell’uniformitarismo, formulato dal geologo Charles Lyell: spiegare gli eventi del passato facendo riferimento a «cause attualmente in funzione». E l’intelligenza è una causa attualmente in funzione — la nostra esperienza quotidiana lo conferma ogni volta che scriviamo un messaggio, progettiamo un oggetto o risolviamo un problema. Se l’intelligenza è l’unica causa nota capace di produrre informazione funzionale e specificata, allora invocarla come spiegazione dell’informazione nel DNA non è «anti-scientifico» — è l’applicazione più rigorosa possibile del metodo scientifico.

I fondatori della scienza moderna — come abbiamo visto nella sezione precedente — non avevano alcun problema a riconoscere segni di intelligenza nella natura. Non era un ostacolo alla scienza: era la sua motivazione. Il naturalismo metodologico, imposto negli ultimi due secoli, ha rovesciato questa prospettiva — non sulla base di nuove scoperte, ma sulla base di un cambio di filosofia.

E questo cambiamento filosofico ha un nome preciso. Come ha scritto Dembski: «L’attuale predominio del naturalismo metodologico è un artefatto di una concezione della natura che non solo non è intrinseca al compito della spiegazione scientifica, ma è anche contraria ad esso. Se il nostro obiettivo è una comprensione scientifica integrata e adeguata della realtà piuttosto che una comprensione compartimentata e carente, dobbiamo mantenere un approccio flessibile alle questioni metodologiche e seguire le prove ovunque ci conducano».

Conclusione: chi ha più fede?

Il naturalismo si presenta come la posizione razionale, sobria, scientifica. Il teismo viene presentato come la posizione credulona, ingenua, prescientifica. Ma quando si esamina ciò che ciascuna posizione chiede di credere, il quadro si rovescia.

Il naturalismo chiede di credere che il nulla possa produrre qualcosa, che la materia cieca possa produrre informazione, che l’incoscienza possa produrre coscienza, che l’irrazionalità possa produrre razionalità, che il caos possa produrre ordine cosmico di precisione inimmaginabile, e che le leggi che governano tutto questo si spieghino da sole. Nessuna di queste cose è mai stata osservata, dimostrata o spiegata.

Il teismo chiede di credere che dietro l’universo ci sia un’intelligenza — e questa credenza è supportata da ogni singola evidenza che abbiamo: dal fatto che l’universo ha un inizio, dal fatto che è finemente calibrato, dal fatto che contiene informazione, dal fatto che ospita coscienza e razionalità, dal fatto che è governato da leggi matematiche eleganti.

Non si tratta di scegliere tra scienza e fede. Si tratta di riconoscere che il naturalismo è esso stesso una fede — una fede nelle capacità della materia cieca che non è mai stata supportata da prove. E che la vera posizione scientifica è quella che segue le prove dovunque conducano, senza imporre alla realtà il vincolo di un presupposto filosofico presentato come metodo.

La prossima volta che qualcuno vi dirà che «la scienza ha dimostrato che non c’è bisogno di Dio», chiedetegli: chi ha dimostrato che il nulla può produrre qualcosa? Chi ha dimostrato che la materia cieca può generare informazione? Chi ha dimostrato che l’incoscienza può produrre coscienza? Chi ha dimostrato che le leggi della natura si spiegano da sole? La risposta è: nessuno. Non è mai stato dimostrato. È stato presupposto. E presupporre non è dimostrare — è credere.

Come ha scritto William Dembski: «L’unico modo in cui il naturalismo può essere falso è se la realtà è in realtà un luogo molto più ricco di quanto il naturalismo permetta. L’unico modo per confutare il naturalismo è dimostrare che le cause intelligenti sono empiricamente rilevabili». E le cause intelligenti sono empiricamente rilevabili — nell’informazione del DNA, nelle macchine molecolari, nel fine-tuning del cosmo, nell’esistenza stessa della mente razionale che indaga la natura. Il naturalismo non è la cura per la superstizione — è esso stesso un presupposto filosofico che limita l’indagine. Seguire le prove, dovunque conducano, è la vera posizione scientifica.

Concetti chiave

  • Il naturalismo — la convinzione che la natura sia autosufficiente e si spieghi da sé — non è un fatto scientifico: è un presupposto filosofico indimostrabile, funzionalmente equivalente a un atto di fede.
  • Il naturalismo presuppone senza dimostrarlo che qualcosa possa venire dal nulla (ex nihilo), che l’informazione possa emergere dalla materia cieca, che la coscienza possa nascere dall’incoscienza, e che la razionalità possa essere il prodotto di processi irrazionali.
  • La complessità biologica è irriducibile: 20.000 geni producono oltre 100.000 proteine attraverso uno spliceosoma di 170 proteine; il DNA è protetto da un sistema di correzione a tre livelli con 150+ proteine; la cellula minima richiede 473 geni. L’interattoma — la rete di interazioni molecolari — contiene 1079 miliardi di stati possibili in una cellula di lievito e non è codificato nel DNA. Ogni sistema presuppone gli altri — un problema circolare che il naturalismo non ha risolto.
  • L’infinito attuale non esiste nella realtà fisica (Hilbert, Craig): il passato dell’universo non può essere infinito, e quindi l’universo ha un inizio che richiede una causa.
  • Il fine-tuning cosmico è esattamente ciò che ci si aspetterebbe da un progetto intelligente, e non ciò che ci si aspetterebbe dal caso cieco. Il multiverso è un’ipotesi metafisica non testabile invocata per evitare la conclusione del design.
  • L’argomento di Plantinga mostra che il naturalismo evoluzionistico è autoreferenzialmente incoerente: se è vero, non abbiamo ragione di credere che sia vero.
  • Poiché il passato eterno è impossibile, l’universo ha una causa. Questa causa è intelligente o non intelligente — non esiste una terza opzione. Entrambe le posizioni sono atti di fede, ma le evidenze (informazione, fine-tuning, coscienza, razionalità, interattoma) supportano tutte la causa intelligente.
  • La scienza moderna è nata sotto presupposti teistici — Newton, Keplero, Boyle, Faraday erano tutti convinti che la natura fosse l’opera di un Creatore razionale. Il naturalismo metodologico è un’imposizione filosofica tardiva, non un requisito originale della scienza.
  • La vera posizione scientifica non è il naturalismo, ma la disponibilità a seguire le prove dovunque conducano, inclusa l’inferenza a una causa intelligente quando le prove lo richiedono.

Per approfondire

  • Cos’è il Disegno Intelligente e di cosa parla questo sito — l’articolo fondativo di disegnointelligente.it
  • Percorso 1: Introduzione al Disegno Intelligente
  • Percorso 2: L’Informazione Biologica
  • Percorso 3: Il Fine-Tuning Cosmico
  • Percorso 4: Le Macchine Molecolari
  • Percorso 7: Argomenti Filosofici per l’Esistenza di Dio (in preparazione)
  • Percorso 8: Filosofia della Scienza e ID (in preparazione)

Riferimenti

Dembski, W.A. (1999). Intelligent Design: The Bridge Between Science & Theology. InterVarsity Press.

Dembski, W.A., Luskin, C. & Holden, J.M. (eds.) (2021). The Comprehensive Guide to Science and Faith. Harvest House Publishers.

Meyer, S.C. (2021). Return of the God Hypothesis: Three Scientific Discoveries That Reveal the Mind Behind the Universe. HarperOne.

Travis, M.C. (2018). Science and the Mind of the Maker. Harvest House Publishers.

Akerma, K. (2019). The Rational Divine: Philosophical Arguments for God’s Existence.

Craig, W.L. (2008). Reasonable Faith: Christian Truth and Apologetics. 3rd ed. Crossway.

Craig, W.L. e Sinclair, J.D. (2009). “The Kalām Cosmological Argument.” In The Blackwell Companion to Natural Theology, 101-201. Blackwell Publishing.

Plantinga, A. (2011). Where the Conflict Really Lies: Science, Religion, and Naturalism. Oxford University Press.

Nagel, T. (2012). Mind and Cosmos: Why the Materialist Neo-Darwinian Conception of Nature is Almost Certainly False. Oxford University Press.

Axe, D.D. (2004). “Estimating the Prevalence of Protein Sequences Adopting Functional Enzyme Folds.” Journal of Molecular Biology, 341, 1295-1315.

Wang, E.T. et al. (2008). “Alternative Isoform Regulation in Human Tissue Transcriptomes.” Nature, 456, 470-476.

Wahl, M.C., Will, C.L. e Lührmann, R. (2009). “The Spliceosome: Design Principles of a Dynamic RNP Machine.” Cell, 136(4), 701-718.

Dixon, J.R. et al. (2012). “Topological Domains in Mammalian Genomes Identified by Analysis of Chromatin Interactions.” Nature, 485, 376-380.

Rao, S.S.P. et al. (2014). “A 3D Map of the Human Genome at Kilobase Resolution Reveals Principles of Chromatin Looping.” Cell, 159(7), 1665-1680.

Sällman Almén, M. et al. (2009). “Mapping the Human Membrane Proteome.” BMC Biology, 7, 50.

Freeland, S.J. e Hurst, L.D. (1998). “The Genetic Code Is One in a Million.” Journal of Molecular Evolution, 47, 238-248.

Itzkovitz, S. e Alon, U. (2007). “The Genetic Code Is Nearly Optimal for Allowing Additional Information Within Protein-Coding Sequences.” Genome Research, 17(4), 405-412.

Wood, R.D., Mitchell, M. e Lindahl, T. (2005). “Human DNA Repair Genes.” Mutation Research, 577(1-2), 275-283.

Hutchison, C.A. et al. (2016). “Design and Synthesis of a Minimal Bacterial Genome.” Science, 351(6280), aad6253.

Tour, J.M. (2023). «An Open Letter to the Origin of Life Research Community.» Conferenze pubbliche e dibattiti presso Rice University e Harvard University.

Tompa, P. e Rose, G.D. (2011). “The Levinthal Paradox of the Interactome.” Protein Science, 20(12), 2074-2079. DOI: 10.1002/pro.747.

Luck, K. et al. (2020). “A Reference Map of the Human Binary Protein Interactome.” Nature, 580, 402-408.

Venkatesan, K. et al. (2009). “An Empirical Framework for Binary Interactome Mapping.” Nature Methods, 6, 83-90.

Kerner, M.J. et al. (2005). “Proteome-wide Analysis of Chaperonin-Dependent Protein Folding in Escherichia coli.” Cell, 122(2), 209-220.

Kunkel, T.A. (2009). “Evolving Views of DNA Replication (In)Fidelity.” Cold Spring Harbor Symposia on Quantitative Biology, 74, 91-101.

Lindberg, D.C. (2007). The Beginnings of Western Science. 2nd ed. University of Chicago Press.

Travis, M.C. (2022). Thinking God’s Thoughts: Johannes Kepler and the Miracle of Cosmic Comprehensibility. Harvest House Publishers.

Newton, I. (1687/1726). Philosophiae Naturalis Principia Mathematica. Trad. A. Motte (1729); trad. B. Cohen e A. Whitman, University of California Press (1999).

Newton, I. (1718). Opticks: Or, a Treatise of the Reflexions, Refractions, Inflexions and Colours of Light. Ristampa, Dover (1952).

Pew Research Center (2009). “Scientists and Belief.” In Religion and Science in the United States. 5 novembre 2009. URL: https://www.pewresearch.org/religion/2009/11/05/scientists-and-belief/

Leuba, J.H. (1916). The Belief in God and Immortality: A Psychological, Anthropological and Statistical Study. Sherman, French & Co.

Larson, E.J. e Witham, L. (1997). “Scientists Are Still Keeping the Faith.” Nature, 386, 435-436.

Larson, E.J. e Witham, L. (1998). “Leading Scientists Still Reject God.” Nature, 394, 313.

Penrose, R. (2004). The Road to Reality: A Complete Guide to the Laws of the Universe. Jonathan Cape.

Chalmers, D. (1996). The Conscious Mind: In Search of a Fundamental Theory. Oxford University Press.

Davies, P. (2007). Cosmic Jackpot: Why Our Universe Is Just Right for Life. Houghton Mifflin.

Lewontin, R. (1997). “Billions and Billions of Demons.” New York Review of Books, 9 gennaio, 28-32.

Krauss, L. (2012). A Universe from Nothing: Why There Is Something Rather than Nothing. Free Press.

Hawking, S. e Mlodinow, L. (2010). The Grand Design. Bantam Books.

Hilbert, D. (1926). “Über das Unendliche.” Mathematische Annalen, 95, 161-190.

Lewis, C.S. (1947). Miracles: A Preliminary Study. Geoffrey Bles.

Borde, A., Guth, A.H. e Vilenkin, A. (2003). “Inflationary Spacetimes Are Incomplete in Past Directions.” Physical Review Letters, 90(15), 151301.

Vilenkin, A. (2006). Many Worlds in One: The Search for Other Universes. Hill and Wang.

Flew, A. con Varghese, R.A. (2007). There Is a God: How the World’s Most Notorious Atheist Changed His Mind. HarperOne.

Pruss, A. (2006). The Principle of Sufficient Reason: A Reassessment. Cambridge University Press.

Loke, A. (2017). God and Ultimate Origins: A Novel Cosmological Argument. Palgrave Macmillan.

Meyer, S.C. (2009). Signature in the Cell: DNA and the Evidence for Intelligent Design. HarperOne.

Behe, M.J. (1996). Darwin’s Black Box: The Biochemical Challenge to Evolution. Free Press.

Denton, M. (1998). Nature’s Destiny: How the Laws of Biology Reveal Purpose in the Universe. Free Press.

ENCODE Project Consortium (2012). “An Integrated Encyclopedia of DNA Elements in the Human Genome.” Nature, 489(7414), 57-74. DOI: 10.1038/nature11247.

I limiti degli algoritmi evolutivi

0

Percorso: L’Informazione Biologica
Modulo 5

Prerequisiti:
Modulo 4
Guida alla lettura
Disclaimer

 


1. Una promessa che il computer non riesce a mantenere

Da quando i computer hanno raggiunto potenze di calcolo sufficienti, i sostenitori dell’evoluzione darwiniana hanno avuto a disposizione uno strumento nuovo per rispondere alle critiche del Disegno Intelligente: il simulatore. Se il problema è dimostrare che processi casuali guidati dalla Selezione possono generare complessità biologica, perché non costruire un programma che lo mostri direttamente?

Questo approccio ha prodotto una serie di programmi diventati celebri: il programma Weasel di Richard Dawkins, il simulatore Avida di Chris Adami, il programma Ev di Tom Schneider, e molti altri. Sono stati presentati come prove computazionali che l’evoluzione darwiniana può generare complessità specificata senza alcun intervento intelligente.

Robert Marks, William Dembski e Winston Ewert — matematici, ingegneri e informatici con pubblicazioni peer-reviewed in riviste IEEE — hanno esaminato questi programmi con strumenti analitici precisi. La loro conclusione, sviluppata nel campo che hanno chiamato informatica evolutiva, è univoca: ogni simulatore che produce risultati complessi e funzionali lo fa perché il programmatore intelligente ha inserito informazione nel sistema prima che la simulazione iniziasse. I computer non dimostrano che l’evoluzione genera informazione dal nulla. Dimostrano il contrario: che senza informazione pre-programmata, non emerge nulla di funzionale.

È utile contestualizzare questo campo di ricerca nella storia più ampia dell’informatica. L’idea di simulare la vita al computer affonda le radici nell’alba stessa della disciplina. Nel 1936 Alan Turing formulò la nozione di «macchina di Turing», fondamento teorico di ogni computazione; negli ultimi anni della sua vita si dedicò anche a modelli matematici per la morfogenesi biologica (il suo articolo del 1952 The Chemical Basis of Morphogenesis è un classico). Negli anni Quaranta e Cinquanta John von Neumann sviluppò la teoria degli «automi autoreplicanti», esplorando matematicamente le condizioni minime per cui un sistema può riprodursi. Nel 1975 John Holland, informatico dell’Università del Michigan, pubblicò Adaptation in Natural and Artificial Systems — l’opera che introdusse formalmente gli algoritmi genetici, tecniche ispirate all’evoluzione biologica usate per risolvere problemi complessi di ottimizzazione in ingegneria. È da questa tradizione accademica seria che nascono i simulatori successivi. Ma negli anni Ottanta e Novanta, quando i personal computer si diffusero, le simulazioni evolutive uscirono dall’ambito strettamente tecnico per entrare nella divulgazione scientifica, diventando strumenti retorici nelle mani di autori darwinisti che volevano mostrare «visivamente» al grande pubblico il potere creativo di mutazione e selezione.

Il programma di ricerca di Marks, Dembski ed Ewert nasce come risposta analitica a questa stagione di simulazioni divulgative. I tre studiosi hanno fondato nel 2007 l’Evolutionary Informatics Lab (con sede virtuale su evoinfo.org), un’iniziativa che merita di essere inquadrata istituzionalmente. Robert J. Marks II è Distinguished Professor di ingegneria elettrica e informatica presso la Baylor University, Fellow dell’Institute of Electrical and Electronics Engineers (IEEE) — la più importante associazione mondiale di ingegneri e informatici — e autore di oltre 300 pubblicazioni peer-reviewed in campi come reti neurali, elaborazione del segnale, teoria dell’informazione. William A. Dembski, come abbiamo visto nei Moduli precedenti, è matematico con PhD all’Università di Chicago e filosofo con PhD all’Università dell’Illinois a Chicago. Winston Ewert è ingegnere informatico con PhD alla Baylor. Il gruppo ha pubblicato numerosi studi peer-reviewed sulle IEEE Transactions on Systems, Man, and Cybernetics — una delle riviste più prestigiose al mondo nel campo dei sistemi computazionali — e in atti di conferenze IEEE come l’International Conference on Systems, Man, and Cybernetics. Questo è un punto importante da fissare: l’informatica evolutiva dell’ID è una disciplina accademica pienamente inserita nelle riviste ingegneristiche mainstream, non un’iniziativa divulgativa ai margini del dibattito scientifico.


2. Il teorema «No Free Lunch»: nessun algoritmo è gratuito

Nel 1997, i matematici David Wolpert e William Macready dimostrarono un risultato noto come «No Free Lunch» — «nessun pranzo gratis»: considerando la media su tutti i possibili problemi di ricerca, nessun algoritmo di ricerca funziona meglio di una ricerca casuale cieca.

Per capire cosa significa, immaginiamo di dover trovare un oggetto nascosto in una stanza. Se non sappiamo nulla sulla struttura della stanza, qualsiasi strategia vale quanto qualsiasi altra in media. Solo se abbiamo informazioni sulla struttura dello spazio di ricerca — se sappiamo che l’oggetto è probabilmente vicino alla finestra — una strategia intelligente supera la ricerca casuale.

Il teorema formalizza questa intuizione: un algoritmo può superare la ricerca casuale in un problema specifico solo se contiene, incorporata nella sua struttura, informazione sulla struttura del problema stesso. I vantaggi in certi problemi sono esattamente compensati da svantaggi in altri. Non esiste un algoritmo universalmente superiore.

La conseguenza è immediata: chi vuole un algoritmo che funzioni bene su problemi specifici deve pagare il prezzo di incorporare conoscenza specifica. E quella conoscenza deve venire da qualche parte.

L’articolo originale di Wolpert e Macready — No Free Lunch Theorems for Optimization — fu pubblicato sulle IEEE Transactions on Evolutionary Computation nel 1997 ed è oggi uno dei risultati fondamentali della teoria dell’ottimizzazione. La dimostrazione è puramente matematica: non dipende da assunzioni biologiche o filosofiche, vale per qualsiasi algoritmo iterativo che esplori uno spazio di soluzioni. I due autori hanno mostrato formalmente che mediando le prestazioni su tutti i possibili paesaggi di fitness, le prestazioni di qualunque algoritmo di ricerca — inclusi gli algoritmi genetici, inclusi gli algoritmi evolutivi con selezione — coincidono esattamente con le prestazioni della ricerca casuale cieca. Non c’è vantaggio possibile «in media». Se un algoritmo eccelle su certe classi di paesaggi, deve necessariamente essere peggiore della media su altre classi — in modo che il bilancio complessivo si azzeri. Questo risultato tecnico ha implicazioni profonde che i suoi stessi autori hanno esplicitato: perché un algoritmo di ottimizzazione funzioni meglio del caso su un problema specifico, deve contenere informazione a priori sulla struttura del problema. L’informazione non può essere estratta dal nulla: deve essere immessa dal progettista dell’algoritmo.

L’estensione del NFL al problema dell’evoluzione biologica è l’operazione compiuta da Dembski e Marks nei loro libri — No Free Lunch (2002) e Introduction to Evolutionary Informatics (2017). Se consideriamo l’evoluzione darwiniana come un algoritmo di ricerca che esplora lo spazio delle sequenze genomiche alla ricerca di sequenze proteiche funzionali, il NFL ha una conseguenza diretta: l’evoluzione non può essere un algoritmo efficiente «in generale». Può funzionare bene solo se opera in un paesaggio di fitness strutturato in modo favorevole — e la struttura favorevole è essa stessa informazione immessa nel sistema. Dembski e Marks osservano che la selezione naturale cumulativa — quel meccanismo che in uno scenario darwiniano dovrebbe trasformare variazioni casuali in complessità specificata — funziona solo in presenza di un paesaggio di fitness che premia i passaggi graduali verso una funzione. Ma quel paesaggio è una risorsa informativa: non è dato gratis.

Alcuni critici hanno contestato l’applicazione del NFL alla biologia. Il matematico svedese Olle Häggström, tra i più noti, ha argomentato che i teoremi NFL assumono una media uniforme su tutti i paesaggi di fitness matematicamente possibili, mentre la natura opera su un sottoinsieme ristretto di paesaggi «fisicamente realistici»: non tutti i paesaggi matematici sono realizzabili in natura, e il NFL non si applicherebbe quindi in senso stretto alla biologia reale. La risposta di Dembski e Marks, sviluppata nei loro paper IEEE, è un esempio elegante di come rovesciare un’obiezione. Ammettere che l’evoluzione operi solo in certi paesaggi favorevoli — scrivono — significa ammettere che lo spazio di ricerca è stato ristretto. Ma restringere lo spazio è esattamente immettere informazione a monte: richiede di specificare quali paesaggi sono «fisicamente realistici» e quali no, e questa specificazione è una fonte di informazione attiva. L’obiezione di Häggström, lungi dal dissolvere il problema, lo sposta semplicemente a un livello diverso — dal paesaggio iniziale alla sua restrizione — e il deficit informativo riappare a quel livello. Questo stesso tipo di «spostamento» è oggetto del problema della «ricerca della ricerca» che vedremo nella sezione 8.


3. L’informazione attiva: misurare l’intelligenza nascosta

Marks e Dembski hanno sviluppato un concetto preciso per quantificare la conoscenza che un programmatore incorpora in un algoritmo evolutivo: l’informazione attiva.

L’idea di base: confrontiamo una ricerca casuale cieca con un algoritmo evolutivo che usa mutazione e Selezione. Se l’algoritmo ha più successo, questa differenza deve avere una causa — l’informazione che il programmatore ha inserito: la definizione dell’obiettivo di fitness, la struttura delle mutazioni ammesse, i parametri di Selezione.

Matematicamente: I+ = −log2(p/q), dove p è la probabilità di successo della ricerca casuale e q quella dell’algoritmo assistito. Più l’algoritmo supera la ricerca casuale, maggiore è l’informazione attiva — e quindi maggiore è l’informazione che il progettista ha dovuto inserire.

Il punto cruciale: l’informazione attiva non emerge durante la simulazione. Deve essere inserita prima. È il progettista del programma che decide quale sequenza costituisce un risultato migliore, quali mutazioni sono ammesse, come funziona la Selezione. Quella conoscenza è la fonte dell’informazione che il simulatore produce. Il simulatore non crea informazione: la esprime.

Il concetto di informazione attiva ha ricevuto la sua formulazione peer-reviewed nel paper del 2009 di Dembski e Marks, Conservation of Information in Search: Measuring the Cost of Success, pubblicato sulle IEEE Transactions on Systems, Man, and Cybernetics. L’articolo è una derivazione rigorosa dalla teoria dell’informazione di Shannon. La formula I+ = −log2(p/q) ha una struttura familiare a chi conosce Shannon: è un logaritmo di un rapporto di probabilità, identico nella forma a come Shannon misurava l’informazione. Il significato è il seguente. Se p è la probabilità di successo di una ricerca cieca e q è la probabilità di successo di un algoritmo informato, allora I+ misura quanti bit di informazione l’algoritmo ha dovuto ricevere per raggiungere la sua performance superiore. Se q = p (l’algoritmo non fa meglio del caso), I+ = 0: nessuna informazione attiva. Se q >> p (l’algoritmo ha successo garantito dove il caso non potrebbe), I+ diventa grande — quantifica in bit la conoscenza che il programmatore ha dovuto incorporare.

Il gruppo dell’Evolutionary Informatics Lab ha applicato questa metrica sistematicamente ai principali simulatori evolutivi presentati come «dimostrazioni» del darwinismo. Le analisi — Ev di Schneider, Avida di Lenski-Adami, il programma di ottimizzazione alberi di Steiner di David Thomas, gli algoritmi genetici di varie implementazioni — rivelano sempre lo stesso pattern: l’informazione attiva misurata è esattamente pari (o superiore) all’informazione apparentemente «prodotta» dal simulatore. Non c’è mai un guadagno netto. Il simulatore ridistribuisce informazione pre-esistente; non ne crea di nuova. Questa osservazione, ripetuta su decine di casi, è il fondamento empirico della Legge di Conservazione dell’Informazione — un principio che gli autori considerano analogo, nel dominio della teoria dell’informazione, alla conservazione dell’energia in termodinamica. Così come non si può costruire una macchina a moto perpetuo che produca energia dal nulla, non si può costruire un algoritmo che produca informazione specificata dal nulla.

Marks e Dembski formalizzano questo nella Legge di Conservazione dell’Informazione: i processi fisici e computazionali non possono generare informazione complessa specificata dal nulla. Possono trasmettere, elaborare, riorganizzare o degradare informazione già esistente, ma non crearne di nuova.


4. Il programma Weasel: l’evoluzione verso un bersaglio segreto

Il caso più celebre è il programma Weasel di Dawkins, descritto in L’orologiaio cieco (1986). Si parte da una sequenza casuale di ventotto caratteri. A ogni generazione, la sequenza viene «mutata» producendo varianti, tra cui viene selezionata quella più simile a una frase bersaglio: «METHINKS IT IS LIKE A WEASEL» — una citazione da Amleto di Shakespeare. Il processo raggiunge il bersaglio in poche decine di generazioni, mentre un tentativo puramente casuale avrebbe una probabilità di circa 1 su 1040.

La critica è chirurgica. Il programma incorpora informazione attiva in due modi. Il primo: la definizione del bersaglio — il programma «sa» qual è la frase obiettivo. Il secondo: il criterio di Selezione premia la vicinanza a un obiettivo futuro predefinito — teleologia pura, non darwinismo.

La Selezione naturale non ha memoria del futuro: conserva solo ciò che produce un vantaggio immediato. Nel programma Weasel, ogni variante con una lettera giusta nella posizione giusta viene premiata, anche se le lettere sbagliate nelle altre posizioni la renderebbero biologicamente inutile. Il programma non genera informazione: esprime l’informazione che Dawkins ha già inserito.

I dettagli tecnici del programma aiutano a vedere quanto esso sia teleologico. Dawkins partiva da una sequenza casuale di 28 caratteri — scelta tra le 26 lettere maiuscole dell’alfabeto inglese più lo spazio, per un totale di 27 simboli possibili per posizione. A ogni generazione il programma produceva circa 100 «copie» della sequenza corrente, ciascuna con piccole mutazioni casuali. Di queste 100 varianti, il programma selezionava quella più simile alla frase bersaglio «METHINKS IT IS LIKE A WEASEL» e la usava come «genitore» per la generazione successiva. Il criterio di somiglianza era la distanza di Hamming: si contavano quante posizioni della variante coincidono con le posizioni corrispondenti del bersaglio. Partendo da stringhe di completo nonsenso — del tipo «WDLTMNLT DTJBKWIRZREZLMQCO P» — Dawkins riportava tipicamente una convergenza sulla frase target in 40-43 iterazioni. La probabilità di ottenere la frase per puro caso al primo tentativo, senza selezione cumulativa, è invece di 1 su 2728, ovvero circa 1 su 1040 — un salto astronomico che Weasel sembrava coprire senza sforzo.

L’analisi di Dembski, Marks ed Ewert identifica con precisione dove si nasconde l’inganno. L’intero successo del programma dipende dalla distanza di Hamming come funzione di fitness — cioè da un oracolo che misura costantemente, a ogni generazione, quanto la sequenza corrente si avvicini alla frase target. Senza quell’oracolo, senza la conoscenza preventiva del bersaglio finale, Weasel non funziona: la selezione cumulativa non avrebbe un criterio per distinguere una variante «migliore» da una «peggiore». L’informazione attiva — quella contenuta nella distanza di Hamming — spiega interamente il successo dell’algoritmo. Non c’è creazione di informazione: c’è estrazione di informazione che il programmatore ha inserito.

Posto di fronte a queste critiche ripetute negli anni, Dawkins stesso ha finito per ammettere che Weasel era «fuorviante in modi importanti» e che serviva «solo a scopo didattico» — come illustrazione della differenza tra selezione a singolo passaggio e selezione cumulativa, non come simulazione fedele dell’evoluzione biologica. Ha riconosciuto che la selezione naturale reale non ha un obiettivo a lungo termine predefinito. Ma questa ammissione, notano gli autori ID, non salva la tesi originale — la svuota. Se Weasel funziona solo perché il bersaglio è pre-impostato, l’esperimento non dimostra che processi ciechi possono generare informazione specificata. Dimostra l’opposto: per far convergere una simulazione verso la complessità, serve un progettista che imposti il traguardo. L’Evolutionary Informatics Lab ha analizzato anche numerose varianti di Weasel proposte nel dibattito pubblico (la «Weasel Ware 2.0» tra queste), varianti che cercavano di nascondere il target esplicito o di camuffarlo come «funzione di fitness naturale». Il risultato è sempre lo stesso: rimuovendo il target esplicito, i programmatori hanno dovuto introdurre informazione attiva a gradini — premi per stadi intermedi, vincoli sui tassi di mutazione, manipolazione delle probabilità di sopravvivenza — che nascondono il target ma non lo eliminano. Il bersaglio latente rimane, solo viene mascherato dentro i parametri del sistema. È uno spostamento, non una soluzione.


5. Il programma Avida: l’evoluzione in un ambiente artificiale

Avida simula «organismi digitali» — piccoli programmi auto-replicanti che competono per risorse di calcolo e accumulano mutazioni. Gli organismi vengono premiati quando acquisiscono la capacità di eseguire operazioni logiche (NOT, AND, OR, fino a EQU). Nel Percorso di migliaia di generazioni, producono organismi con funzioni che i loro antenati non avevano.

Due problemi fondamentali. Il primo: Avida premia esplicitamente le operazioni logiche intermedie — premi artificiali inseriti dal programmatore per guidare l’algoritmo. Quando i ricercatori dell’ID hanno rimosso questi premi intermedi, Avida non ha mai prodotto la funzione complessa EQU. L’intera «evoluzione» dipende dall’informazione attiva inserita sotto forma di premi a gradini.

Il secondo: Avida presuppone già l’auto-replicazione — il sistema di copia del codice operativo è incorporato nel programma prima della simulazione. Ma l’origine di un sistema di replicazione basato su informazione specificata è esattamente il problema più profondo dell’origine della vita. Avida comincia dall’altro lato del problema, dopo che il problema più difficile è già stato risolto — da un programmatore intelligente.

Vale la pena conoscere la storia e il contesto accademico di Avida, perché è stato il più influente dei simulatori evolutivi usati nel dibattito pubblico. Il progetto nacque nel 1993 al California Institute of Technology (Caltech), sviluppato dagli informatici Christoph Adami, Charles Ofria e Titus Brown nel contesto della ricerca sulla vita artificiale. Successivamente il gruppo si trasferì alla Michigan State University, dove Ofria fondò il Digital Evolution Lab (DevoLab) e si unì al biologo evoluzionista Richard Lenski — celebre per il suo Long-Term Evolution Experiment con E. coli — e al filosofo della scienza Robert Pennock. Il progetto ha ricevuto finanziamenti massicci della National Science Foundation, incluso un grant che, sommato ai contributi successivi, ha portato a circa 25 milioni di dollari di sostegno pubblico per la ricerca sulla vita digitale presso la MSU. La rilevanza di Avida è stata anche politica: Pennock testimoniò come «esperto» sulla simulazione al celebre processo Kitzmiller v. Dover del 2005, usando Avida come evidenza contro l’ID.

Il paper chiave che consacrò Avida come «dimostrazione» del darwinismo è di Lenski, Ofria, Pennock e Adami, pubblicato su Nature nel 2003 con il titolo The Evolutionary Origin of Complex Features. L’esperimento descritto era concettualmente semplice. Gli organismi digitali — piccoli programmi eseguibili che processano stringhe di input binarie — venivano messi in competizione in un «ambiente» virtuale, con la capacità di replicarsi (con errori, cioè mutazioni) e di consumare risorse. Il programmatore premiava con risorse extra gli organismi che sviluppavano la capacità di eseguire operazioni logiche: prima le più semplici (NOT, NAND, AND, OR, NOR, XOR), poi quella complessa EQU (XNOR, cioè l’operazione «equivalenza» tra due bit). La scala dei premi era graduale: chi sviluppava NOT prendeva una piccola ricompensa, chi sviluppava NAND una un po’ maggiore, e così via fino alla ricompensa massima per chi sviluppava EQU. Dopo alcune decine di migliaia di generazioni, una frazione significativa delle simulazioni produceva organismi capaci di eseguire EQU — una funzione che, ottenuta per puro caso nello spazio di tutte le configurazioni possibili, avrebbe probabilità circa 1 su 1012. L’articolo di Nature presentava questo risultato come dimostrazione sperimentale che mutazioni casuali e selezione naturale possono superare la «complessità irriducibile» e originare funzioni complesse.

Nel 2009, Winston Ewert, William Dembski e Robert Marks pubblicarono negli atti della IEEE International Conference on Systems, Man, and Cybernetics un paper dal titolo chirurgico: Evolutionary Synthesis of Nand Logic: Dissecting a Digital Organism. L’analisi smonta la pretesa del lavoro originale su Nature. Ewert e colleghi hanno riprodotto Avida e modificato un parametro cruciale: hanno rimosso la scala di premi intermedi, lasciando solo la ricompensa finale per EQU. Il risultato è stato inequivocabile: rimuovendo i premi a gradini, la funzione EQU non emerge mai, neppure dopo un numero arbitrariamente grande di generazioni. L’intera «evoluzione» di EQU dipende dalla struttura graduale dei premi, un’architettura esplicitamente progettata dai programmatori per guidare l’algoritmo dalle funzioni semplici a quella complessa. Quantificando in bit l’informazione attiva contenuta nella scala dei premi, Ewert-Dembski-Marks hanno dimostrato che essa eccede l’informazione prodotta dalla simulazione — non c’è guadagno netto, c’è ridistribuzione di informazione pre-esistente. Avida non mostra che la complessità emerge da processi ciechi; mostra che la complessità emerge quando il programmatore struttura attentamente l’ambiente per guidare l’algoritmo verso la soluzione desiderata.

C’è poi il secondo problema, spesso trascurato perché più sottile. Gli organismi digitali di Avida sono già dotati, dall’inizio della simulazione, di un anello di istruzioni autoreplicante: il codice per fare copie di sé stessi è scritto nel programma prima che la simulazione cominci. Ma il problema più profondo dell’origine della vita è precisamente l’origine di un sistema di replicazione basato su informazione specificata. Presupporre tale sistema significa saltare il problema, non risolverlo. Avida inizia dopo che il problema difficile è stato già risolto — e lo ha risolto un programmatore intelligente, non un processo naturale. In questo senso, la simulazione non è un modello dell’origine della vita, ma al più un modello della microevoluzione adattativa di organismi già viventi. Un modello utile in certi limiti, ma che non può essere presentato come dimostrazione dell’emergere spontaneo della complessità biologica dal nulla.


6. Il programma Ev: la nascita apparente dei siti di legame

Il programma Ev di Tom Schneider simula l’evoluzione dei siti di legame dei fattori di trascrizione. Schneider afferma che dimostra come l’informazione biologica possa emergere spontaneamente, senza obiettivi predefiniti.

L’analisi smonta questa affermazione. Ev usa un «oracolo di Hamming»: un meccanismo interno che misura la distanza tra la sequenza in evoluzione e una sequenza bersaglio predefinita. È la conoscenza dell’obiettivo finale, incorporata dal progettista, che permette la convergenza.

La dimostrazione è quantitativa: l’informazione attiva in Ev è esattamente uguale all’informazione prodotta dalla simulazione. Non c’è guadagno netto. Il programma redistribuisce informazione già esistente senza generarne di nuova.

Vale la pena leggere Ev con qualche dettaglio in più, perché nella comunità scientifica è considerato il più «sofisticato» dei tre simulatori principali. Thomas Schneider, biologo computazionale del National Cancer Institute, pubblicò il programma nel 2000 con un articolo dal titolo eloquente: Evolution of Biological Information, apparso sulla rivista peer-reviewed Nucleic Acids Research (volume 28, numero 14). Il modello simula l’evoluzione dei siti di legame sul DNA per fattori di trascrizione — regioni specifiche che le proteine regolatorie riconoscono per attivare o inibire la trascrizione dei geni. Schneider affermò nel paper che il suo programma parte da «zero informazioni» e mostra inequivocabilmente come la selezione naturale generi nuova informazione biologica — misurata nel senso di Shannon — rapidamente, senza alcun obiettivo predefinito. Questa rivendicazione è ciò che ha reso Ev il simulatore più citato dai critici dell’ID: se Ev avesse davvero ciò che Schneider affermava, sarebbe un controesempio decisivo.

Dembski e Marks, in diversi paper peer-reviewed, hanno dimostrato analiticamente che l’affermazione di Schneider non regge a un esame quantitativo. L’analisi ha identificato due fonti principali di informazione preesistente nel codice. La prima è un calcolatore numerico pre-strutturato che computa continuamente una misura di «qualità» delle sequenze evolute. La seconda, ben più decisiva, è l’oracolo di Hamming: una funzione che misura, a ogni iterazione, quanto la sequenza corrente sia vicina alla sequenza target biologicamente valida. È questo oracolo a fornire all’algoritmo il feedback necessario per convergere: premia mutazioni che avvicinano al bersaglio e penalizza quelle che se ne allontanano. Ma la nozione stessa di «bersaglio» presuppone la conoscenza preventiva del risultato finale. Calcolando rigorosamente l’informazione attiva contenuta nell’oracolo, Dembski e Marks hanno dimostrato che essa è esattamente uguale o superiore all’informazione prodotta dalla simulazione — nessun guadagno netto di informazione, solo ridistribuzione.

Schneider ha difeso il suo programma rispondendo che l’oracolo di Hamming sarebbe «biologicamente realistico» — un’approssimazione legittima di come la selezione naturale operi in natura, premiando sequenze che si avvicinano a una configurazione funzionale. Dembski e Marks hanno contestato l’analogia. In natura, sottolineano, la selezione naturale non ha alcun accesso a una «sequenza target futura»: non premia la vicinanza a un obiettivo a lungo termine, ma solo il vantaggio funzionale immediato di una variante rispetto alle altre. Una variante che sia «genericamente più vicina» a un sito di legame futuro non produce alcun vantaggio se, oggi, non conferisce alcuna funzione biologica misurabile. L’oracolo di Hamming è un artefatto del programmatore, non un’approssimazione della biologia. Rimuoverlo significa rimuovere l’intero motore della convergenza — e Ev senza oracolo di Hamming non funziona. Il programma non dimostra che l’informazione biologica può emergere «da zero»: dimostra che l’informazione biologica può essere redistribuita da una fonte pre-esistente, la quale resta — anche in Ev — il programmatore intelligente.


7. Altri simulatori: uno schema che si ripete

L’analisi si estende ad altri programmi: la sintesi degli alberi di Steiner di David Thomas (incorpora un criterio di ottimalità), le simulazioni di Wilf ed Ewens (presuppongono decomponibilità dello spazio di ricerca), il modello di Metabiologia di Gregory Chaitin (presuppone un oracolo). Il pattern è costante: quando producono risultati funzionali, estraggono informazione attiva inserita nel codice tramite funzioni target, pesi specifici e oracoli. La quantità prodotta non supera mai quella immessa.

Conviene guardare da vicino questi tre casi, perché ciascuno illustra una variante specifica dell’informazione attiva mascherata.

Il caso degli alberi di Steiner è particolarmente istruttivo per la sua trasparenza polemica. Il fisico David Thomas ha sviluppato un algoritmo genetico per risolvere il classico problema dell’albero di Steiner euclideo — trovare la rete di connessione di lunghezza minima per collegare un insieme dato di punti (per esempio, l’infrastruttura stradale più efficiente per connettere un certo numero di città). Thomas presentò il programma come un controesempio esplicito alla nozione di complessità specificata e lanciò una sfida pubblica ai teorici dell’ID: trovate, se potete, il «frontloading» (il caricamento a monte dell’informazione) nel mio codice. Ewert, Dembski e Marks accolsero la sfida e analizzarono il codice sorgente. Trovarono il passaggio chiave — contrassegnato peraltro dallo stesso Thomas con il commento esplicito «over-ride!!!» — in cui il programma scartava i valori generati casualmente per imporre parametri specifici: un numero predefinito di interscambi tra nodi, un’inizializzazione limitata a un’area ristretta della soluzione, vincoli di popolazione. Queste manipolazioni — che Thomas stesso aveva annotato come «override» dei valori casuali — costituivano l’informazione attiva iniettata nel fitness landscape. Senza queste scorciatoie, l’algoritmo non avrebbe convergito sulla soluzione ottimale. Il caso è esemplare perché mostra come anche un programmatore esperto, convinto di aver costruito una simulazione «pulita», in realtà inserisca — consapevolmente o meno — il proprio intento nel codice.

Un caso più sofisticato è quello del paper del matematico Herbert Wilf e del genetista delle popolazioni Warren Ewens, pubblicato nel 2010 nei Proceedings of the National Academy of Sciences con il titolo There’s Plenty of Time for Evolution. Il modello proponeva un argomento quantitativo contro le critiche degli autori ID sui tempi evolutivi: l’evoluzione avrebbe avuto tempo più che sufficiente per generare la complessità biologica, e il paper forniva un calcolo matematico che sembrava dimostrarlo. Per rendere intuitiva la tesi, Wilf ed Ewens ricorrevano all’analogia della «Ruota della Fortuna»: come nel gioco televisivo, si indovinano le lettere di una frase una alla volta, e ogni lettera indovinata correttamente viene «fissata» in posizione, mentre si continuano a provare lettere solo sulle posizioni ancora sbagliate. Con questa strategia, anche frasi molto lunghe richiedono tempi sorprendentemente brevi per essere indovinate. Ewert, Dembski e Marks hanno demolito il modello identificando un presupposto decisivo e mai giustificato: Wilf ed Ewens assumevano uno spazio di ricerca decomponibile, in cui ogni «posizione» del problema può essere risolta indipendentemente dalle altre. Questa assunzione è implementata tecnicamente come un «oracolo di ricerca partizionata»: un meccanismo che a ogni iterazione indica all’algoritmo quali lettere (o bit) sono già corrette — così da congelarle in posizione — mentre continua a mutare solo quelle errate. Si tratta di un’enorme iniezione di informazione attiva che non ha alcun corrispettivo nel meccanismo darwiniano biologico reale. La selezione naturale non ha modo di sapere «quali parti della sequenza sono già corrette e quali no»: tale informazione presuppone già la conoscenza del target. Wilf ed Ewens, in sostanza, hanno dimostrato che l’evoluzione ha tempo sufficiente se viene dotata di un oracolo magico che le dice a ogni passo quali parti della soluzione sono già trovate. Ma l’oracolo magico è esattamente ciò che la biologia reale non possiede.

Il caso più esotico è quello della «Metabiologia» di Gregory Chaitin, matematico di origine argentina-americana noto per i suoi contributi alla teoria algoritmica dell’informazione. Nel libro Proving Darwin del 2012, Chaitin ha proposto un programma di ricerca ambizioso: rendere la biologia «matematica» modellando l’evoluzione come un processo di mutazione di programmi software, la cui fitness corrisponde a quanto i programmi sono capaci di calcolare funzioni complesse. Per rendere praticabile il modello, Chaitin si è servito di un costrutto teorico chiamato «oracolo dell’arresto» (Halting oracle): un dispositivo ipotetico capace di decidere, per ogni programma e ogni input, se quel programma si fermerà o continuerà a girare all’infinito. Con l’aiuto di questo oracolo, Chaitin dimostra che i suoi organismi matematici possono evolvere per calcolare numeri estremamente grandi — i cosiddetti numeri di «Busy Beaver», sequenze di numeri che crescono più velocemente di qualsiasi funzione calcolabile. La critica di Ewert, Dembski e Marks ha due livelli. Il primo è tecnico e radicale: gli oracoli dell’arresto non esistono. Alan Turing ha dimostrato nel 1936 — nel celebre problema della fermata — che nessun algoritmo può decidere in generale se un programma si fermerà o no. Basare un modello dell’evoluzione biologica su un dispositivo la cui inesistenza è matematicamente provata significa costruire un modello di plausibilità fisica nulla: qualunque cosa sia «dimostrata» usando un oracolo dell’arresto non può essere considerata una dimostrazione circa processi reali. Il secondo livello è più generale: quando si analizza la Metabiologia di Chaitin nei termini dell’informazione attiva, tutto il successo dell’algoritmo deriva dall’estrazione di informazione dall’oracolo pre-programmato — non dal processo evolutivo in sé. Chaitin non ha costruito una teoria matematica dell’evoluzione darwiniana: ha costruito una teoria matematica di quanto un algoritmo possa imparare da un oracolo onnisciente. Sono due cose completamente diverse.

Il pattern, come si vede, è costante. Ogni simulatore evolutivo di una certa sofisticazione, quando analizzato con gli strumenti dell’informatica evolutiva, rivela la stessa architettura profonda: un oracolo, una funzione target, una scala di ricompense — in ogni caso una forma di informazione attiva pre-inserita. La quantità prodotta non supera mai quella immessa, e la struttura dell’algoritmo tradisce regolarmente la mano del progettista.


8. Il problema della ricerca della ricerca

Di fronte alle critiche, alcuni propongono che l’evoluzione trovi da sola gli spazi di ricerca più favorevoli — la coevoluzione del paesaggio di fitness. Marks e Dembski rispondono con il problema della ricerca della ricerca (Search for a Search, S4S).

L’argomento è elegante: trovare uno spazio di ricerca favorevole è esso stesso un problema di ricerca. Lo spazio degli spazi di ricerca è ancora più grande dello spazio originale. Trovare casualmente uno spazio favorevole è almeno tanto difficile quanto trovare direttamente la sequenza funzionale. Il deficit informativo riappare ad ogni livello. Non importa quanti livelli di meta-evoluzione si postulino: l’eliminazione del deficit richiede una causa esterna al sistema materiale.

La formalizzazione matematica rigorosa dell’argomento è contenuta nel paper del 2010 di Dembski e Marks, The Search for a Search: Measuring the Information Cost of Higher Level Search, pubblicato sul Journal of Advanced Computational Intelligence and Intelligent Informatics. L’articolo stabilisce un risultato matematico preciso: cercare uno spazio di ricerca favorevole (cioè scegliere tra tutti i possibili paesaggi di fitness quello che permetterà a un algoritmo evolutivo di convergere efficientemente sulla soluzione) è esponenzialmente più costoso, in termini computazionali e informativi, della ricerca originale. Il motivo intuitivo è semplice: lo spazio dei paesaggi di fitness possibili è astronomicamente più grande dello spazio delle soluzioni. Se lo spazio delle sequenze proteiche ha dimensione N, lo spazio di tutti i possibili paesaggi di fitness definiti su quelle sequenze ha dimensione dell’ordine di 2N o superiore. Scegliere casualmente un paesaggio favorevole è, matematicamente, un problema di ricerca più difficile dell’originale.

L’applicazione alla coevoluzione biologica è diretta. I critici dell’ID osservano talvolta che il paesaggio di fitness biologico non è statico: gli organismi modificano il loro ambiente (costruzione di nicchia), che a sua volta modifica le pressioni selettive, generando un processo di «coevoluzione» tra organismi e paesaggio. Forse, suggeriscono, questo processo bidirezionale aggira il problema del NFL e produce da solo i paesaggi favorevoli alla complessità. Dembski e Marks rispondono che anche la transizione tra paesaggi di fitness successivi è essa stessa un processo di ricerca, e deve essere vincolata per produrre complessità. Se le transizioni sono prive di vincoli, il processo non farà meglio di una ricerca cieca. Perché la coevoluzione generi complessità specificata, i vincoli sui passaggi da un paesaggio al successivo devono essere stati attentamente orchestrati — e questa orchestrazione è, di nuovo, informazione. Il deficit non scompare: si sposta semplicemente dal paesaggio di partenza alla sequenza dei paesaggi, senza essere ridotto. Questo argomento matematico è decisivo: nessuna forma di meta-evoluzione, coevoluzione, o evoluzione di ordine superiore può generare informazione dal nulla. La ricerca della ricerca è un problema di ricerca, e la teoria del NFL si applica anche a lei.


9. L’evoluzione come algoritmo di ricerca cieca

Il meccanismo darwiniano — mutazione casuale più Selezione naturale — è formalmente analizzabile come un algoritmo di ricerca nello spazio delle sequenze proteiche. Come algoritmo, è più efficiente della ricerca casuale cieca — ma solo se lo spazio di ricerca ha la struttura giusta: funzioni distribuite in modo continuo e graduale, con ogni piccolo passo verso una funzione migliore che produce un vantaggio selettivo misurabile.

Ma come abbiamo visto Nel Modulo 4, il lavoro di Axe mostra che le sequenze funzionali sono isole isolate in un oceano di non-funzione. Tra un’isola e un’altra non ci sono percorsi graduali. Il meccanismo darwiniano può ottimizzare le sequenze all’interno di un’isola — microevoluzione reale e documentata — ma non può attraversare l’oceano tra le isole. E l’ingresso nella prima isola è fuori dalla portata sia della ricerca casuale sia della Selezione naturale.

È utile vedere la tesi nei suoi termini più forti. Mutazione più selezione è un algoritmo di tipo hill-climbing, di salita della collina: parte da un punto nello spazio delle sequenze e si sposta iterativamente verso punti vicini con fitness più alta. Come tutti gli algoritmi di hill-climbing, è efficiente quando il paesaggio ha la struttura di una collina liscia con un picco chiaro da raggiungere. Ma fallisce sistematicamente in paesaggi con picchi separati da valli profonde — come un arcipelago di isole separate da un oceano. In quei paesaggi, l’algoritmo non può lasciare un’isola locale per cercarne un’altra, perché ogni passo verso l’oceano è un passo verso una fitness più bassa, e la selezione elimina le varianti che scendono. L’algoritmo darwiniano è prigioniero dell’isola su cui si trova. Per spostarsi su un’altra isola servirebbe un salto coordinato attraverso l’oceano — e il processo darwiniano, per costruzione, non fa salti coordinati. I dati empirici di Axe mostrano che la struttura dello spazio proteico è precisamente ad arcipelago, non a collina. La conclusione è forzata: il meccanismo darwiniano può ottimizzare all’interno di un’isola — e infatti osserviamo microevoluzione adattativa ovunque — ma non può costruire nuove isole né saltare da una all’altra.


10. I limiti dell’argomento: cosa l’ID afferma e cosa no

I ricercatori dell’ID non negano che l’evoluzione darwiniana avvenga né che produca risultati reali. Riconoscono la Selezione naturale come meccanismo reale, la resistenza agli antibiotici, i becchi dei fringuelli, gli adattamenti locali.

Ciò che negano è che il meccanismo sia sufficiente a spiegare l’origine di nuova informazione biologica complessa specificata al di sopra di certe soglie probabilistiche. Il limite si applica alla macroevoluzione creatrice — nuovi piani corporei, nuove famiglie di proteine, nuovi sistemi molecolari integrati. Non si applica alla microevoluzione adattativa all’interno di un dato piano corporeo.

Questa distinzione è cruciale. I critici dell’ID confutano spesso le sue tesi mostrando esempi di microevoluzione. Questi esempi non toccano l’argomento centrale, che riguarda l’origine de novo di informazione complessa specificata — non la variazione o degradazione di informazione già esistente.

Vale la pena articolare la distinzione con maggiore precisione, perché è fonte di malintesi ricorrenti. Autori come Meyer, Axe e Behe tracciano un confine netto tra ciò che i processi darwiniani possono fare e ciò che non possono fare. Il darwinismo opera microevoluzione adattativa: ottimizza funzioni preesistenti, seleziona varianti entro popolazioni, modula fenotipi in risposta a pressioni ambientali. Il tutto entro i confini di un’isola di funzionalità già esistente nello spazio delle sequenze. Esempi reali e ben documentati sono il classico melanismo della falena Biston betularia, la resistenza agli antibiotici in E. coli, le variazioni del becco dei fringuelli di Darwin alle Galápagos, la diversità delle razze canine ottenute per allevamento selettivo. Tutti questi processi sono reali e nessun autore ID li contesta. Ma tutti operano all’interno di un repertorio informativo preesistente: modulano l’espressione di geni già presenti, selezionano alleli già disponibili, rompono o disattivano funzioni esistenti per adattarsi a un nuovo ambiente. Come Behe documenta in Darwin Devolves (v. Modulo 4), la maggior parte di questi adattamenti microevolutivi avviene per degradazione funzionale — non per costruzione.

La macroevoluzione creatrice, invece, è un’operazione qualitativamente diversa: richiede la costruzione di nuovi piani corporei, di nuove famiglie di proteine funzionali, di nuovi sistemi molecolari integrati — cioè l’origine di sequenze che non esistevano prima nello spazio informativo dell’organismo. È qui, e solo qui, che gli autori ID sostengono l’insufficienza del meccanismo darwiniano. La differenza non è di grado ma di natura: un conto è ottimizzare una proteina già funzionale, un altro è attraversare l’oceano tra due isole funzionali per costruire una nuova famiglia proteica. Questa distinzione spiega anche perché gli esempi di microevoluzione frequentemente citati dai critici non siano pertinenti al dibattito: non toccano la tesi centrale che è sotto discussione.

Un caso particolare merita attenzione: l’esperimento a lungo termine su E. coli di Richard Lenski presso la Michigan State University — il famoso LTEE, che ha seguito per oltre 70.000 generazioni l’evoluzione di dodici popolazioni di batteri. Uno dei risultati più pubblicizzati è stata la comparsa, dopo circa 31.000 generazioni, della capacità di metabolizzare il citrato in condizioni aerobiche — una funzione che il ceppo ancestrale non possedeva. L’esperimento è stato presentato come prova della capacità creativa del meccanismo darwiniano. Ma l’analisi successiva ha chiarito che la novità era dovuta alla duplicazione e al riarrangiamento di geni già presenti nel genoma batterico, non all’origine de novo di nuove proteine. Il risultato è notevole, ma resta all’interno dello spazio informativo preesistente di E. coli: è microevoluzione, non macroevoluzione. Esempi di questo tipo non invalidano l’argomento dell’informatica evolutiva; lo confermano per contrasto.


11. La risposta all’obiezione del bersaglio mobile

Un’obiezione sofisticata — e che merita risposta onesta — è che la Selezione naturale non ha un obiettivo fisso predefinito, a differenza dei simulatori. Forse il NFL non si applica a questa ricerca «senza bersaglio»?

La risposta opera su due livelli. Il primo è tecnico: il NFL si applica anche agli algoritmi senza bersaglio fisso. Ciò che conta è la struttura del paesaggio di fitness. Se il paesaggio ha la struttura di isole isolate, la Selezione non può fare meglio della ricerca casuale nel tentativo di attraversare l’oceano tra le isole.

Il secondo è biologico: gli organismi complessi richiedono sistemi altamente integrati — come le reti dGRN — che non producono vantaggi selettivi fino a che non sono sufficientemente completi. Una Selezione che opera solo su vantaggi immediati non può guidare la costruzione di questi sistemi. I simulatori che ci riescono lo fanno inserendo surrettiziamente teleologia — il che è palesemente un atto intelligente, non cieco.

L’argomento biologico merita un’espansione, perché le reti regolatrici di sviluppo — developmental Gene Regulatory Networks, o dGRN — costituiscono oggi uno degli ostacoli più seri al gradualismo darwiniano, e la ricerca che le riguarda è relativamente recente. Eric Davidson, biologo molecolare del California Institute of Technology scomparso nel 2015, ha dedicato decenni allo studio di come gli embrioni di animali come il riccio di mare trasformino l’informazione genetica in struttura corporea. Il suo lavoro, consolidato nei libri Genomic Regulatory Systems (2001) e The Regulatory Genome (2006), ha rivelato un’architettura di una complessità prima inimmaginabile. Il piano corporeo di un animale non è specificato dai geni singoli: è specificato da reti di regolazione — insiemi di geni regolatori interconnessi in circuiti logici che controllano quando, dove e con quale intensità altri geni vengono attivati nello sviluppo embrionale. Queste reti sono organizzate gerarchicamente, con un nucleo centrale (chiamato kernel) che definisce l’identità del piano corporeo, e con strati periferici che differenziano tessuti e organi.

Il punto critico per il dibattito evolutivo è stato documentato in un paper di Davidson e Douglas Erwin pubblicato nei Proceedings of the National Academy of Sciences nel 2008-2009. Davidson ed Erwin hanno mostrato che il kernel delle dGRN è altamente integrato: i geni regolatori al cuore della rete sono collegati in modo che una mutazione in uno qualsiasi di essi produce effetti a cascata sull’intero sistema. Il risultato pratico, come osservato empiricamente, è che mutazioni nei geni kernel non producono nuovi piani corporei, ma producono invariabilmente difetti catastrofici dello sviluppo — embrioni malformati o letali. Il kernel è, in termini sistemici, refrattario al cambiamento: non tollera mutazioni incrementali. Stephen Meyer ha integrato questa osservazione nel suo libro Darwin’s Doubt (2013), dedicato all’esplosione cambriana. Il problema è diretto: se la comparsa improvvisa dei maggiori piani corporei animali nell’esplosione cambriana richiedeva la costruzione di nuove reti regolatrici di sviluppo, e se il nucleo di queste reti è mutazionalmente refrattario, allora il meccanismo darwiniano standard non può costruirle gradualmente. Ogni piccola mutazione nel kernel rompe il sistema prima che possa emergere una funzione nuova. È un argomento empirico di peso, che rafforza il punto generale: i sistemi biologici complessi sono fragili rispetto al cambiamento incrementale — proprio come le proteine lo sono rispetto alle mutazioni, secondo i dati di Tawfik visti nel Modulo 4.

Lo stesso principio vale per la complessità irriducibile di sistemi integrati più piccoli ma ugualmente significativi, come il flagello batterico descritto da Behe in La scatola nera di Darwin. Il flagello è una macchina molecolare costituita da circa quaranta proteine distinte che cooperano in un’architettura funzionale — motore rotante, statori, asta, gancio, filamento — dove la rimozione di una sola parte distrugge l’intera funzione. Un sistema del genere non può emergere gradualmente per selezione darwiniana, perché ogni stato intermedio privo anche di una sola delle quaranta proteine non conferisce alcun vantaggio selettivo, ma solo un costo energetico. La selezione naturale, che opera su vantaggi immediati, non può preservare intermedi non funzionali in vista di un obiettivo completo lontano nel tempo. Questa struttura — sistemi integrati che richiedono la presenza simultanea di molte parti per funzionare — è l’equivalente biologico di una ricerca in uno spazio con paesaggio a isole. La selezione può ottimizzare il flagello una volta che esista, ma non può costruirlo da zero per via graduale. I simulatori che «riescono» a costruire sistemi analoghi lo fanno inserendo scale di ricompense intermedie — come abbiamo visto in Avida, con la scala NOT → NAND → AND → OR → EQU — e queste ricompense intermedie sono pure teleologia programmata, non cecità darwiniana. Il teorema NFL, combinato con la struttura a isole dello spazio delle sequenze e con l’integrazione irriducibile dei sistemi biologici, chiude la tenaglia analitica: il darwinismo non può essere il motore dell’innovazione macroevolutiva.


12. La Legge di Conservazione e la causa prima: una deduzione, non un dogma

Raccogliamo i fili dell’intera analisi.

Il teorema NFL e la Legge di Conservazione dell’Informazione stabiliscono un principio generale: i processi materiali non possono generare informazione complessa specificata dal nulla. Il problema della ricerca della ricerca dimostra che spostare il problema a livelli superiori non lo risolve. Se questo vale per i simulatori — e la dimostrazione matematica è rigorosa — vale anche per i processi biologici reali.

La domanda che rimane aperta è: da dove viene l’informazione originaria? La Legge di Conservazione stabilisce che non può venire da processi materiali. La matematica dello spazio delle sequenze stabilisce che non può venire dal caso. La logica dell’argomento prebiotico stabilisce che non può venire dalla Selezione naturale senza circolarità. Nella nostra esperienza causale uniforme, l’informazione complessa specificata ha una sola origine conosciuta: la mente intelligente.

In coerenza con la posizione editoriale di questo sito, questa è una deduzione logica e filosofica basata su evidenze empiriche e risultati matematici, non un argomento teologico. Non identifica chi sia il progettista né sostiene dottrine religiose. Il progettista postulato resta un’entità non osservabile con i metodi della scienza sperimentale — un limite reale dell’ID che va riconosciuto con la stessa onestà con cui si riconosce che il naturalismo — l’assunzione che solo cause non guidate possano essere invocate — è una posizione filosofica adottata prima dell’indagine, non una conclusione che emerge dai dati.

Ogni sistema informativo complesso e specificato che nella storia umana abbiamo analizzato e compreso — dai geroglifici egizi ai software, dai codici crittografici ai segnali di controllo delle reti neurali artificiali — ha sempre avuto come causa un agente intelligente. La biologia molecolare ha rivelato che il DNA è un sistema informativo di questa categoria, con una complessità specificata che supera di molti ordini di grandezza tutto ciò che l’ingegneria umana ha finora prodotto. La causa intelligente è, per la logica dell’inferenza alla miglior spiegazione, la migliore risposta disponibile

 


Prossimo Modulo

Nel Modulo 6Il progetto ENCODE e la rivoluzione del genoma — lasceremo la teoria per i dati sperimentali. Per decenni si è ritenuto che oltre il 90% del genoma umano fosse DNA «spazzatura», residuo inerte di una storia evolutiva cieca. I risultati del consorzio ENCODE hanno rovesciato quell’immagine, e con essa una delle previsioni più citate a favore dell’evoluzione non guidata. Vedremo che cosa hanno mostrato davvero quei dati, quali critiche hanno ricevuto e che cosa se ne può concludere onestamente.


Per approfondire


Riferimenti

Axe, D. (2016). Undeniable: How Biology Confirms Our Intuition That Life Is Designed. HarperOne.

Axe, D. D. (2004). “Estimating the Prevalence of Protein Sequences Adopting Functional Enzyme Folds.” Journal of Molecular Biology, 341(5), 1295–1315. DOI: 10.1016/j.jmb.2004.06.058.

Behe, M. J. (1996). Darwin’s Black Box: The Biochemical Challenge to Evolution. Free Press.

Chaitin, G. (2012). Proving Darwin: Making Biology Mathematical. Pantheon Books.

Davidson, E. H., e Erwin, D. H. (2006). “Gene Regulatory Networks and the Evolution of Animal Body Plans.” Science, 311(5762), 796–800. DOI: 10.1126/science.1113832.

Dawkins, R. (1986). The Blind Watchmaker. W. W. Norton & Company.

Dembski, W. A. (2002). No Free Lunch: Why Specified Complexity Cannot Be Purchased without Intelligence. Rowman & Littlefield.

Dembski, W. A., e Marks, R. J. II (2009). “Conservation of Information in Search: Measuring the Cost of Success.” IEEE Transactions on Systems, Man, and Cybernetics, 39(5), 1051–1061. DOI: 10.1109/TSMCA.2009.2025027.

Dembski, W. A., e Marks, R. J. II (2010). “The Search for a Search: Measuring the Information Cost of Higher Level Search.” Journal of Advanced Computational Intelligence and Intelligent Informatics, 14(5), 475–486.

Ewert, W., Dembski, W. A., e Marks, R. J. II (2009). “Evolutionary Synthesis of Nand Logic: Dissecting a Digital Organism.” Proceedings of the 2009 IEEE International Conference on Systems, Man, and Cybernetics, 3047–3053. DOI: 10.1109/ICSMC.2009.5346816.

Holland, J. H. (1975). Adaptation in Natural and Artificial Systems: An Introductory Analysis with Applications to Biology, Control, and Artificial Intelligence. University of Michigan Press.

Lenski, R. E., Ofria, C., Pennock, R. T., e Adami, C. (2003). “The Evolutionary Origin of Complex Features.” Nature, 423, 139–144. DOI: 10.1038/nature01568.

Marks, R. J. II, Dembski, W. A., e Ewert, W. (2017). Introduction to Evolutionary Informatics. World Scientific.

Meyer, S. C. (2009). Signature in the Cell: DNA and the Evidence for Intelligent Design. HarperOne.

Meyer, S. C. (2013). Darwin’s Doubt: The Explosive Origin of Animal Life and the Case for Intelligent Design. HarperOne.

Meyer, S. C. (2021). Return of the God Hypothesis: Three Scientific Discoveries That Reveal the Mind Behind the Universe. HarperOne.

Nagel, T. (2012). Mind and Cosmos: Why the Materialist Neo-Darwinian Conception of Nature Is Almost Certainly False. Oxford University Press.

Schneider, T. D. (2000). “Evolution of Biological Information.” Nucleic Acids Research, 28(14), 2794–2799. DOI: 10.1093/nar/28.14.2794.

Turing, A. M. (1936). “On Computable Numbers, with an Application to the Entscheidungsproblem.” Proceedings of the London Mathematical Society, 42(1), 230–265.

Turing, A. M. (1952). “The Chemical Basis of Morphogenesis.” Philosophical Transactions of the Royal Society of London, Series B, 237(641), 37–72.

Wilf, H. S., e Ewens, W. J. (2010). “There’s Plenty of Time for Evolution.” Proceedings of the National Academy of Sciences, 107(52), 22454–22456. DOI: 10.1073/pnas.1016207107.

Wolpert, D. H., e Macready, W. G. (1997). “No Free Lunch Theorems for Optimization.” IEEE Transactions on Evolutionary Computation, 1(1), 67–82. DOI: 10.1109/4235.585893. 67–82. DOI: 10.1109/4235.585893.

L’enigma dell’origine dell’informazione biologica perché il caso non basta

0

Percorso: L’Informazione Biologica
Modulo 4

Prerequisiti:
Modulo 3
Guida alla lettura
Disclaimer

1. Il problema giusto: non i mattoni, ma il libro

C’è una confusione ricorrente nel dibattito sull’origine della vita che vale la pena dissipare subito. Quando si parla di «spiegare l’origine della vita», molte persone pensano al problema di spiegare come si siano formati i composti organici di base — gli amminoacidi, i nucleotidi, i lipidi che compongono le cellule. E su questo fronte la chimica prebiotica ha fatto alcuni progressi reali: sappiamo che composti organici semplici, vale per ribadire il concetto che sono semplici, possono formarsi in condizioni simulate di atmosfera primitiva, e che alcuni si trovano persino nelle meteoriti (sempre ribadendo che si tratta di composti semplici.)

Ma questo non è il problema centrale. Il problema centrale è diverso: non come si formano i mattoni, ma come quei mattoni vengano disposti in sequenze funzionali specifiche — le sequenze che portano istruzioni, che codificano per proteine, che permettono alla cellula di funzionare.

Un’analogia illuminante: immaginiamo di voler spiegare come esiste un libro. Spiegare la formazione dell’inchiostro e della carta è un contributo — ma è del tutto irrilevante rispetto alla domanda più importante: come sono state scritte le parole? Le proprietà fisiche e chimiche dell’inchiostro non determinano la sequenza delle lettere sulla pagina. Quella sequenza porta informazione, e l’informazione richiede una spiegazione causale propria, indipendente dalla chimica del mezzo su cui è scritta.

Stephen Meyer formula il punto in modo netto: «la chimica e la fisica da sole non potevano produrre l’informazione nel DNA più di quanto l’inchiostro e la carta da sole potessero produrre l’informazione in un libro». L’analogia non è di Meyer ma di Michael Polanyi, che negli articoli degli anni Sessanta aveva già intuito la questione: le informazioni, il significato, l’ordine simbolico di un testo non derivano dalle reazioni chimiche tra inchiostro e cellulosa, ma dall’ordine specifico — impresso da una mente — in cui le lettere vengono disposte sulla pagina. Allo stesso modo, le reazioni chimiche naturali che regolano le affinità tra nucleotidi non possiedono la capacità di organizzarli in codici genetici funzionali. È un’osservazione profonda, perché sposta la domanda dall’aspetto chimico — su cui la chimica prebiotica può ragionevolmente sperare di progredire — all’aspetto informazionale, che è una questione di tipo diverso. Torneremo sulla distinzione di Polanyi nella sezione 6, quando discuteremo le «condizioni al contorno».

È esattamente questo il salto che le teorie naturalistiche dell’origine della vita non hanno mai compiuto in modo convincente: dalla chimica dei mattoni alla sequenza delle istruzioni.


2. L’esperimento di Miller-Urey: cosa dimostra e cosa non dimostra

Nel 1953 — lo stesso anno in cui Watson e Crick pubblicavano la struttura del DNA — il chimico Stanley Miller, sotto la supervisione di Harold Urey all’Università di Chicago, condusse un esperimento destinato a diventare uno dei più citati nella storia della biologia. Miller riprodusse in laboratorio quella che allora si pensava fosse l’atmosfera della Terra primitiva — una miscela di metano, ammoniaca, idrogeno e vapore acqueo — e vi applicò scariche elettriche per simulare i fulmini. Dopo pochi giorni, trovò che nel sistema si erano formati amminoacidi: i mattoni delle proteine.

L’esperimento fu accolto come una conferma straordinaria della possibilità di un’origine chimica della vita. Ancora oggi viene presentato nei libri di testo come la dimostrazione che i composti organici necessari per la vita possono formarsi spontaneamente in condizioni prebiotiche.

Ma questa presentazione oscura un punto fondamentale. Miller aveva prodotto amminoacidi — non proteine. La differenza è enorme. Una proteina non è semplicemente un accumulo di amminoacidi: è una catena di amminoacidi disposti in una sequenza specifica, e quella specificità di sequenza è esattamente ciò che determina la funzione. Produrre i mattoni non equivale a costruire l’edificio.

Inoltre, la biologia molecolare successiva ha rivelato che l’atmosfera primitiva della Terra era probabilmente molto diversa da quella simulata da Miller — più ossidante, meno favorevole alla sintesi degli amminoacidi. Ma anche prescindendo da questo, il punto concettuale rimane: l’esperimento Miller-Urey non tocca il problema dell’informazione.

Vale la pena approfondire le tre critiche principali che i geochimici e gli astrobiologi hanno rivolto all’esperimento Miller-Urey dagli anni Ottanta e Novanta in poi, perché i libri di testo continuano spesso a ignorarle.

La prima critica riguarda la composizione dell’atmosfera primitiva. L’atmosfera ipotizzata da Oparin e Haldane — e simulata da Miller — era «fortemente riducente», cioè ricca di idrogeno e di molecole contenenti idrogeno come metano (CH4) e ammoniaca (NH3). Le prove geologiche e geochimiche moderne suggeriscono invece un’atmosfera primitiva «neutra» o «debolmente ossidante», dominata da anidride carbonica (CO2), azoto (N2) e vapore acqueo — gas che, sottoposti a scariche elettriche, non producono quasi nessun amminoacido. L’idrogeno atmosferico si sarebbe disperso rapidamente nello spazio per effetto della gravità relativamente debole della Terra. Anche una modesta concentrazione di ossigeno avrebbe distrutto le biomolecole organiche man mano che si formavano. Lo stesso Miller, in esperimenti successivi condotti con miscele di gas più realistiche (CO2 e N2), osservò un crollo drastico della produzione di amminoacidi. L’esperimento iconico del 1953, in altre parole, aveva simulato un’atmosfera che oggi sappiamo non essere mai esistita.

La seconda critica riguarda il problema della chiralità. Gli amminoacidi — come molte altre molecole organiche — esistono in due forme speculari, chiamate «L» (levogira, sinistrorsa) e «D» (destrogira). Le due forme sono chimicamente equivalenti ma geometricamente opposte: come le mani destra e sinistra. Le proteine della vita, in modo sorprendente, usano esclusivamente amminoacidi levogiri (L), con una purezza del 100%. È una caratteristica chiamata omochiralità ed è essenziale per il ripiegamento proteico: una miscela di L e D destabilizzerebbe la struttura tridimensionale. L’esperimento Miller-Urey, come qualsiasi sintesi chimica non guidata, produce invece miscele racemiche — cioè con quantità uguali di L e D. Non esiste alcun processo prebiotico plausibile conosciuto capace di filtrare spontaneamente l’una forma dall’altra nel grado di purezza richiesto dalla biologia.

La terza critica riguarda le reazioni incrociate distruttive, o il cosiddetto «paradosso del catrame». Le scariche elettriche applicate alla miscela di Miller non producono solo amminoacidi: producono anche composti altamente reattivi e tossici, come la formaldeide e il cianuro di idrogeno, che tendono a reagire con gli amminoacidi e con gli altri composti organici creando una massa amorfa di prodotti di degradazione. In pratica, il brodo prebiotico reale assomiglierebbe più a un catrame chimicamente complesso che a una soluzione di «mattoni» pronti per l’assemblaggio. Per ottenere una produzione «pulita» di amminoacidi come quella di Miller, il chimico deve isolare selettivamente i prodotti utili — un’operazione di purificazione che nessun brodo prebiotico poteva compiere da solo. Il biologo Jonathan Wells, nel suo Icons of Evolution, documenta ampiamente come queste difficoltà siano ignorate dalla manualistica scolastica e universitaria, che continua a presentare Miller-Urey come una «prova» dell’abiogenesi. Testi come Molecular Biology of the Cell di Bruce Alberts o il manuale di biologia di Kenneth Miller e Joseph Levine ripropongono l’esperimento in forma sostanzialmente invariata, senza menzionare le critiche moderne. Lo studente esce dalla sua formazione convinto che la chimica prebiotica abbia risolto il problema, quando in realtà il problema rimane intatto.


3. Lo spazio delle sequenze: un oceano quasi infinito

Per capire perché il caso sia una spiegazione inadeguata per l’origine dell’informazione biologica, occorre visualizzare lo «spazio delle sequenze» — l’insieme di tutte le sequenze possibili di amminoacidi per una proteina di una data lunghezza.

Il calcolo è semplice ma il risultato è vertiginoso. Una proteina di 150 amminoacidi può essere costruita scegliendo per ogni posizione uno dei venti amminoacidi naturali. Il numero totale di sequenze possibili è 20150, ovvero circa 10195. Questo numero supera di molti ordini di grandezza il numero di atomi nell’universo osservabile (circa 1080) e il numero totale di eventi fisici nell’intera storia cosmica (circa 10139).

Il confronto è schiacciante. Moltiplicando le 1080 particelle elementari dell’universo per le 1043 transizioni fisiche massime al secondo consentite dalla fisica quantistica (legate al tempo di Planck) e per i circa 1016 secondi trascorsi dal Big Bang, si ottiene il numero totale di eventi fisici possibili in tutta la storia cosmica: circa 10139, che William Dembski arrotonda prudenzialmente a 10150 come limite universale di probabilità (v. Modulo 3). Lo spazio delle sequenze per una sola proteina di 150 amminoacidi — 10195 — è cinque ordini di grandezza più grande dell’intera «ricerca» possibile nel cosmo. Il meccanismo cieco e casuale esaurisce tempo e materia molto prima di poter esplorare una frazione significativa dello spazio anche per una singola proteina.

In questo oceano sconfinato, quante sequenze sono funzionali? Quante producono una proteina capace di ripiegarsi in una struttura tridimensionale stabile e svolgere una funzione biologica? È questa la domanda che Douglas Axe ha affrontato sperimentalmente nel Percorso di anni di ricerca.


4. Le isole di funzionalità: i dati di Axe

Il lavoro sperimentale di Axe è tra i contributi più rigorosi nella letteratura del Disegno Intelligente. Il suo approccio è stato diretto: prendere una proteina funzionale nota — l’enzima beta-lattamasi — e introdurre sistematicamente mutazioni nella sua sequenza, misurando per ogni variante la capacità di mantenere una struttura tridimensionale stabile.

I risultati, pubblicati nel 2004 sul Journal of Molecular Biology, furono chiari. Il rapporto tra sequenze in grado di produrre un ripiegamento proteico stabile e il totale delle sequenze possibili è di circa 1 su 1074. La probabilità di trovare casualmente una sequenza in grado di svolgere una funzione specifica è ancora più bassa: circa 1 su 1077.

Axe descrive questo paesaggio con una metafora diventata celebre: le sequenze funzionali sono come isole di funzionalità isolate in un vastissimo oceano di sequenze non funzionali. Le isole esistono, ma sono circondate da acque sterili così estese che raggiungerle per navigazione casuale è praticamente impossibile.

Vale la pena entrare in dettaglio sulla metodologia di Axe, perché è uno dei punti su cui i critici hanno cercato di insistere. Il lavoro fu condotto presso il Medical Research Council Centre a Cambridge, una delle più prestigiose istituzioni scientifiche del Regno Unito, e si concentrò su una proteina specifica: la β-lattamasi TEM-1, un enzima batterico che degrada la penicillina e altri antibiotici simili. La scelta non fu casuale: la β-lattamasi è ben caratterizzata strutturalmente, ha una funzione catalitica facilmente misurabile (la resistenza antibiotica dei batteri che la producono) e permette di distinguere quantitativamente le varianti funzionali da quelle non funzionali. Axe introdusse sistematicamente mutazioni multiple in regioni esterne della proteina — regioni considerate meno critiche per il ripiegamento — e misurò quante varianti conservassero la capacità di piegarsi in una struttura stabile e di svolgere l’attività enzimatica. La logica dell’esperimento è importante: se anche nelle regioni apparentemente più «tolleranti» la frazione di sequenze funzionali è astronomicamente bassa, l’intero spazio è confinato in isole rare. I numeri che ne sono emersi — 1 su 1074 per il ripiegamento stabile, 1 su 1077 per la funzione enzimatica — sono diventati un riferimento standard nel dibattito.

L’implicazione per le teorie evolutive graduali è precisa. L’evoluzione darwiniana funziona per piccoli passi: una mutazione alla volta, conservata dalla Selezione se produce un vantaggio. Ma se le proteine funzionali sono isole isolate in un oceano di non-funzione, come fa un processo mutazionale cieco a navigare da un’isola all’altra? La Selezione naturale conserva solo ciò che già funziona — non può guidare verso funzioni future che non esistono ancora. Tra un’isola e un’altra, il Percorso passa attraverso sequenze non funzionali, che la Selezione elimina prima che il viaggio possa continuare.

Meyer, Axe e Behe hanno precisato questo punto con un argomento che vale la pena esplicitare: la Selezione naturale non ha lungimiranza. Non può «prevedere» quali mutazioni future sarebbero utili, non può conservare intermedi non funzionali in vista di un obiettivo lontano, non può coordinare passi multipli prima che la funzione completa emerga. Premia solo le mutazioni presenti che offrono un vantaggio biologico immediato. Perciò, per spostarsi da un’isola funzionale all’altra, un organismo dovrebbe tollerare mutazioni che destabilizzano la proteina corrente senza offrire alcun beneficio — e la Selezione eliminerà quegli intermedi prima che la traiettoria possa completarsi. La ricerca evolutiva naviga alla cieca, senza bussola e senza porto visibile; se le distanze tra le isole eccedono ciò che un organismo può tollerare prima di perdere la funzione, il viaggio è semplicemente impossibile.


5. La fragilità delle proteine: i dati di Tawfik

Le evidenze sulla rarità delle sequenze funzionali si affiancano a un secondo corpo di dati: la fragilità delle proteine rispetto alle mutazioni casuali.

Il biochimico Dan Tawfik ha studiato sistematicamente la tolleranza delle proteine alle sostituzioni di amminoacidi. I risultati mostrano che le proteine non sono robuste: bastano da tre a quindici mutazioni casuali per distruggere completamente la stabilità strutturale di un ripiegamento proteico. Anche modifiche in posizioni apparentemente periferiche — sulla superficie esterna dell’enzima, lontano dal sito attivo — tendono a destabilizzare la struttura complessiva prima che possa emergere qualsiasi nuova funzione.

Dan Tawfik, del Weizmann Institute of Science in Israele, è stato uno dei più importanti ricercatori al mondo sull’evolvibilità delle proteine. Due dei suoi studi chiave — «The Stability Effects of Protein Mutations Appear to Be Universally Distributed» (Tokuriki et al., 2007) e «Stability Effects of Mutations and Protein Evolvability» (Tokuriki e Tawfik, 2009) — hanno fornito la base sperimentale su cui si fonda la comprensione attuale della fragilità termodinamica delle proteine. Il laboratorio di Tawfik ha misurato, su un ampio campione di proteine di famiglie diverse, come la stabilità strutturale decada con l’accumulo di mutazioni. Il risultato ha sorpreso molti: il decadimento non è graduale e robusto, ma inizialmente lento e poi bruscamente catastrofico. Bastano tipicamente da tre a quindici mutazioni, a seconda della proteina, per superare la soglia critica oltre cui il ripiegamento collassa e la proteina si trasforma in un aggregato insolubile non funzionale.

Michael Behe, nel suo libro Darwin Devolves (2019), ha riassunto il significato evolutivo di questi dati con quella che chiama la Prima regola dell’evoluzione adattativa: in condizioni di pressione selettiva, il meccanismo darwiniano tende a rompere, degradare o bloccare qualsiasi gene funzionale la cui perdita aumenti, anche temporaneamente, il numero di discendenti di una specie. È un processo devolutivo piuttosto che costruttivo: adatta l’organismo alle condizioni immediate spesso distruggendo informazione preesistente. Gli esempi documentati sono numerosi — resistenza agli antibiotici (spesso ottenuta rompendo regolatori), resistenza ai farmaci antimalarici nel parassita Plasmodium, adattamenti fenotipici in popolazioni di Darwin — e in tutti questi casi la mutazione che produce il vantaggio adattativo è in realtà una perdita di funzione. Se la regola di Behe è corretta, allora l’evoluzione darwiniana ha una direzione prevalente che porta verso la semplificazione, non verso la costruzione di nuove architetture complesse.

Se bastano poche mutazioni per distruggere una proteina funzionale, e se le nuove proteine funzionali si trovano in isole distanti nello spazio delle sequenze, allora il Percorso evolutivo da una proteina all’altra attraversa necessariamente una valle di non-funzione — una regione in cui le varianti intermedie non funzionano e vengono eliminate dalla Selezione prima che possano raggiungere la prossima isola.

La combinazione dei dati di Axe e di Tawfik produce una tenaglia quantitativa difficile da aggirare. Da un lato (Axe) le pieghe proteiche funzionali sono isole estremamente rare nello spazio delle sequenze. Dall’altro (Tawfik) le proteine sono termodinamicamente fragili: poche mutazioni bastano a distruggerne la stabilità. Il risultato è che un processo evolutivo cieco non ha il tempo — non solo non ha le risorse probabilistiche per esplorare lo spazio, ma non ha neppure la pazienza strutturale delle proteine per effettuare una ricerca lunga. Ogni tentativo di attraversare la valle viene interrotto dalla disintegrazione molecolare dell’intermedio.


6. Perché le leggi chimiche non bastano

Se il caso puro è matematicamente insufficiente, si potrebbe sperare che le leggi chimiche — la tendenza delle molecole ad auto-organizzarsi — offrano la spiegazione che manca. Non è così, e la ragione è strutturale.

Le leggi chimiche producono ordine — ma un tipo di ordine sbagliato. Quando le forze chimiche organizzano la materia, producono strutture regolari e ripetitive: il cristallo di sale ne è l’esempio classico. L’ordine del cristallo è completamente determinato dalle forze elettrostatiche — non c’è nessuna sequenza informativa. Ripetere «ABCABCABC» non crea un testo, produce solo ridondanza.

Il DNA richiede sequenze aperiodiche e irregolari — esattamente il tipo di struttura che le leggi fisiche non possono produrre, perché le leggi producono regolarità. Come abbiamo visto Nel Modulo 1, le basi del DNA non hanno affinità chimiche preferenziali tra loro lungo l’asse informativo. Le leggi chimiche non determinano la sequenza — e quindi non possono spiegarla.

Le cause fisiche e chimiche producono o ordine (ridondanza) o casualità (rumore statistico). L’informazione biologica richiede una terza cosa — la complessità specificata — che non si ottiene né dall’una né dall’altra. Invocare la chimica per spiegare la sequenza del DNA è come sostenere che le proprietà fisiche dell’inchiostro spieghino le parole di un romanzo.

Il punto teorico più profondo su questa questione è stato formulato da Michael Polanyi, chimico-fisico ungherese di formazione che poi si dedicò alla filosofia della scienza. In due saggi fondamentali — «Life Transcending Physics and Chemistry» (1967) e «Life’s Irreducible Structure» (Science, 1968) — Polanyi sviluppò un concetto oggi centrale nella riflessione sull’informazione biologica: le condizioni al contorno (in inglese boundary conditions). L’idea è sottile ma potente. Le leggi fisiche e chimiche determinano come le molecole interagiscono — quali forze agiscono tra di esse, quali reazioni sono favorite, quali stati energetici sono stabili. Ma queste leggi, da sole, non sono sufficienti a determinare ogni dettaglio di un sistema: lasciano ampi margini di libertà che devono essere fissati da qualcos’altro, esterno alle leggi stesse. Polanyi scrisse che «la fisica è muta senza il dono delle condizioni al contorno che ne costituiscono la cornice». Una stampante, per esempio, opera secondo leggi chimiche e fisiche perfettamente ordinarie — ma l’ordine specifico delle lettere sulla pagina non è determinato da quelle leggi: è imposto dall’operatore, dal testo che viene stampato, da una fonte di informazione esterna al processo chimico-fisico.

L’applicazione al DNA è diretta. Le basi azotate (A, T, C, G) si legano alla spina dorsale zucchero-fosfato tutte con lo stesso tipo di legame chimico (un legame N-glicosidico), e lungo l’asse informativo della molecola le basi non hanno affinità reciproche differenziali. Qualsiasi base può occupare qualsiasi posizione con uguale facilità chimica. Le forze fisiche, quindi, lasciano libera la sequenza — e proprio questa libertà è la condizione necessaria perché il DNA funzioni come un codice. Se le forze chimiche determinassero la sequenza, il DNA sarebbe ridondante come un cristallo e non potrebbe portare informazione variabile. L’intuizione di Polanyi, secondo cui l’informazione biologica è irriducibile alle leggi fisico-chimiche di livello inferiore, ha influenzato profondamente Charles Thaxton, Walter Bradley, Roger Olsen (autori di The Mystery of Life’s Origin, 1984) e quindi lo stesso Stephen Meyer. L’analogia dell’inchiostro e della carta — con cui abbiamo aperto questo Modulo — risale proprio a Polanyi.

Un caso storico interessante è quello di Dean Kenyon. Nel 1969, insieme al collega Gary Steinman, Kenyon pubblicò Biochemical Predestination, un libro che divenne per un decennio il riferimento principale della chimica prebiotica. La tesi era esattamente l’opposto di Polanyi: Kenyon e Steinman sostenevano che esistono affinità di legame differenziali tra gli amminoacidi, e che tali affinità avrebbero guidato l’assemblaggio spontaneo delle prime proteine funzionali — la vita sarebbe stata, letteralmente, «predestinata dalla chimica». Il libro ebbe un’influenza enorme. Ma negli anni successivi Kenyon cominciò a dubitare della propria ipotesi: da un lato, le affinità di legame, pur esistenti, non erano sufficienti a spiegare la specifica sequenza di amminoacidi nelle proteine funzionali; dall’altro, e soprattutto, il suo modello non poteva spiegare il DNA — perché nel DNA, come notato da Polanyi, le basi non mostrano affinità differenziali sull’asse informativo. Kenyon si convinse che la chimica non guidata non poteva creare il codice genetico. Nel 1985 ripudiò pubblicamente la tesi di Biochemical Predestination e scrisse la prefazione al libro di Thaxton, Bradley e Olsen, diventando uno dei padri intellettuali del movimento del Disegno Intelligente moderno. La sua conversione intellettuale è uno dei casi più interessanti di revisione onesta nella storia recente della chimica prebiotica.


7. Il brodo primordiale: una teoria nata prima del DNA

Le teorie del «brodo primordiale» — proposte indipendentemente dal biologo russo Alexander Oparin e dal genetista britannico J. B. S. Haldane negli anni Venti — immaginano che la vita sia emersa in un oceano antico ricco di composti organici, dove le molecole si sarebbero gradualmente organizzate in strutture sempre più complesse.

Queste teorie non sono sbagliate in tutto: è plausibile che la Terra primitiva contenesse composti organici. Ma soffrono di un difetto fondamentale: sono state formulate prima che la biologia molecolare rivelasse la struttura informativa del DNA. Oparin e Haldane non sapevano cosa fosse il codice genetico, non conoscevano la complessità specificata delle proteine funzionali, non avevano gli strumenti concettuali per affrontare il problema dell’informazione.

Quando le loro teorie vengono aggiornate alla luce della biologia molecolare moderna, il problema si rivela in tutta la sua profondità. Le molecole organiche, lasciate a se stesse in condizioni acquose, non tendono a organizzarsi in sequenze funzionali: tendono a formare reazioni incrociate distruttive e a degradarsi. Il chimico Robert Shapiro — uno dei maggiori esperti mondiali di chimica prebiotica e scettico dell’ID — ha descritto onestamente il risultato: i tentativi di simulare la formazione di RNA funzionale in condizioni prebiotiche producono prevalentemente «catrame» — miscele disordinate di composti organici senza alcuna struttura informativa.

Vale la pena ricostruire brevemente la storia e i limiti di queste teorie. Alexander I. Oparin (1894-1980), biochimico russo, pubblicò la prima versione del suo Proiskhozhdenie zhizni («L’Origine della Vita») nel 1924, poi ampliata nel 1936 e tradotta in inglese nel 1938. Propose che le molecole organiche si fossero accumulate negli oceani primitivi in concentrazioni sufficienti per l’auto-organizzazione, e introdusse il concetto di coacervati: gocce microscopiche formate dall’aggregazione spontanea di molecole organiche in sospensione, che Oparin riteneva precursori delle cellule vere e proprie. J. B. S. Haldane (1892-1964), genetista britannico e uno dei fondatori della moderna genetica delle popolazioni, arrivò a conclusioni simili in modo indipendente in un articolo intitolato «The Origin of Life» pubblicato nel Rationalist Annual nel 1929. L’ipotesi Oparin-Haldane — secondo cui i fulmini nell’atmosfera primitiva avrebbero prodotto i mattoni della vita, dissolvendoli poi nei mari primordiali a formare una «zuppa calda e diluita» — fu il paradigma dominante fino alla metà del secolo, e fu precisamente l’ipotesi che Miller nel 1953 tentò di verificare sperimentalmente.

Ma quando gli strumenti concettuali e sperimentali della biologia molecolare maturarono negli anni successivi, il modello Oparin-Haldane si rivelò inadeguato nel suo nucleo. Il problema non era solo quantitativo (non si arriva al DNA da una zuppa di amminoacidi), era qualitativo: il concetto di «brodo» pensava alla vita come a una struttura chimica complessa, non come a un sistema informazionale. Oparin e Haldane non avevano la categoria concettuale dell’informazione specificata: hanno immaginato un problema chimico dove c’era un problema informazionale.

Il chimico Robert Shapiro, della New York University, è stato forse il critico più acuto di tutte le teorie naturalistiche dell’origine della vita. Nel suo libro Origins: A Skeptic’s Guide to the Creation of Life on Earth (1986) e poi nel celebre articolo apparso su Scientific American nel giugno 2007 («A Simpler Origin for Life»), Shapiro ha smontato sistematicamente l’ipotesi del brodo primordiale e l’ipotesi del Mondo a RNA. La sua posizione è notevole perché Shapiro è un materialista che non ha mai sposato l’ID: la sua critica viene dall’interno della chimica naturalistica. Osservò che la sintesi prebiotica di elementi-chiave come il ribosio (lo zucchero dell’RNA) o la citosina (una delle basi) è implausibile nelle condizioni geochimiche realistiche della Terra primitiva, e che invece di produrre biopolimeri ordinati il brodo prebiotico produrrebbe rapidamente miscele intrattabili — quello che chiamava appunto catrame chimico, o asfalto prebiotico. Il chimico Steven Benner, altro grande esperto del campo, ha rincarato la dose con una formulazione memorabile: la chimica prebiotica classica «produce asfalto — utile per le strade, ma fatale per la vita». Shapiro arrivò ad affermare che «i sistemi capaci di evoluzione darwiniana appaiono troppo complessi per essere sorti all’improvviso da un brodo prebiotico».

A queste difficoltà di fondo se ne aggiungono altre di dettaglio ma altrettanto serie. Il problema del ribosio: questo zucchero, componente essenziale dell’RNA, è molecolarmente instabile nelle condizioni acquose e tende a degradarsi prima di accumularsi in concentrazioni rilevanti. Il problema dell’omochiralità: come già visto nella sezione 2, le reazioni prebiotiche producono miscele racemiche, mentre la vita usa una chiralità sola — un filtro che nessun processo naturale noto riesce ad applicare. Il problema dei legami fosfodiesterici: i legami che uniscono i nucleotidi nell’RNA sono di tipo 3′-5′, ma le sintesi prebiotiche plausibili producono preferenzialmente legami 2′-5′, che danno molecole non funzionali per i sistemi biologici. Alcuni chimici — tra cui Graham Cairns-Smith, scozzese — hanno proposto scenari alternativi ancora più speculativi, come l’origine della vita su superfici minerali argillose, dove i cristalli avrebbero fornito i primi «modelli» informativi. Sono ipotesi interessanti ma ancora distanti dal risolvere il problema dell’informazione specificata: il supporto minerale sposta la questione, non la scioglie.


8. Legge più caso: perché la combinazione non risolve il problema

Una risposta più sofisticata cerca di combinare legge e caso in modo sinergico. Il fisico Ilya Prigogine, premio Nobel per la chimica nel 1977, sviluppò la termodinamica dei sistemi fuori dall’equilibrio e mostrò che in certi sistemi le fluttuazioni casuali possono essere amplificate da processi irreversibili, producendo strutture ordinate spontaneamente — le «strutture dissipative».

L’applicazione all’origine della vita era allettante: forse i sistemi auto-organizzanti potevano guidare il caso verso soluzioni funzionali. Ma il limite fondamentale è che le strutture dissipative producono pattern di movimento o distribuzione spaziale — vortici, onde, gradienti — ma non dispongono molecole specifiche in sequenze informative precise. Il vortice organizza le molecole d’acqua in un pattern rotazionale, ma non dice a quale molecola di andare dove. L’informazione biologica richiede invece che molecole specifiche occupino posizioni specifiche in una sequenza specifica.

Nel celebre articolo del 1972 su Physics Today, Thermodynamics of Evolution, firmato insieme a Grégoire Nicolis e Agnès Babloyantz, Prigogine applicò esplicitamente la termodinamica dei sistemi aperti al problema dell’origine della vita. L’idea era che le celle di Bénard nella convezione dei liquidi, i vortici di Bénard-Rayleigh, le reazioni oscillanti di Belousov-Zhabotinsky — tutti sistemi che producono ordine spontaneo lontano dall’equilibrio — potessero offrire un modello per come la materia possa auto-organizzarsi senza intervento esterno. Prigogine riconobbe onestamente che in condizioni di equilibrio ordinario la probabilità dell’assemblaggio spontaneo della vita era «sorprendentemente piccola, addirittura irrisoria». La sua scommessa era che la termodinamica dei sistemi aperti offrisse la via d’uscita.

Gli autori dell’ID — Meyer, Dembski, insieme al teorico dell’informazione Hubert Yockey — hanno osservato che la proposta soffre di un errore di categoria. Le strutture dissipative producono ordine simmetrico e ripetitivo: una cella di convezione è una struttura bella ma periodica, come un cristallo in movimento; una reazione oscillante produce onde geometriche con pattern stabili. Questo è esattamente l’opposto del tipo di organizzazione che il DNA richiede. Il DNA possiede informazione precisamente perché è aperiodico e non ripetitivo — ogni posizione lungo la catena contiene una scelta indipendente che porta significato, proprio come ogni lettera di un testo. Chiedere alle strutture dissipative di produrre informazione biologica è come chiedere a un vortice di scrivere La Divina Commedia: il vortice organizza magnificamente le molecole d’acqua in una spirale, ma non ha nessun meccanismo per dire alla singola molecola quale ruolo informativo assumere. I processi fisico-chimici produttori di pattern possono generare ordine ma non informazione — e l’equivoco tra i due concetti è al cuore dell’intera questione.

Un’alternativa naturalistica più ambiziosa è stata proposta da Stuart Kauffman, biologo teorico associato al Santa Fe Institute, nei libri The Origins of Order (1993) e At Home in the Universe (1995). Kauffman postula che la vita sia emersa come una «transizione di fase» all’interno di un sistema chimico sufficientemente ricco, sotto forma di set autocatalitici: insiemi di molecole in cui ciascuna catalizza la formazione di almeno una delle altre, producendo un ciclo chiuso che si auto-sostiene e si riproduce. Il fascino del modello è che sembrerebbe eludere il problema dell’informazione: non c’è bisogno di un codice esterno — l’intero sistema si sostiene reciprocamente. Le critiche di Meyer e Dembski sono state precise. Primo: i modelli di Kauffman parlano di molecole astratte «X» e «Y», senza alcuna specificità biochimica reale — non c’è un esempio concreto di un set autocatalitico capace delle funzioni biologiche richieste. Secondo: le simulazioni al computer di Kauffman (basate su reti booleane di interruttori) producono ordine simmetrico e ripetitivo, non sequenze aperiodiche con funzione — ancora l’errore di categoria già visto in Prigogine. Terzo, e più serio: per produrre il risultato auspicato, i modelli di Kauffman richiedono che le molecole siano finemente «sintonizzate» in configurazioni molto specifiche. Ma questa sintonia è proprio l’informazione specificata che si doveva spiegare: il modello non la genera, la presuppone. È il cosiddetto problema dello spostamento (displacement problem) dell’informatica evolutiva: l’informazione non viene creata dal nulla, viene semplicemente spostata a monte — dall’algoritmo alle condizioni iniziali che l’algoritmo presuppone.

La Legge di Conservazione dell’Informazione di Marks e Dembski formalizza questo limite: nessun processo computazionale o fisico può generare informazione complessa specificata dal nulla. I meccanismi materiali possono trasmettere, rimescolare o degradare informazione già esistente, ma non crearne di nuova.


9. L’obiezione del tempo: miliardi di anni non bastano

L’obiezione più comune è quella del tempo: se si danno miliardi di anni, il caso non potrebbe eventualmente trovare le sequenze funzionali?

La risposta è un calcolo preciso. Le «risorse probabilistiche» della storia della vita sulla Terra — il numero totale di organismi vissuti moltiplicato per le replicazioni effettuate — sono stimate intorno a 1040 eventi. Questo è il numero totale di «tentativi» disponibili.

Confrontiamo con l’improbabilità di una singola proteina funzionale: 1 su 1077. Il rapporto è 1040/1077 = 1/1037. Anche con tutta la storia della vita sulla Terra, la ricerca casuale ha potuto esplorare solo un decimilionesimo di trilionesimo di trilionesimo dello spazio delle sequenze rilevante per una singola proteina. La situazione non migliora sensibilmente includendo l’intera storia cosmica.

L’argomento del tempo ha una storia interessante nel dibattito sull’origine della vita. Il caso classico è quello di George Wald, biochimico premio Nobel nel 1967, che in un articolo del 1954 su Scientific American formulò in una frase diventata celebre la posizione ottimistica di un’intera generazione: «Il Tempo è di fatto l’eroe del complotto. Il tempo di cui stiamo parlando è dell’ordine di due miliardi di anni. Ciò che consideriamo impossibile dal punto di vista dell’esperienza umana è qui privo di significato. Dato abbastanza tempo, l'”impossibile” diventa possibile, il possibile probabile, il probabile virtualmente certo. Basta aspettare: il tempo stesso compirà miracoli.» Era un’affermazione eloquente, tanto suggestiva quanto imprecisa dal punto di vista matematico. Wald la formulò quando la biologia molecolare era ancora agli inizi — prima che si potessero quantificare le rarità delle sequenze funzionali, prima che Dembski e altri calcolassero le risorse probabilistiche totali dell’universo. Wald stesso, negli anni successivi, ridimensionò considerevolmente l’ottimismo della sua formulazione originaria. Oggi gli autori ID — Meyer, Axe, Dembski — citano regolarmente la frase di Wald come esempio paradigmatico di quanto il calcolo moderno abbia reso obsoleto l’argomento del tempo. Le improbabilità della chimica prebiotica specificata — 1077 per una singola piega proteica di Axe, 10164 per una proteina funzionale assemblata in un brodo, stime ancora più estreme per un sistema cellulare minimo — eccedono di molti ordini di grandezza non solo le risorse terrestri (1040) ma anche quelle cosmiche totali (10139-10150). «Basta aspettare» non è più un argomento: è un luogo comune smentito dai calcoli.

Il tempo non è il problema. Il problema è la struttura dello spazio di ricerca: uno spazio talmente vasto che nessuna quantità di tempo fisicamente disponibile permette di esplorarne una frazione significativa per caso.


10. L’obiezione della Selezione prebiotica: un argomento circolare

Una seconda obiezione, più sofisticata, invoca la Selezione naturale come guida anche prima della comparsa della prima cellula. L’idea è che molecole prebiotiche capaci di replicarsi in modo efficiente vengano favorite — una forma di Selezione che riduce lo spazio di ricerca.

Questa obiezione merita attenzione seria — ma incontra un problema logico fondamentale. La Selezione naturale, nel senso darwiniano, dipende dalla sopravvivenza differenziale e dalla riproduzione. Ma queste presuppongono già organismi capaci di replicarsi e trasmettere informazioni genetiche. Un sistema prebiotico che non ha ancora un meccanismo di replica stabile basato su sequenze informative non può essere soggetto alla Selezione naturale nel senso rilevante.

Questa circolarità è stata riconosciuta da scienziati che non hanno alcun legame con l’ID. Theodosius Dobzhansky — uno dei padri fondatori della genetica delle popolazioni — osservò che «la Selezione naturale prebiotica è una contraddizione in termini». Christian de Duve — premio Nobel e convinto sostenitore delle teorie naturalistiche — confermò: le teorie della Selezione prebiotica «presuppongono ciò che deve essere spiegato in primo luogo». Non si può usare la Selezione per spiegare l’origine del sistema di cui la Selezione ha bisogno per operare.

È importante capire chi fossero questi due scienziati, per misurare il peso delle loro ammissioni. Theodosius Dobzhansky (1900-1975) non era un critico dell’evoluzione — era uno dei principali architetti della Sintesi Moderna, la formulazione aggiornata del darwinismo che integrava genetica mendeliana e selezione naturale. La sua frase sulla Selezione prebiotica come «contraddizione in termini» — pronunciata in un simposio sull’origine della vita nel 1965 e poi ribadita nelle opere successive — è un’ammissione dall’interno della tradizione darwinista più ortodossa. Il senso è preciso: la Selezione richiede riproduzione differenziale; la riproduzione richiede un sistema di trasmissione di informazioni genetiche; parlare di Selezione prima che tale sistema sia in opera è un errore concettuale, non solo pratico. Christian de Duve (1917-2013) vinse il Premio Nobel per la medicina nel 1974 per la scoperta dei lisosomi e dei perossisomi, e dedicò la seconda parte della sua carriera al problema dell’origine della vita in una prospettiva dichiaratamente materialista (Blueprint for a Cell, 1991; Vital Dust, 1995; Life Evolving, 2002). Le sue conclusioni onesto sui limiti della Selezione prebiotica — «tutte le teorie basate sulla selezione prebiotica hanno bisogno di informazioni, e quindi presuppongono ciò che deve essere spiegato in primo luogo» — sono diventate un riferimento standard, proprio perché vengono da chi aveva tutto da guadagnare nel sostenere l’opposto.

Il nocciolo logico dell’argomento è semplice e rigoroso. La Selezione naturale non è una forza creativa autonoma; è un filtro che opera su variazioni preesistenti, premiando le varianti che portano un vantaggio riproduttivo. Per operare, il filtro richiede tre cose: (a) un sistema capace di replicarsi; (b) un meccanismo che generi variazioni ereditabili nelle copie; (c) una differenza misurabile di successo riproduttivo tra varianti. Tutte e tre presuppongono sequenze informative stabili — DNA, RNA, o qualcosa di analogo — capaci di portare istruzioni precise e di trasmetterle con alta fedeltà. Se il problema che stiamo cercando di risolvere è proprio l’origine di queste sequenze informative, invocare la Selezione è commettere una petitio principii: si presuppone come dato ciò che era in questione. Non è un errore aggirabile con raffinamenti tecnici: è un errore strutturale del ragionamento.


11. L’intelligenza come unica causa nota: una deduzione logica

Dopo aver esaminato sistematicamente tutte le categorie di spiegazione naturalistica — caso puro, necessità chimica, combinazione di legge e caso, Selezione prebiotica — il ragionamento giunge a una conclusione che va inquadrata con precisione.

Il metodo è abduttivo — inferenza alla miglior spiegazione — lo stesso usato da Darwin, da Lyell in geologia, dagli archeologi e dai criminologi. Si parte dalla domanda: qual è la causa nota più adeguata per produrre l’effetto osservato? L’effetto osservato è la presenza pervasiva di informazione complessa specificata nel DNA di ogni organismo vivente. Le cause candidate — caso, necessità, loro combinazione — si sono dimostrate causalmente inadeguate, per ragioni matematiche ed empiriche precise.

Rimane una sola categoria di causa che nella nostra esperienza è capace di produrre informazione complessa specificata in quantità rilevanti: l’intelligenza. I testi scritti, i software, i codici di comunicazione, i progetti ingegneristici — tutti gli esempi noti di informazione specificata di complessità paragonabile a quella del DNA provengono da menti.

In coerenza con la posizione editoriale di questo sito, questa è una deduzione logica e filosofica basata su evidenze empiriche, non un argomento teologico. Non identifica chi sia il progettista. Non sostiene dottrine religiose. Non è una «prova» nel senso dimostrativo — nessuna inferenza alla miglior spiegazione lo è. È la conclusione più coerente con i dati disponibili, raggiunta con la stessa struttura logica dell’inferenza darwiniana ma con una conclusione diversa: non una causa naturale non guidata, ma una causa intelligente.

Va riconosciuto onestamente un limite: il progettista che questa inferenza postula resta un’entità non osservabile con i metodi della scienza sperimentale. Ma va riconosciuto con uguale onestà che il naturalismo — l’assunzione che solo cause naturali possano essere invocate — non è una scoperta scientifica ma una posizione filosofica adottata prima dell’indagine. Quando i dati empirici puntano verso una causa che il naturalismo esclude a priori, il problema potrebbe essere nel presupposto, non nei dati. E lo stesso limite di non osservabilità affligge teorie accettate dal mainstream — il multiverso, l’abiogenesi, la macroevoluzione — senza che questo ne impedisca la discussione scientifica.

 


Prossimo Modulo

Nel Modulo 5I limiti degli algoritmi evolutivi — affronteremo l’obiezione più diffusa a quanto visto qui: se il caso da solo non basta, le simulazioni al computer dimostrano però che caso e selezione insieme possono generare informazione. Esamineremo i programmi più citati — Weasel, Avida, Ev — e i teoremi «No Free Lunch», per capire quanta informazione questi algoritmi producano davvero e quanta invece ne ricevano già in partenza dal programmatore.


Per approfondire


Riferimenti

Axe, D. D. (2004). “Estimating the Prevalence of Protein Sequences Adopting Functional Enzyme Folds.” Journal of Molecular Biology, 341(5), 1295–1315. DOI: 10.1016/j.jmb.2004.06.058.

Axe, D. (2016). Undeniable: How Biology Confirms Our Intuition That Life Is Designed. HarperOne.

Behe, M. J. (2019). Darwin Devolves: The New Science About DNA That Challenges Evolution. HarperOne.

de Duve, C. (1991). Blueprint for a Cell: The Nature and Origin of Life. Neil Patterson Publishers.

de Duve, C. (1995). Vital Dust: Life as a Cosmic Imperative. Basic Books.

Dembski, W. A., e Marks, R. J. II (2010). “The Search for a Search: Measuring the Information Cost of Higher Level Search.” Journal of Advanced Computational Intelligence and Intelligent Informatics, 14(5), 475–486.

Dobzhansky, T. (1965). “Discussion of G. Schramm’s Paper.” In S. W. Fox (ed.), The Origins of Prebiological Systems and of Their Molecular Matrices. Academic Press, p. 310.

Haldane, J. B. S. (1929). “The Origin of Life.” Rationalist Annual, 148, 3–10.

Kauffman, S. A. (1993). The Origins of Order: Self-Organization and Selection in Evolution. Oxford University Press.

Kauffman, S. A. (1995). At Home in the Universe: The Search for Laws of Self-Organization and Complexity. Oxford University Press.

Kenyon, D. H., e Steinman, G. (1969). Biochemical Predestination. McGraw-Hill.

Marks, R. J. II, Dembski, W. A., e Ewert, W. (2017). Introduction to Evolutionary Informatics. World Scientific.

Meyer, S. C. (2009). Signature in the Cell: DNA and the Evidence for Intelligent Design. HarperOne.

Meyer, S. C. (2021). Return of the God Hypothesis: Three Scientific Discoveries That Reveal the Mind Behind the Universe. HarperOne.

Miller, S. L. (1953). “A Production of Amino Acids under Possible Primitive Earth Conditions.” Science, 117(3046), 528–529. DOI: 10.1126/science.117.3046.528.

Nagel, T. (2012). Mind and Cosmos: Why the Materialist Neo-Darwinian Conception of Nature Is Almost Certainly False. Oxford University Press.

Oparin, A. I. (1924). Proiskhozhdenie zhizni [L’Origine della Vita]. Moskovskiy Rabochiy.

Oparin, A. I. (1938). The Origin of Life. The Macmillan Company.

Polanyi, M. (1967). “Life Transcending Physics and Chemistry.” Chemical & Engineering News, 45(35), 54–66.

Polanyi, M. (1968). “Life’s Irreducible Structure.” Science, 160(3834), 1308–1312. DOI: 10.1126/science.160.3834.1308.

Prigogine, I., Nicolis, G., e Babloyantz, A. (1972). “Thermodynamics of Evolution.” Physics Today, 25(11), 23–28. DOI: 10.1063/1.3071090.

Shapiro, R. (1986). Origins: A Skeptic’s Guide to the Creation of Life on Earth. Summit Books.

Shapiro, R. (2007). “A Simpler Origin for Life.” Scientific American, 296(6), 46–53. DOI: 10.1038/scientificamerican0607-46.

Thaxton, C. B., Bradley, W. L., e Olsen, R. L. (1984). The Mystery of Life’s Origin: Reassessing Current Theories. Philosophical Library.

Tokuriki, N., Stricher, F., Schymkowitz, J., Serrano, L., e Tawfik, D. S. (2007). “The Stability Effects of Protein Mutations Appear to Be Universally Distributed.” Journal of Molecular Biology, 369(5), 1318–1332. DOI: 10.1016/j.jmb.2007.03.069.

Tokuriki, N., e Tawfik, D. S. (2009). “Stability Effects of Mutations and Protein Evolvability.” Current Opinion in Structural Biology, 19(5), 596–604. DOI: 10.1016/j.sbi.2009.08.003.

Wald, G. (1954). “The Origin of Life.” Scientific American, 191(2), 44–53.

Wells, J. (2000). Icons of Evolution: Science or Myth?. Regnery Publishing.46.

Complessità specificata come riconoscere matematicamente il design

0

Percorso: L’Informazione Biologica
Modulo 3

Prerequisiti:
Modulo 2
Guida alla lettura
Disclaimer

1. Come si riconosce un progetto?

Supponiamo di camminare su una spiaggia e di trovare, tra i ciottoli, una pietra con la forma di una sfera perfetta. Ci fermiamo, quella pietra è stata lavorata da qualcuno, o si è formata così per erosione naturale? Il nostro istinto dice che una sfera perfetta è improbabile per caso — ma non impossibile. Non siamo certi. Continuiamo a camminare e troviamo inciso su un’altra pietra il numero primo seguente nella serie: 2, 3, 5, 7, 11, 13… Questa volta non abbiamo dubbi: qualcuno ha inciso quella pietra. Ma perché questa volta siamo sicuri e l’altra volta no?

La risposta intuitiva è che la serie dei numeri primi non è solo improbabile — è improbabile in un modo specifico, un modo che corrisponde a una struttura matematica riconoscibile indipendentemente dalla pietra stessa. La sfera potrebbe essere un caso fortunato; la serie dei numeri primi no.

Questa distinzione — tra improbabilità generica e improbabilità che colpisce un bersaglio indipendente — è al cuore del concetto di complessità specificata, il criterio formale sviluppato dal matematico e filosofo William Dembski per rilevare gli effetti di cause intelligenti. Comprendere questo concetto è essenziale per capire come il Disegno Intelligente argomenta la sua inferenza.

Un’analogia geografica aiuta a fissare l’idea. Immaginate di visitare il Sud Dakota, negli Stati Uniti, e di ammirare il Monte Rushmore — la montagna scolpita con i volti dei quattro presidenti Washington, Jefferson, Roosevelt e Lincoln. Nessuno, guardandola, pensa «che strana coincidenza erosiva»: la forma è evidentemente prodotta da un’intenzione. Spostatevi ora al Grand Canyon, poco lontano, o osservate una formazione rocciosa come l’Old Man of the Mountain che campeggiava in New Hampshire prima del suo crollo nel 2003: rupi imponenti, plasmate da vento, acqua, ghiaccio. Sono complesse, sono improbabili nella loro forma specifica — ma non le leggiamo come «progetto», perché non riconosciamo in esse alcun modello indipendente. Il Monte Rushmore presenta simultaneamente due caratteristiche: alta improbabilità (complessità) e conformità a un modello che esiste indipendentemente dalla montagna (i volti di quattro persone reali, i cui tratti potremmo descrivere partendo dalle fotografie storiche). Questa coincidenza — improbabilità e specificazione indipendente — è esattamente ciò che il nostro cervello cerca quando distingue artefatto da natura.

Il cinema di fantascienza ha colto bene questa logica. Nel romanzo Contact di Carl Sagan (1985), poi trasposto nel film del 1997, gli astronomi del SETI scoprono un segnale radio proveniente dalla stella Vega: una sequenza di impulsi che riproduce i numeri primi da 2 a 101. Gli scienziati non si chiedono se il segnale sia «improbabile» — lo è per definizione, qualunque segnale lo sarebbe. Si chiedono se esibisca un pattern indipendente. La serie dei numeri primi è un oggetto matematico che esisterebbe comunque, descrivibile senza riferimento al segnale stesso. Quando improbabilità e modello indipendente convergono così, la conclusione è immediata: dietro quel segnale c’è una mente. Il metodo è lo stesso — formalmente identico — che il Disegno Intelligente applica all’informazione biologica.


2. I tre tipi di pattern: ordine, casualità, design

Prima di definire la complessità specificata, è utile distinguere tre tipi di pattern che incontriamo nel mondo naturale.

Il primo tipo è l’ordine semplice, o ridondanza. La sequenza «ABABABABAB» ripetuta mille volte è una sequenza prevedibile, generata da una regola banale. Un cristallo di sale ha questa struttura: ioni sodio e ioni cloro si alternano perché le forze elettrostatiche lo impongono. L’ordine del cristallo è completamente spiegato dalla legge fisica che governa l’interazione tra le sue componenti. Non c’è quasi nessuna informazione in una sequenza così regolare: basta conoscere la regola per ricostruirla tutta.

Il secondo tipo è la complessità non specificata, o casualità pura. La stringa «xkqwzjmnprcvbtyflshaodei» è una sequenza improbabile, ma non trasmette nessun messaggio, non svolge nessuna funzione, non corrisponde a nessun criterio riconoscibile. È rumore. La complessità c’è, ma da sola non basta.

Il terzo tipo è la complessità specificata. La frase «Il tempo e la marea non aspettano nessuno» è una sequenza improbabile e specificata: corrisponde alle regole grammaticali dell’italiano, trasmette un significato, svolge una funzione comunicativa. Il bersaglio — un testo grammaticalmente corretto e semanticamente coerente — esisteva indipendentemente dalla sequenza stessa.

Secondo Dembski, solo il terzo tipo è un indicatore affidabile di causa intelligente. Non il primo (l’ordine è spiegato dalle leggi fisiche) né il secondo (la casualità è spiegata dal caso), ma il terzo: improbabilità che colpisce un bersaglio indipendente.

Vale la pena rendere la triade ancora più concreta con esempi familiari. Pensate alle tessere del gioco dello Scrabble (o Scarabeo). Se rovesciate la scatola sul pavimento, le tessere ricadono disperse in ordine casuale — qualche lettera accanto a qualche altra, nessuna parola leggibile. Quello è il caso: contingenza priva di specificazione. Se invece vi sedete al tavolo e disponete intenzionalmente le tessere formando la frase «DISEGNO INTELLIGENTE», state producendo contingenza specificata — design. Ora considerate una macchia d’inchiostro che si espande su un foglio: la sua forma precisa è certamente improbabile (esistono infinite forme possibili per una macchia che si allarga), ma non corrisponde a nessun pattern indipendente. È caso puro, contingenza non specificata. Un altro caso ancora: i brinamenti che al mattino disegnano figure simmetriche sul vetro di un’auto lasciata fuori casa. Sono ordinati, è vero — ma di un ordine imposto dalla chimica del cristallo di ghiaccio, ripetitivo come le righe di un reticolo, senza significato funzionale. Qui c’è necessità: regolarità dettata dalle leggi fisiche. Tre categorie, tre esempi, tre cause. La posta in gioco — come vedremo nei prossimi paragrafi — è stabilire a quale delle tre appartenga l’informazione biologica.


3. Il filtro esplicativo: una procedura in tre passi

Per rendere operativo questo criterio, Dembski ha sviluppato il filtro esplicativo — una procedura di eliminazione a tre fasi che permette di classificare qualsiasi evento in una delle tre categorie: necessità, caso, o design.

Il primo nodo chiede: l’evento è ad alta probabilità? Se sì, è spiegato dalla necessità — da leggi fisiche o chimiche che lo producono regolarmente. L’acqua che bolle a 100 gradi a livello del mare non richiede spiegazione in termini di caso o design.

Se l’evento non è ad alta probabilità, si passa al secondo nodo: l’evento è specificato? Se l’evento improbabile non corrisponde a nessun pattern riconoscibile indipendentemente, è spiegato dal caso.

Solo se l’evento è sia improbabile sia specificato — solo se colpisce un bersaglio indipendente con probabilità astronomicamente bassa — il filtro attribuisce l’evento al design.

Questa non è un’inferenza basata sull’ignoranza. È un’inferenza positiva basata su ciò che sappiamo: nella nostra esperienza uniforme, la complessità specificata è sempre prodotta da agenti intelligenti.

La formulazione originale del filtro esplicativo comparve nella monografia di Dembski The Design Inference, pubblicata dalla Cambridge University Press nel 1998 — una casa editrice accademica di primissimo rango, circostanza che va ricordata perché contrasta con la caricatura secondo cui l’ID non sarebbe stato mai vagliato da istituzioni accademiche serie. Un esempio pratico che Dembski usa per illustrare il funzionamento del filtro è quello di una cassaforte bancaria: supponete che la serratura accetti una sola combinazione su dieci miliardi possibili. Se un individuo si presenta, inserisce una combinazione e la porta si apre, il filtro lavora così. L’evento è contingente (non è necessario che quella combinazione fosse inserita); è complesso (la probabilità di indovinare per caso è bassissima); è specificato (solo una configurazione su dieci miliardi corrisponde al bersaglio funzionale — l’apertura della porta). La conclusione è che l’individuo conosceva la combinazione: design, non caso. Nessun direttore di banca dubiterebbe di questa inferenza.

La prima formulazione del 1998 ricevette critiche vivaci dai biologi evoluzionisti e da alcuni filosofi della scienza; Dembski la difese in No Free Lunch (2002), dove respingeva con ampio apparato matematico l’idea che la complessità specificata potesse emergere «gratuitamente» da un processo evolutivo privo di informazione iniziale. Ma la revisione più importante è arrivata nel 2023, per il venticinquesimo anniversario dell’opera originaria: è uscita infatti la seconda edizione ampliata di The Design Inference, curata da Dembski insieme all’informatico Winston Ewert, pubblicata dal Discovery Institute Press. La nuova edizione ridefinisce la specificazione in termini più stringenti, introduce criteri quali l’indipendenza condizionale e la trattabilità descrittiva, e collega il filtro esplicativo alla teoria dell’informazione algoritmica di Kolmogorov — un raccordo che, come vedremo nella sezione 6, è centrale per la solidità matematica del criterio. Il filtro viene ora presentato principalmente come «categoria logica per l’eliminazione del caso» — cioè come procedura per escludere le spiegazioni casuali quando l’informazione specificata supera le risorse probabilistiche disponibili.

A questa linea di ricerca si collega il lavoro di Robert J. Marks II, ingegnere della Baylor University, che insieme a Dembski e a Winston Ewert ha fondato il Biologic Institute’s Evolutionary Informatics Lab, e che ha pubblicato nel 2017 il volume Introduction to Evolutionary Informatics per World Scientific. Il libro formalizza matematicamente la Legge della Conservazione dell’Informazione: in un sistema di cause puramente materiali e non guidate, la quantità di informazione complessa specificata non aumenta. I programmi evolutivi al computer — come Weasel di Dawkins, Ev di Schneider, Avida di Lenski-Ofria-Pennock — sembrano generare informazione apparentemente dal nulla, ma un’analisi rigorosa mostra che i programmatori hanno immesso quella che Marks chiama informazione attiva nel sistema, sotto forma di funzione di fitness, criteri di selezione, ambiente virtuale. L’algoritmo non crea informazione — la riflette, la elabora, la rende visibile, ma la sua fonte ultima è la mente del programmatore. Torneremo sulla Legge della Conservazione nei Moduli successivi; qui basti dire che essa fornisce un sostegno formale alla direzione in cui il filtro esplicativo punta: l’informazione complessa specificata non emerge da meccanismi ciechi.


4. La specificità: il bersaglio deve esistere prima del tiro

Un’obiezione immediata è quella che potremmo chiamare l’obiezione «post-hoc» — o, in termini più coloriti, il Texas Sharpshooter Fallacy: il cecchino texano che spara a caso contro un muro e poi disegna il bersaglio intorno al foro del proiettile, fingendo di aver colpito il centro.

L’obiezione è seria: come facciamo a sapere che il bersaglio esistesse prima dell’evento, e non sia stato costruito a posteriori?

Dembski affronta il problema con il concetto di distaccabilità: una specificazione è legittima quando può essere formulata o riconosciuta usando conoscenze di base che esistono separatamente dall’evento osservato. In termini tecnici, deve soddisfare una condizione di indipendenza condizionale: il pattern non deve essere dettato dall’evento stesso, ma deve essere descrivibile attraverso requisiti funzionali oggettivi.

Un esempio dettagliato aiuta a vedere la differenza. Immaginate un arciere bendato che scocca una freccia contro un muro bianco. La freccia si conficca in un punto qualsiasi. Se un osservatore, dopo il tiro, si avvicina al muro e dipinge un bersaglio circolare proprio attorno alla freccia — con il punto di impatto al centro del bersaglio — dirà poi di aver «colpito il centro». Ma il bersaglio è stato disegnato dopo, costruito ad hoc per adattarsi al risultato: la corrispondenza non è informativa, è una finzione retroattiva. Questo è il cecchino texano, ed è esattamente ciò che una buona teoria dell’inferenza al design deve escludere. Si immagini ora lo scenario opposto. Un bersaglio molto piccolo — diciamo un cerchio di pochi centimetri — viene dipinto sul muro prima del tiro, in una posizione scelta da chi organizza la prova, senza nessun riferimento all’arciere. L’arciere scocca e centra esattamente il bersaglio. In questo caso la corrispondenza è genuina: il bersaglio esisteva indipendentemente dall’evento, era descrivibile prima del tiro, non è stato adattato al risultato. Questa è una specificazione distaccabile. La differenza tra le due situazioni non è di forma — in entrambi i casi c’è una «corrispondenza» tra freccia e bersaglio — ma di struttura logica: nel secondo caso il modello è indipendentemente dato.

L’applicazione biologica è immediata. I requisiti funzionali di una proteina — la sequenza di amminoacidi che produca una piega stabile con una funzione enzimatica precisa, per esempio — esistono indipendentemente dall’osservazione di una proteina particolare, perché sono requisiti descrivibili con strumenti biochimici oggettivi. Non stiamo disegnando il bersaglio dopo. Lo spazio combinatorio delle sequenze possibili preesiste a qualsiasi sequenza effettivamente osservata, e dentro quello spazio le «isole funzionali» — come le chiama Axe — sono individuabili attraverso criteri biochimici che non dipendono dal caso particolare.

La Stele di Rosetta è un esempio perfetto. Quando gli archeologi la trovarono nel 1799, deducevano che le incisioni fossero prodotte da un agente intelligente non perché non sapessero come spiegarle altrimenti, ma perché le incisioni avevano le proprietà di un testo scritto — struttura lessicale, sintassi, significato — proprietà riconoscibili attraverso la conoscenza delle lingue, indipendentemente dalla pietra stessa.

Lo stesso criterio opera nella ricerca SETI — la Search for ExtraTerrestrial Intelligence. I ricercatori non cercano segnali semplicemente improbabili: cercano segnali che esibiscano strutture matematiche riconoscibili — sequenze di numeri primi, modulazioni non attribuibili a processi fisici noti. Il criterio di rilevamento è esattamente quello della complessità specificata. Nessuno accusa il SETI di fare pseudoscienza quando usa questo criterio. Lo stesso vale per la criminalistica — dove l’inferenza al design è operativa quotidianamente per distinguere un decesso accidentale da un omicidio — e per l’archeologia, dove si distingue un manufatto da una formazione naturale.

Stephen Meyer, nei capitoli 18-19 di Signature in the Cell, sottolinea un punto che merita di essere esplicitato: se il criterio della complessità specificata è epistemologicamente valido quando lo usano archeologi per datare civiltà antiche, criminologi forensi per ricostruire dinamiche omicide, ingegneri del SETI per cercare intelligenze extraterrestri, non c’è alcuna ragione logica per cui dovrebbe diventare improvvisamente invalido quando lo applichiamo al DNA. Il criterio è lo stesso; è solo la conclusione a risultare inaccettabile per chi ha presupposti filosofici che escludono a priori un’intelligenza all’origine della vita. Ma questo — va notato — è un problema dei presupposti, non del criterio.


5. La matematica: 500 bit e il limite universale di probabilità

La complessità specificata ha anche una formulazione quantitativa precisa.

Il punto di partenza è il limite universale di probabilità calcolato da Dembski. L’universo osservabile ha un numero finito di particelle elementari (circa 1080), un tempo di vita finito (circa 13,8 miliardi di anni) e una velocità massima di transizioni fisiche (circa 1045 al secondo per particella). Moltiplicando questi tre fattori si ottiene il numero totale di eventi fisici possibili nella storia dell’universo: circa 10150. Se la probabilità di un evento è inferiore a 1 su 10150, è praticamente impossibile che si sia verificato per caso anche una sola volta nell’intera storia cosmica.

In termini di informazione, 10150 corrisponde a circa 500 bit (poiché 2500 ≈ 10150). La soglia quantitativa è dunque: la presenza di 500 o più bit di informazione specificata supera le risorse probabilistiche dell’universo e costituisce un indicatore affidabile di design intelligente.

Qual è la rilevanza per il DNA? Una proteina funzionale di 150 amminoacidi contiene ampiamente più di 500 bit di informazione specificata. Come ha mostrato Douglas Axe, la probabilità di trovare casualmente una sequenza funzionale è di circa 1 su 1077 — una probabilità che supera il limite universale anche per una singola proteina. E la cellula più semplice richiede circa duemila proteine funzionali diverse.

Vale la pena entrare nel dettaglio della derivazione del limite universale, perché è uno dei punti più forti — e più spesso fraintesi — dell’apparato matematico dell’ID. Il ragionamento di Dembski è questo: se vogliamo dire che un evento specificato è «talmente improbabile da non poter essere accaduto per caso», dobbiamo fissare una soglia rigorosa, e quella soglia deve tener conto di tutte le risorse probabilistiche disponibili. Non basta confrontare la probabilità di un evento con l’età di un singolo esperimento, o con la durata della vita sulla Terra: bisogna confrontarla con il numero totale di «tentativi» che l’intero universo avrebbe potuto compiere in tutta la sua storia. Questo è il limite che nessuna ricerca casuale può oltrepassare.

Dembski calcola le risorse probabilistiche del cosmo moltiplicando tre fattori. Il primo fattore è il numero di particelle elementari nell’universo osservabile: stime cosmologiche standard lo collocano intorno a 1080. Il secondo è la frequenza massima di transizioni fisiche al secondo: la meccanica quantistica stabilisce, attraverso la lunghezza di Planck, che nessun evento fisico può avvenire più velocemente del tempo che la luce impiega a percorrere quella lunghezza — cioè in un tempo inferiore al tempo di Planck, circa 10-43 o 10-45 secondi. Invertendo, il numero massimo di transizioni al secondo per particella è dell’ordine di 1045. Il terzo fattore è l’età dell’universo espressa in secondi: partendo dai 13,8 miliardi di anni attuali, si ottengono circa 1017-1025 secondi a seconda delle unità di conversione usate nelle diverse formulazioni. Moltiplicando questi tre numeri — 1080 × 1045 × 1025 — si ottiene all’incirca 10150: il numero totale di «eventi elementari» che possono essersi verificati in tutta la storia del cosmo, considerando tutta la materia e tutto il tempo disponibili. In una formulazione alternativa più conservativa Dembski fa il calcolo 1080 × 1043 × 1016, ottenendo circa 10139, e arrotonda per eccesso a 10150 per essere prudente — cioè per concedere al caso tutte le risorse immaginabili.

La soglia è la seguente: se un evento specificato ha una probabilità inferiore a 1 su 10150, è fisicamente impossibile che si sia verificato per caso anche una sola volta nella storia dell’universo. L’intero cosmo non ha avuto abbastanza «tentativi» per realizzarlo.

Dembski non è il primo ad aver pensato in questi termini. Il matematico francese Émile Borel, nel 1914, aveva proposto quella che chiamò la «legge unica del caso»: eventi con probabilità inferiore a circa 1 su 1050 devono essere considerati impossibili su scala cosmica e non possono mai verificarsi per caso nell’ambito della realtà fisica. Dembski riprende esplicitamente la tradizione matematica di Borel e la generalizza, calcolando un limite molto più rigoroso basato sulle risorse effettive dell’universo osservabile. La sua «Legge della Piccola Probabilità», formulata in The Design Inference, estende il principio di Borel incorporando i parametri cosmologici moderni: 10-150 invece di 10-50.

La traduzione in linguaggio informazionale è elegante. La teoria dell’informazione, fin da Shannon, misura l’informazione in bit applicando la formula $I = -\log_2(p)$: l’informazione (in bit) è il logaritmo in base 2 dell’inverso della probabilità. Più è bassa la probabilità di un evento specifico, più elevata è la quantità di informazione che la sua realizzazione trasmette. Applicando la formula al limite universale, si ottiene $\log_2(10^{150}) \approx 500$: la probabilità di 10-150 corrisponde quasi esattamente a 500 bit di informazione. Da qui il principio quantitativo di Dembski: qualsiasi sistema che contenga 500 o più bit di informazione specificata supera le risorse probabilistiche dell’intero universo, e la sua origine non può essere ragionevolmente attribuita al caso.

L’applicazione al DNA è illuminante. Stephen Meyer, in Signature in the Cell, calcola che la probabilità di assemblare casualmente una singola molecola proteica funzionale di 150 amminoacidi in un brodo prebiotico è dell’ordine di 1 su 10164 — un numero che supera di ben quattordici ordini di grandezza la soglia universale di 10150. Anche prendendo il dato più conservativo di Axe sulla frazione di sequenze funzionali nello spazio delle sequenze, 1 su 1077, ci si scontra con il problema che il numero totale di organismi mai vissuti sulla Terra in quattro miliardi di anni è dell’ordine di 1040: la differenza tra 1077 e 1040 è un fattore di 1037, cioè l’esplorazione storica effettiva copre solo una frazione infinitesima dello spazio delle sequenze. E qui si tratta di una sola proteina: la cellula più semplice — Mycoplasma genitalium o i genomi minimi di laboratorio tipo JCVI-syn3.0 — ne richiede alcune centinaia, ognuna delle quali deve essere contemporaneamente presente e funzionale per garantire la vita della cellula.

Questa combinazione di improbabilità e specificazione è ciò che Dembski formalizza nel concetto di Informazione Complessa Specificata (Complex Specified Information, CSI). Un oggetto, sistema o sequenza possiede CSI quando soddisfa due condizioni contemporaneamente: è sufficientemente improbabile da superare la soglia di 500 bit (complesso) ed è conforme a un pattern indipendente riconoscibile (specificato). La CSI è la «firma» dell’intelligenza — l’indicatore operativo che il filtro esplicativo riesce a rilevare. In Signature in the Cell Meyer argomenta sistematicamente che il DNA è l’esempio paradigmatico di CSI nel mondo naturale: codice digitale improbabile, funzionalmente specificato, quantitativamente ben oltre i 500 bit.


6. Shannon, Kolmogorov e l’informazione specificata

Per chi voglia comprendere le basi teoriche, vale la pena collocare la complessità specificata nel contesto della teoria matematica dell’informazione.

L’informazione di Shannon cattura l’improbabilità di una sequenza, ma non il suo significato. Una sequenza casuale di mille caratteri ha alta informazione di Shannon quanto una pagina di testo significativo. Shannon stesso riconosceva questo limite.

La complessità di Kolmogorov-Chaitin lega l’informazione alla lunghezza del programma più corto capace di generare una sequenza. Una sequenza regolare ha bassa complessità (basta un programma corto). Una sequenza casuale ha alta complessità (il programma più corto è la sequenza stessa).

La complessità specificata integra entrambe le misure: un evento segnala il design quando ha alta complessità probabilistica (molti bit di Shannon) combinata con bassa complessità descrittiva del pattern (il bersaglio è descrivibile concisamente). Un testo scritto è improbabile come sequenza casuale di lettere, ma il pattern «grammatica italiana + sintassi corretta + semantica coerente» è descrivibile con poche regole. Il DNA funzionale è improbabile come sequenza di basi, ma il pattern «catena di amminoacidi che si ripiega in struttura funzionale» è riconoscibile con criteri biochimici indipendenti.

Va detto che la teoria algoritmica dell’informazione ha una storia di prima qualità. Fu sviluppata indipendentemente negli anni Sessanta da tre matematici di primo piano: il russo Andrey Kolmogorov (uno dei più grandi matematici del Novecento, noto anche per la teoria delle probabilità assiomatica), l’americano Gregory Chaitin (che pubblicò il suo lavoro pionieristico nel 1966 sul Journal of the ACM), e il pioniere dell’inferenza induttiva Ray Solomonoff (che aveva anticipato alcune idee fondamentali nel 1964). Le tre formulazioni si rivelarono equivalenti e convergenti: la complessità di una sequenza è la lunghezza del programma più breve (in un linguaggio di programmazione universale) capace di produrla. Una nota limitazione tecnica è l’incomputabilità: non esiste un algoritmo generale che determini con certezza la complessità di Kolmogorov di una sequenza arbitraria — il che non invalida il concetto, ma impone cautela nelle sue applicazioni pratiche.

L’integrazione di Shannon e Kolmogorov nel quadro di Dembski è raffinata. Usa la teoria di Shannon per quantificare l’improbabilità dell’evento — un evento è «Shannon-alto» se ha molti bit di improbabilità. Usa la complessità di Kolmogorov per quantificare la descrivibilità del pattern — un evento è «Kolmogorov-basso» se il pattern a cui si conforma può essere descritto in modo breve e compatto. Quando entrambe le condizioni coesistono — alta improbabilità dell’evento e bassa complessità descrittiva del pattern a cui si conforma — si ha l’indicatore affidabile del design. Nella seconda edizione di The Design Inference (2023) Dembski ed Ewert hanno esplicitato questo collegamento tecnico, fornendo una misura informativa unificata che integra le due teorie e affronta le obiezioni matematiche degli anni precedenti.

Un precedente storico vale la pena ricordarlo. Nel 1966, a Filadelfia, si tenne il celebre Simposio di Wistar — un incontro in cui alcuni matematici e ingegneri posero ai biologi evoluzionisti obiezioni quantitative al neodarwinismo. Il matematico francese Marcel-Paul Schützenberger, insieme a Murray Eden del MIT e altri, argomentò che la sola combinazione di mutazione casuale e selezione naturale non può plausibilmente generare nuova informazione specificata nello spazio e nel tempo disponibili: lo «spazio combinatorio» delle sequenze biologiche è semplicemente troppo vasto perché una ricerca cieca lo esplori in modo utile. I biologi presenti — Ernst Mayr, tra gli altri — reagirono duramente, ma il simposio rimane un riferimento storico importante: le obiezioni matematiche al darwinismo non sono state inventate da Dembski, hanno oltre mezzo secolo di storia, e Dembski si inserisce in una tradizione di ricerca quantitativa che le ha formalizzate in modo sempre più rigoroso.


7. Le obiezioni e le risposte

Le obiezioni alla complessità specificata sono serie e meritano di essere esaminate nella loro forma più forte.

«Tutte le sequenze sono ugualmente improbabili»

Un’obiezione ricorrente afferma che qualsiasi sequenza specifica di DNA è ugualmente improbabile — come ottenere una particolare sequenza lanciando una moneta mille volte — e che quindi l’improbabilità non prova nulla. Questa obiezione manca il bersaglio perché confonde la mera complessità con la complessità specificata. Ottenere una sequenza casuale di lettere è improbabile ma privo di significato; ottenere i versi di una poesia di Shakespeare richiede sia estrema improbabilità sia aderenza a un bersaglio funzionale indipendente — la grammatica, la metrica, il senso compiuto. L’ID richiede entrambe le condizioni, non la prima sola.

Due analogie aiutano a fissare la distinzione. Prima analogia: la lotteria. Vincere una lotteria una volta è improbabile — le probabilità possono essere di 1 su decine o centinaia di milioni — ma non sospettiamo trucco, perché qualcuno doveva vincere e noi osserviamo dopo chi è stato. Supponiamo però che la stessa persona vinca il primo premio cento volte di seguito, in cento estrazioni indipendenti. A quel punto smetteremmo di accettare il caso come spiegazione e inizieremmo a cercare un meccanismo di frode. Perché? Perché cento vittorie consecutive combinano improbabilità astronomica e specificazione indipendente (il pattern «sempre lo stesso vincitore» è descrivibile a priori). Stesso ragionamento con una moneta: cento lanci consecutivi con esito testa-croce alternato sono improbabili come qualsiasi altra sequenza specifica, ma esibiscono un pattern matematico che invita a sospettare un meccanismo sottostante — un trucco, una moneta truccata, un operatore. Seconda analogia: il Monte Rushmore (o il Monte Rainier, citato da Dembski in un’altra formulazione). Una caduta casuale di detriti rocciosi su un versante di montagna è sempre improbabile in ogni sua configurazione specifica, ma non leggiamo progetto in essa. I volti scolpiti sul Monte Rushmore sono improbabili e specificati — e per questo leggiamo progetto. Lo stesso vale per il DNA: il codice genetico non è solo improbabile, è funzionalmente specificato, e la combinazione è la firma del design.

L’obiezione di Elliott Sober

Il filosofo della scienza Elliott Sober ha sollevato due critiche specifiche al filtro esplicativo. La prima è che per inferire il design dovremmo conoscere le intenzioni e i piani del progettista — il che renderebbe l’ID dipendente da assunzioni teologiche preliminari. La seconda è che la bassa probabilità di un evento non impone logicamente il rigetto dell’ipotesi casuale.

Entrambe le critiche meritano attenzione, ma incontrano risposte precise. Sulla prima: in archeologia e in criminalistica riconosciamo abitualmente il design in manufatti sconosciuti senza dover conoscere la mente o l’identità del creatore — non sappiamo chi abbia inciso la Stele di Rosetta, eppure sappiamo che è stata incisa. Sulla seconda: Dembski ha dimostrato che la critica di Sober utilizza erroneamente un condizionale bayesiano al posto di un condizionale materiale, tentando di salvare l’ipotesi casuale con aggiornamenti arbitrari delle probabilità.

Vale la pena esaminare la critica di Sober in maggiore dettaglio, perché è tra le più rigorose filosoficamente. In Evidence and Evolution: The Logic Behind the Science (2008), Sober sostiene che il corretto strumento epistemologico per valutare ipotesi scientifiche è il cosiddetto Principio di Verosimiglianza, di matrice bayesiana: un’ipotesi è preferibile a un’altra quando rende i dati osservati più probabili. Applicato all’ID, questo implica — secondo Sober — che per dire «il design spiega i dati meglio dell’evoluzione» dovremmo sapere a priori quanto sia probabile che un progettista realizzi quel particolare pattern, e per saperlo dovremmo conoscere le intenzioni e i piani del progettista: chi è, cosa vuole, come ragiona. Ma questa conoscenza l’ID non l’ha — e non può averla, dato che esclude per statuto le assunzioni teologiche. Dembski ha risposto in No Free Lunch mostrando che Sober commette un errore di calcolo: considera la probabilità dell’evento specifico osservato invece che la probabilità della «regione di rifiuto» — cioè dell’insieme di tutte le configurazioni che soddisfano la specificazione. E ha aggiunto il punto decisivo: in archeologia deduciamo il design di un manufatto di uso sconosciuto — una statuetta paleolitica, uno strumento di fattura aliena ai nostri — senza dover conoscere le intenzioni dello scultore o dello strumentista. Conosciamo soltanto le proprietà del manufatto, e quelle bastano per distinguerlo da una formazione naturale. Il criterio funziona senza bisogno di teologia. L’obiezione di Sober, nella sua forma forte, risulta applicare uno standard epistemologico che la stessa archeologia rigetterebbe.

L’obiezione di Wesley Elsberry e Jeffrey Shallit

Un’obiezione tecnica di primo livello è quella del biologo Wesley Elsberry e del matematico Jeffrey Shallit, che in un articolo pubblicato sulla rivista Synthese nel 2011 — intitolato Information Theory, Evolutionary Computation, and Dembski’s «Complex Specified Information» — hanno contestato la coerenza matematica della formulazione originale della CSI. Secondo i due autori, la definizione di Dembski del 1998 presenterebbe ambiguità tali da rendere il filtro esplicativo un argomento dall’ignoranza camuffato da rigoroso apparato formale. La critica è ampia e tecnica, e ha lasciato il segno nel dibattito.

Dembski ha affrontato queste obiezioni in modo diretto nella seconda edizione di The Design Inference (2023), curata insieme a Winston Ewert. L’argomento di Dembski è duplice: primo, Elsberry e Shallit hanno ignorato gli sviluppi teorici successivi — in particolare il lavoro sulla Legge di Conservazione dell’Informazione sviluppata con Marks — che chiariscono e rafforzano l’apparato formale. Secondo, la nuova edizione fornisce una formulazione matematicamente più rigorosa che collega esplicitamente la CSI alla teoria algoritmica di Kolmogorov, eliminando le ambiguità originarie e introducendo il concetto operativo di «regione di rifiuto» come cornice formale per il calcolo probabilistico. Il dibattito è ancora aperto — nessuna controversia scientifica autentica si chiude in modo definitivo — ma la seconda edizione 2023 va considerata la formulazione attuale della teoria, su cui qualsiasi critica deve misurarsi.

L’obiezione di H. Allen Orr

Il biologo H. Allen Orr, della University of Rochester, ha criticato l’ID in recensioni pubblicate sulla Boston Review e sul New Yorker. La sua obiezione principale riguarda la complessità irriducibile di Behe (che tratteremo in altro Modulo), ma include una critica rilevante anche per la complessità specificata: Orr suggerisce che un sistema apparentemente irriducibile possa evolvere gradualmente attraverso un meccanismo indiretto. Supponiamo, dice Orr, che una parte «A» svolga inizialmente una certa funzione, anche imperfettamente; successivamente, l’evoluzione aggiunge una parte «B» che aiuta A; col tempo, A muta o perde elementi, e B diventa indispensabile. Il sistema finale appare irriducibile — nel senso che rimuovere B fa cadere la funzione — ma è stato costruito per passi graduali. Orr accusa inoltre Dembski di mancare di «specificità causale» sulle modalità dell’intervento progettuale.

Le risposte degli autori ID sono precise. Behe osserva che lo scenario di Orr è completamente ipotetico, privo di qualsiasi dettaglio biochimico meccanicistico reale: non esiste un singolo esempio concreto, nella letteratura biologica, in cui un sistema irriducibilmente complesso sia stato dimostrato emergere per il percorso «A-poi-B-poi-A-diventa-essenziale». È una narrazione might-have-been, non un modello verificabile. Dembski, dal canto suo, osserva che la richiesta di «specificità causale» è un classico tu quoque epistemologico — «anche voi lo fate»: il darwinismo stesso soffre di drammatica assenza di dettaglio causale passo-passo nella spiegazione dell’emergere della complessità molecolare, eppure non viene squalificato per questo. Chiedere all’ID una specificità causale che il darwinismo non fornisce è un doppio standard.

Anche il filosofo e divulgatore Richard Wein ha sollevato obiezioni articolate a The Design Inference in ambito accademico e on-line. Dembski ha affrontato quelle critiche nei testi successivi, sebbene una trattazione esaustiva esca dai limiti di questo Modulo.

«La Selezione naturale accumula piccoli vantaggi»

L’obiezione che la Selezione naturale non sia un processo «cieco» perché conserva i guadagni intermedi è seria. Ma funziona solo se esiste un continuum funzionale ininterrotto — una serie di passi in cui ciascun intermedio offre un vantaggio selezionabile. Nel mondo biologico reale, la generazione di nuovi ripiegamenti proteici o di macchine molecolari irriducibilmente complesse richiede mutazioni multiple coordinate prima che emerga qualsiasi funzione utile su cui la Selezione possa agire. Poiché l’evoluzione non ha lungimiranza, non può conservare guadagni intermedi che non offrono un vantaggio immediato. Come abbiamo documentato nel Percorso 6, il paesaggio adattativo molecolare è fatto di isole funzionali isolate, non di pendii graduali.

Richard Dawkins, in L’orologiaio cieco (1986), ha sostenuto con molta efficacia retorica che la selezione naturale può produrre il simulacro del progetto procedendo per minuscoli passi cumulativi. L’immagine di Dawkins è la «scalata del Monte Improbabile»: una salita lunga, ma a pendenza dolce. Il problema è che il paesaggio biomolecolare reale, come documentato dal lavoro sperimentale di Douglas Axe, non ha quella topografia dolce. È un arcipelago di isole funzionali disperse in un oceano di sequenze non funzionali: le isole sono rade (1 su 1077), e tra di loro si stende un mare vastissimo di configurazioni che non producono alcuna piega stabile, alcuna funzione, nessun vantaggio selezionabile. La scalata del Monte Improbabile funziona solo se esiste un sentiero — e i dati biochimici dicono che i sentieri, nel paesaggio proteico, sono piuttosto l’eccezione che la regola.

«L’ID non è falsificabile»

All’accusa che l’ID possa accomodare qualsiasi evidenza, la risposta è diretta: l’ipotesi potrebbe essere confutata se si dimostrasse sperimentalmente che cause puramente chimiche o fisiche possono generare grandi quantità di informazione specificata, o che la Selezione naturale può costruire gradualmente sistemi irriducibilmente complessi. Il fatto che queste confutazioni non siano ancora avvenute non significa che non possano avvenire — significa che finora le evidenze sono compatibili con le previsioni dell’ID.

Meyer, in Signature in the Cell, articola esplicitamente le condizioni di falsificazione: l’ID sarebbe falsificato se si dimostrasse in laboratorio che quantità significative di informazione funzionalmente specificata emergono da condizioni puramente chimiche non guidate (un esperimento di abiogenesi riuscito con generazione spontanea di sequenze funzionali); oppure se si dimostrasse, empiricamente, che le sequenze proteiche funzionali sono frequenti nello spazio delle sequenze (confutando i numeri di Axe); oppure se si osservasse sperimentalmente una transizione graduale — passaggio per passaggio, con ciascun intermedio funzionale — tra pieghe proteiche diverse. Nessuna di queste dimostrazioni è avvenuta finora. E qui va notato un paradosso importante che gli autori ID rilevano: molte versioni del neodarwinismo tradizionale, quando scompaiono le prove dei percorsi evolutivi specifici, postulano semplicemente l’esistenza di «vie indirette sconosciute» o di «meccanismi ancora da scoprire» — rendendo di fatto la teoria immune alle smentite empiriche. Il problema della falsificabilità, se applicato con coerenza, tocca entrambe le parti del dibattito, non solo una.


8. Il DNA come testo: la specificazione biologica

Tutto ciò che abbiamo detto in astratto trova la sua applicazione più diretta nel DNA.

Il requisito della complessità è soddisfatto: le basi lungo il filamento sono aperiodiche e irregolari. Come abbiamo visto Nel Modulo 1, non esistono forze chimiche che determinino la sequenza — ogni combinazione è chimicamente equivalente. Le sequenze funzionali sono rare in modo astronomico nello spazio di tutte le sequenze possibili.

Il requisito della specificità è altrettanto soddisfatto: la sequenza delle basi corrisponde a un criterio funzionale riconoscibile indipendentemente — la capacità di codificare per proteine funzionali. Quel criterio è descrivibile con strumenti biochimici che esistono indipendentemente dall’osservazione della sequenza stessa. Non è un bersaglio disegnato dopo il fatto.

Il DNA possiede complessità specificata nel senso tecnico preciso del termine. E la nostra esperienza causale uniforme ci dice che questo tipo di informazione ha una sola origine conosciuta: l’intelligenza.

L’argomentazione di Meyer in Signature in the Cell rende il punto nel modo più netto: il DNA non ha soltanto «mera complessità», cioè bassa probabilità statistica come qualunque sequenza casuale; possiede una specificità funzionale stringente. La sequenza dei nucleotidi è vincolata dal fatto di dover codificare, tramite il codice genetico che abbiamo esaminato Nel Modulo 2, catene di amminoacidi che devono a loro volta soddisfare i requisiti del folding proteico per produrre una funzione biologica utile. Il bersaglio — «produrre una catena di amminoacidi che si ripiega in una piega stabile e catalizza una reazione specifica» — è descrivibile attraverso criteri biochimici che esistono indipendentemente dall’osservazione di qualsiasi DNA particolare. La combinazione di improbabilità combinatoria astronomica e specificità funzionale stringente identifica esattamente il tipo di firma informazionale che nella nostra esperienza è sempre prodotta da agenti intelligenti.

Va precisato — perché il caso, la necessità e la loro combinazione non funzionano: il caso è matematicamente insufficiente a causa dell’inflazione combinatoria; la necessità genera ordine ridondante e cristallino, non la complessità aperiodica dei codici biologici; e la loro combinazione (mutazione casuale più Selezione naturale) fallisce perché la Selezione può conservare tratti solo dopo che l’informazione specificata è già apparsa, non può crearla.


9. Cosa omettono certi libri di testo

Un aspetto formativo importante: come viene trattata questa materia nei manuali scolastici?

I libri di testo di biologia standard presentano l’origine della variabilità genetica come frutto esclusivo di mutazioni casuali, ricombinazione, deriva genetica e flusso genico, vagliati dalla Selezione naturale. Non vi è alcuna menzione della complessità specificata, del filtro esplicativo di Dembski, né della sfida matematica posta dall’inflazione combinatoria all’origine dell’informazione biologica. L’argomento viene trattato dando per scontato il potere creativo della microevoluzione, offrendo esempi semplici — i becchi dei fringuelli, la resistenza agli antibiotici — come giustificazione per cambiamenti macroevolutivi o per la comparsa del codice genetico, senza affrontare la distanza astronomica che separa i due fenomeni.

Questa omissione non è un dettaglio: impedisce allo studente di conoscere uno dei dibattiti intellettuali più profondi della biologia contemporanea. Il salto concettuale tra microevoluzione (variazioni all’interno di tipologie esistenti, come la resistenza batterica agli antibiotici o le variazioni morfologiche nei becchi dei fringuelli) e macroevoluzione (comparsa di nuove pieghe proteiche, nuove macchine molecolari, nuovi piani corporei) non è un salto di grado ma di tipo: coinvolge la generazione di nuova informazione funzionalmente specificata, che è precisamente il problema centrale sollevato dal Disegno Intelligente e lasciato aperto dalle trattazioni manualistiche. Uno studente che esca da una formazione liceale conoscendo solo gli esempi di microevoluzione, senza aver mai sentito nominare il problema combinatorio o i calcoli di Axe, esce con un’immagine incompleta del dibattito scientifico reale.


10. Scienze storiche, ragionamento abduttivo e posizione editoriale

Un’ultima questione riguarda il metodo: è scientificamente legittimo usare la complessità specificata per fare inferenze su eventi del passato non osservabili direttamente?

La risposta è sì — e la ragione è che molte scienze consolidate operano esattamente in questo modo. La paleontologia ricostruisce la storia della vita da fossili. La cosmologia ricostruisce l’origine dell’universo da evidenze indirette. L’archeologia inferisce civiltà antiche da manufatti. Tutte usano il ragionamento abduttivo — l’inferenza alla miglior spiegazione: partono dall’effetto presente e risalgono alla causa passata più plausibile.

L’inferenza al design usa esattamente questo metodo. E — parallelo significativo — anche Darwin operò in questo modo: non osservò l’evoluzione in tempo reale, ma inferì dal pattern dei fossili e dalla distribuzione delle specie che un processo di discendenza con modificazione fosse la causa più plausibile. Se il ragionamento abduttivo di Darwin è scientifico, lo è anche quello dell’ID. La differenza è nella conclusione, non nella struttura logica.

Meyer sviluppa questo parallelo con precisione nel capitolo 7 di Signature in the Cell. Darwin, osservando il pattern geografico delle specie viventi, il record fossile, le omologie anatomiche, inferì come causa passata più adeguata la discendenza con modificazione. Non poteva osservare direttamente quella discendenza — gli eventi in questione erano lontani milioni di anni — ma poteva valutare, tra le cause note capaci di produrre certi effetti, quale rendesse i fenomeni osservati più intelligibili. Esattamente lo stesso tipo di inferenza opera l’ID: osservando l’informazione complessa specificata nel DNA, chiediamo quale, tra le cause note nell’esperienza umana, sia capace di produrre quel tipo di effetto. E la risposta empirica — non filosofica, non teologica, ma empirica — è: solo l’intelligenza. Mai, in nessuna osservazione documentata, è stato osservato un processo materiale non guidato produrre informazione complessa specificata in quantità comparabili a quelle del DNA. La struttura logica dei due ragionamenti è identica; la differenza sta soltanto nella conclusione a cui portano i dati attuali.

In coerenza con la posizione editoriale di questo sito, la complessità specificata è uno strumento che sostiene una deduzione logica e filosofica basata su evidenze empiriche. Non «prova» l’esistenza di un progettista nel senso dimostrativo del termine — nessuna inferenza alla miglior spiegazione lo fa. Ma identifica nell’intelligenza la causa più adeguata per l’informazione biologica osservata. Il naturalismo — l’assunzione che solo cause materiali non guidate possano essere invocate — è una posizione filosofica legittima come strumento operativo, ma non va confusa con una conclusione scientifica. Quando le evidenze empiriche puntano verso una causa che il naturalismo esclude a priori, il problema potrebbe essere nel presupposto, non nei dati.

La complessità specificata si integra con gli altri pilastri dell’ID — la complessità irriducibile di Behe e il fine-tuning cosmico — come criterio unificante: in ciascun caso, osserviamo sistemi altamente improbabili che si conformano a requisiti funzionali indipendenti, e in ciascun caso l’inferenza alla causa intelligente è la spiegazione più coerente con l’esperienza uniforme.


11. L’inferenza al design: una deduzione, non un dogma

È utile, a questo punto del percorso, esplicitare alcuni punti che ricorrono sistematicamente nelle critiche all’ID e che la formulazione onesta della teoria affronta apertamente.

Il primo punto riguarda l’accusa del God of the Gaps («Dio tappabuchi»). La formulazione classica della critica, attribuita al teologo Dietrich Bonhoeffer, è netta: è sbagliato «usare Dio come un ripiego per l’incompletezza della nostra conoscenza»; bisogna «trovare Dio in ciò che sappiamo, non in ciò che non sappiamo». Applicata all’ID, la critica assume questa forma: voi sostenete il design perché non sapete come spiegare l’informazione biologica in modo naturalistico — ma questa è un’argomentazione dall’ignoranza, e la storia della scienza è piena di «misteri» che si sono rivelati alla fine spiegabili naturalisticamente. La risposta degli autori ID è precisa: l’argomento non procede dall’ignoranza delle spiegazioni alternative, ma dalla conoscenza positiva di cosa produce l’informazione complessa specificata. Sappiamo empiricamente — per esperienza diffusa, ripetuta, non ambigua — che codici digitali, sistemi di traduzione, macchine integrate funzionali sono prodotti da intelligenza, e non è mai stata osservata una fonte non intelligente che li produca. Quando rileviamo quel tipo di effetto in un sistema di origine sconosciuta, l’inferenza all’intelligenza non è un tappabuchi ma una conclusione basata sulla nostra migliore conoscenza causale. È il tipo di ragionamento che Charles Sanders Peirce chiamò abduzione, e che in archeologia, SETI, criminalistica non solleva alcuna obiezione epistemologica.

Il secondo punto riguarda il designer non osservabile. Va riconosciuto apertamente un limite importante: l’ID rileva gli effetti di una causa intelligente, ma non pretende di identificare l’identità o la natura del progettista con i metodi della scienza sperimentale. Meyer, Dembski e Behe lo dichiarano esplicitamente: la teoria non presume di dire se il progettista sia naturale (per esempio un’intelligenza extraterrestre avanzata, nel modo in cui Crick ipotizzò la panspermia diretta) o soprannaturale, né di caratterizzarne piani, scopi o modalità di intervento. Questa limitazione non è un’ammissione di debolezza — è un requisito metodologico coerente con l’onestà epistemologica. Ciò che rende l’ID una deduzione logica, filosofica e metafisica basata su dati scientifici piuttosto che una teoria scientifica in senso stretto è esattamente questo: il progettista non è osservabile, non è caratterizzabile strumentalmente, non è manipolabile in laboratorio. Ma «non scientifico in senso stretto» non significa «non razionale» e non significa «non conoscitivo». La filosofia e la metafisica sono discipline millenarie che indagano la realtà con rigore, e una conclusione ragionata sulla base di dati empirici resta ragionata anche quando esce dal perimetro della scienza sperimentale. Questo è il punto su cui l’ID si distingue chiaramente dal creazionismo biblico classico: non dipende da premesse religiose, non si basa su interpretazioni letterali della Genesi, ed è compatibile con l’età geologica antica della Terra e persino con forme di discendenza comune tra viventi.

Il terzo punto riguarda il doppio standard epistemologico che spesso viene applicato nel dibattito pubblico. Molte teorie naturalistiche oggi accettate dal mainstream scientifico condividono con l’ID problemi strutturali di verificabilità sperimentale. L’ipotesi del multiverso postula l’esistenza di innumerevoli universi inosservabili per spiegare la sintonizzazione fine delle leggi fisiche; la teoria delle stringhe, dopo decenni di sviluppo, non ha ancora prodotto una singola predizione sperimentale distintiva; gli scenari completi dell’abiogenesi restano, come gli stessi Koonin e Novozhilov hanno ammesso pubblicamente, al di là persino della «seria pianificazione sperimentale»; diversi tratti della macroevoluzione profonda non sono empiricamente verificabili in laboratorio. Eppure queste ipotesi sono considerate parte del dibattito scientifico legittimo. L’ID viene invece squalificato a priori usando criteri che, se applicati in modo coerente, escluderebbero anche tali teorie. Il filosofo ateo Thomas Nagel, in Mind and Cosmos (2012), ha espresso la stessa preoccupazione in termini più generali, definendo «quasi certamente falsa» la concezione neo-darwiniana riduzionista della natura per la sua incapacità di rendere intelligibile l’esistenza di menti coscienti. La posizione editoriale di disegnointelligente.it denuncia questo doppio standard non perché si voglia livellare al ribasso, ma perché la coerenza epistemologica è un requisito fondamentale dell’onestà intellettuale.

In sintesi: in questo Modulo abbiamo visto che la complessità specificata — improbabilità astronomica combinata con specificità funzionale indipendente — è un criterio rigoroso, quantitativamente definito (500 bit come soglia universale), matematicamente difendibile (nell’integrazione Shannon-Kolmogorov), già operativo in discipline scientifiche consolidate (archeologia, SETI, criminalistica), e applicato con precisione all’informazione biologica da Dembski, Meyer e la comunità dell’ID. Le obiezioni tecniche ricevute — da Sober a Elsberry-Shallit, da Orr a Wein — sono state affrontate in modo puntuale, culminando nella seconda edizione di The Design Inference del 2023. Proiettare da queste evidenze un’inferenza a una causa intelligente non è un atto di fede, né un ripiego di ignoranza: è il tipo di ragionamento che una mente razionale applica quando confronta spiegazioni alternative e sceglie quella che si adatta meglio ai dati disponibili. È, precisamente, una deduzione, non un dogma.

 

 


Prossimo Modulo

Nel Modulo 4L’enigma dell’origine dell’informazione biologica: perché il caso non basta — il criterio esposto qui viene messo alla prova sul caso concreto più discusso: l’origine delle prime proteine funzionali. Vedremo che cosa dicono i numeri quando si prova a costruire una sequenza funzionale per tentativi, e perché la combinazione di caso e selezione naturale incontra un ostacolo che non riguarda la biologia soltanto, ma la struttura stessa del problema.


Per approfondire


Riferimenti

Axe, D. D. (2004). “Estimating the Prevalence of Protein Sequences Adopting Functional Enzyme Folds.” Journal of Molecular Biology, 341(5), 1295–1315. DOI: 10.1016/j.jmb.2004.06.058.

Axe, D. (2016). Undeniable: How Biology Confirms Our Intuition That Life Is Designed. HarperOne.

Behe, M. J. (1996). Darwin’s Black Box: The Biochemical Challenge to Evolution. Free Press.

Borel, É. (1914). Le Hasard. Félix Alcan.

Chaitin, G. J. (1966). “On the Length of Programs for Computing Finite Binary Sequences.” Journal of the ACM, 13(4), 547–569. DOI: 10.1145/321356.321363.

Dawkins, R. (1986). The Blind Watchmaker. W. W. Norton. [Edizione italiana: L’orologiaio cieco. Rizzoli, 1988.]

Dembski, W. A. (1998). The Design Inference: Eliminating Chance through Small Probabilities. Cambridge University Press.

Dembski, W. A. (2002). No Free Lunch: Why Specified Complexity Cannot Be Purchased without Intelligence. Rowman & Littlefield.

Dembski, W. A., e Ewert, W. (2023). The Design Inference: Eliminating Chance through Small Probabilities. 2nd ed. Discovery Institute Press.

Elsberry, W., e Shallit, J. (2011). “Information Theory, Evolutionary Computation, and Dembski’s ‘Complex Specified Information.'” Synthese, 178(2), 237–270. DOI: 10.1007/s11229-009-9542-8.

Freeland, S. J., e Hurst, L. D. (1998). “The Genetic Code Is One in a Million.” Journal of Molecular Evolution, 47(3), 238–248. DOI: 10.1007/PL00006381.

Kolmogorov, A. N. (1965). “Three Approaches to the Quantitative Definition of Information.” Problems of Information Transmission, 1(1), 1–7.

Marks, R. J. II, Dembski, W. A., e Ewert, W. (2017). Introduction to Evolutionary Informatics. World Scientific.

Meyer, S. C. (2009). Signature in the Cell: DNA and the Evidence for Intelligent Design. HarperOne.

Meyer, S. C. (2021). Return of the God Hypothesis: Three Scientific Discoveries That Reveal the Mind Behind the Universe. HarperOne.

Nagel, T. (2012). Mind and Cosmos: Why the Materialist Neo-Darwinian Conception of Nature Is Almost Certainly False. Oxford University Press.

Orr, H. A. (2002). “Book Review: No Free Lunch.” Boston Review, Summer 2002.

Orr, H. A. (2005). “Devolution: Why Intelligent Design Isn’t.” The New Yorker, 30 maggio 2005.

Sagan, C. (1985). Contact. Simon & Schuster.

Schützenberger, M.-P. (1967). “Algorithms and the Neo-Darwinian Theory of Evolution.” In P. S. Moorhead e M. M. Kaplan (eds.), Mathematical Challenges to the Neo-Darwinian Interpretation of Evolution (Wistar Institute Symposium, 1966). Wistar Institute Press.

Shannon, C. E. (1948). “A Mathematical Theory of Communication.” Bell System Technical Journal, 27, 379–423 e 623–656.

Sober, E. (2008). Evidence and Evolution: The Logic Behind the Science. Cambridge University Press.

Solomonoff, R. J. (1964). “A Formal Theory of Inductive Inference.” Information and Control, 7(1), 1–22 e 7(2), 224–254.

Il codice genetico è un software che nessuno ha programmato?

0

Percorso: L’Informazione Biologica
Modulo 2

Prerequisiti:
Modulo 1
Guida alla lettura
Disclaimer

 


1. Il problema della traduzione

Nel Modulo precedente abbiamo visto che il DNA memorizza informazioni in forma di sequenze di quattro basi nucleotidiche — A, T, G, C — e che quelle sequenze portano le istruzioni per costruire le proteine della cellula. Abbiamo anche visto che le proteine sono costruite da catene di amminoacidi, e che la sequenza degli amminoacidi determina la struttura tridimensionale e quindi la funzione della proteina.

Ma qui si pone un problema che nel Modulo 1 abbiamo appena sfiorato: il DNA parla un «linguaggio» a quattro lettere (le basi nucleotidiche), le proteine sono costruite con un «linguaggio» a venti caratteri (gli amminoacidi). Come fa la cellula a tradurre un linguaggio nell’altro? Qual è il dizionario che permette di passare dalle sequenze di basi alle sequenze di amminoacidi?

Quel dizionario esiste, ed è uno degli oggetti più straordinari che la biologia molecolare abbia mai scoperto. Si chiama codice genetico. Comprenderlo è essenziale per afferrare perché i teorici del Disegno Intelligente lo considerano una delle evidenze più potenti in favore di una causa intelligente all’origine della vita.

La storia della scoperta del codice genetico merita una breve premessa, perché aiuta a capire quanto il suo significato sia stato costruito nel dibattito scientifico. L’intuizione teorica fondamentale fu di Francis Crick, che nel 1957-58 formulò quella che chiamò ipotesi della sequenza: la disposizione specifica delle basi nucleotidiche nel DNA determina la sequenza degli amminoacidi nelle proteine, e funziona come le lettere di un testo o i simboli di un codice. Già qui, nella formulazione di uno dei padri della biologia molecolare, compare il vocabolario dell’informazione e della codifica — un vocabolario che tornerà decisivo per le riflessioni del Disegno Intelligente.

Prima ancora, nel 1954, il fisico George Gamow aveva tentato un’ipotesi diversa: il suo «modello a template diretto» immaginava che gli amminoacidi si attaccassero fisicamente a cavità a forma di diamante nella doppia elica del DNA, e che fossero quelle cavità chimiche a selezionare ciascun amminoacido. Il modello era sbagliato — ma è storicamente importante perché mostra cosa ci si aspettava in quegli anni: una spiegazione puramente chimica dell’abbinamento tra DNA e proteine. Come vedremo, la realtà si rivelò molto diversa.

Il primo passo sperimentale decisivo fu compiuto nel 1961 dai biochimici Marshall Nirenberg e Heinrich Matthaei. Essi utilizzarono un RNA messaggero artificiale composto esclusivamente da uracile (poli-U) in un estratto cellulare di Escherichia coli, scoprendo che la macchina di traduzione produceva una proteina formata da un solo amminoacido: la fenilalanina. La conclusione fu netta — il codone UUU specifica la fenilalanina. Negli anni successivi, grazie anche ai contributi di Har Gobind Khorana e Severo Ochoa, che svilupparono metodi per sintetizzare molecole di RNA con sequenze controllate, l’intero codice genetico venne decifrato. Il Premio Nobel per la medicina del 1968 fu assegnato a Nirenberg, Khorana e Robert Holley proprio per questo risultato, considerato una delle grandi conquiste del Novecento scientifico.


2. Come funziona il codice: codoni e amminoacidi

Il punto di partenza è un dato matematico semplice. Le basi del DNA sono quattro. Gli amminoacidi usati dalla vita sono venti. Se ogni base codificasse per un amminoacido, quattro basi potrebbero specificare solo quattro amminoacidi — insufficiente. Se ogni coppia di basi codificasse per un amminoacido, avremmo 4×4 = 16 combinazioni possibili — ancora insufficiente. Ma se ogni gruppo di tre basi codifica per un amminoacido, otteniamo 4×4×4 = 64 combinazioni possibili — più che sufficienti per i venti amminoacidi.

Questo argomento combinatorio è cristallino, ed è proprio il ragionamento che il fisico George Gamow, già citato, aveva utilizzato nel 1954 per predire — prima ancora di qualsiasi evidenza sperimentale — che i codoni dovessero essere di lunghezza tre. Era una predizione teorica fondata sulla pura matematica dell’informazione. Quando pochi anni dopo l’esperimento di Nirenberg confermò la struttura a triplette, si trattò di una di quelle occasioni in cui un ragionamento puramente formale aveva anticipato correttamente il disegno della natura.

È esattamente quello che la cellula fa. Le basi del DNA vengono lette in gruppi di tre, chiamati codoni. Ogni codone specifica un amminoacido preciso — o un segnale di «stop» che indica la fine della catena proteica. Il codice genetico è il sistema di regole che associa ciascuno dei 64 codoni possibili a uno specifico amminoacido o a un segnale di arresto.

Il processo di traduzione avviene in due fasi. Prima il DNA viene trascritto in una molecola intermedia chiamata RNA messaggero (mRNA) — che ha la stessa struttura informativa del DNA ma è a singolo filamento e usa la base uracile (U) al posto della timina (T). Poi l’RNA messaggero viene letto da macchine molecolari chiamate ribosomi, che scorrono lungo il filamento, leggono i codoni uno alla volta e assemblano la catena di amminoacidi corrispondente. A fare da «traduttori» fisici tra codone e amminoacido sono molecole chiamate RNA di trasporto (tRNA), ognuna delle quali porta un amminoacido specifico e riconosce il codone corrispondente.

Vale la pena entrare in qualche dettaglio strutturale, perché la raffinatezza dei meccanismi sarà centrale per le riflessioni successive. Il ribosoma è uno dei complessi molecolari più elaborati della cellula — un assemblaggio ibrido di RNA ribosomiale (rRNA) e proteine, che costituisce una vera e propria «macchina» di traduzione. È composto da due subunità che si uniscono durante la sintesi: nei procarioti la subunità minore ha coefficiente di sedimentazione 30S e quella maggiore 50S (insieme formano un ribosoma 70S); negli eucarioti le subunità sono più grandi — 40S e 60S, che formano un ribosoma 80S. Il ribosoma possiede tre siti di legame per i tRNA: il sito A (aminoacilico), dove entra il tRNA carico che porta l’amminoacido successivo; il sito P (peptidilico), dove il tRNA cede il proprio amminoacido alla catena polipeptidica in crescita; e il sito E (exit), da cui il tRNA scarico si allontana per essere riciclato.

La traduzione procede in tre fasi tecniche. Nella fase di inizio, la subunità minore, l’mRNA e un tRNA iniziatore che trasporta la metionina (amminoacido sempre corrispondente al codone AUG di partenza) formano un complesso a cui si unisce successivamente la subunità maggiore. Nella fase di allungamento, un nuovo tRNA carico entra nel sito A, si forma un legame peptidico tra gli amminoacidi nel sito P e nel sito A, e il ribosoma scorre lungo l’mRNA di un codone alla volta, spostando i tRNA dai siti A e P ai siti P ed E. Nella fase di terminazione, quando il ribosoma incontra un codone di stop nel sito A, un fattore proteico di rilascio si lega al complesso, la catena polipeptidica viene liberata e le subunità ribosomiali si separano per essere riutilizzate.

L’RNA di trasporto (tRNA) è a sua volta una molecola di straordinaria eleganza — una catena di circa 80 nucleotidi che si ripiega in una forma «a trifoglio» in due dimensioni e in una struttura tridimensionale compatta a forma di L. A un’estremità presenta l’anticodone, una tripletta di basi che si appaia in modo complementare al codone sull’mRNA. All’estremità opposta — precisamente l’estremità 3′ che termina con la sequenza CCA — si trova il sito di attacco per l’amminoacido specifico. Il corretto abbinamento tra ciascun tRNA e il suo amminoacido è garantito da una famiglia di venti enzimi specializzati chiamati amminoacil-tRNA sintetasi. Ogni sintetasi è estremamente selettiva: riconosce le caratteristiche chimiche e tridimensionali del tRNA appropriato e del corrispondente amminoacido, e utilizza l’energia dell’ATP per legarli covalentemente. Alcuni biologi molecolari hanno chiamato questo meccanismo di riconoscimento «il secondo codice genetico» — un livello di specificità che opera parallelamente al codice dei codoni e che, come vedremo, introduce problemi di origine ancora più profondi.

Il risultato finale è una catena di amminoacidi — la proteina — costruita secondo le istruzioni esatte memorizzate nel DNA.


3. La degenerazione: più parole per lo stesso concetto

Sessantaquattro codoni per venti amminoacidi significa che ci sono più codoni del necessario. La maggior parte degli amminoacidi è specificata da più di un codone. Per esempio, l’amminoacido leucina è codificato da sei codoni diversi: UUA, UUG, CUU, CUC, CUA e CUG. L’amminoacido glicina è codificato da quattro codoni: GGU, GGC, GGA e GGG. Tre codoni (UAA, UAG, UGA) non codificano per nessun amminoacido ma funzionano come segnali di «stop», indicando alla macchina di traduzione che la catena proteica è completa.

In termini tecnici, dei 64 codoni possibili sessantuno sono codificanti (specificano amminoacidi) e tre sono segnali di terminazione. Questa proprietà si chiama degenerazione del codice genetico — non nel senso morale del termine, ma nel senso tecnico: più elementi di partenza (codoni) corrispondono allo stesso elemento di arrivo (amminoacido). Potrebbe sembrare un’imperfezione, una ridondanza inutile. In realtà si è rivelata una caratteristica di design straordinariamente sofisticata.

Un’osservazione rilevante, che Francis Crick stesso formalizzò nel 1966 nella cosiddetta ipotesi del vacillamento (in inglese wobble hypothesis), è che i codoni sinonimi — quelli che codificano per lo stesso amminoacido — differiscono tipicamente solo nella terza base. La terza posizione del codone tollera una certa «oscillazione» nell’appaiamento con l’anticodone del tRNA, mentre le prime due posizioni sono lette in modo rigorosamente complementare. Ne deriva che le mutazioni nella terza base producono spesso un codone sinonimo, lasciando invariato l’amminoacido specificato. È come se la natura avesse distribuito la probabilità di errore nel punto in cui l’errore ha le conseguenze meno gravi.

La degenerazione protegge la cellula dagli errori. Quando il DNA viene copiato o quando i codoni vengono letti, possono verificarsi errori — una base sostituita da un’altra. Grazie alla struttura degenerata del codice, molti di questi errori non cambiano l’amminoacido specificato: sono «sinonimi» che producono lo stesso risultato. Le simulazioni al computer mostrano che il codice genetico naturale è ottimizzato in modo straordinario per minimizzare l’impatto degli errori di traduzione — molto meglio di quasi tutti i codici alternativi teoricamente possibili. Ricercatori come Samuel Freeland e Laurence Hurst hanno confrontato il codice genetico canonico con milioni di codici alternativi generati casualmente, trovando che il codice naturale è praticamente il migliore possibile tra tutti quelli esaminati per la protezione dagli errori.

Studi successivi hanno esteso l’analisi e reso il quadro ancora più sorprendente. Uri Gilis e collaboratori, nel 2001, hanno esaminato la robustezza del codice rispetto a criteri fisico-chimici diversi, confermando l’ottimalità già riscontrata. Shalev Itzkovitz e Uri Alon, nel 2007, hanno mostrato che il codice genetico è «quasi ottimale» anche per consentire la sovrapposizione di informazioni aggiuntive all’interno delle sequenze codificanti — permette cioè di ospitare contemporaneamente, nello stesso tratto di DNA, segnali per lo splicing, per la struttura secondaria dell’RNA, per la regolazione. In altre parole, il codice è ottimizzato non solo per resistere agli errori, ma anche per sostenere codici paralleli multipli. Eugene Koonin e Artem Novozhilov, nella loro rassegna del 2009 sull’origine del codice, hanno riconosciuto apertamente questa «enigmaticità universale»: il codice sembra essere al vertice — o molto vicino al vertice — di diverse funzioni di ottimizzazione contemporaneamente.

I teorici del Disegno Intelligente hanno osservato che questa ottimalità multi-criterio è difficile da spiegare con processi non guidati. Un processo evolutivo gradualista può in linea di principio ottimizzare un sistema rispetto a un singolo criterio, ma ottimizzare simultaneamente rispetto a criteri diversi e spesso in tensione tra loro richiede una capacità di bilanciamento globale che è tipica della progettazione, non dell’aggiustamento casuale.


4. L’universalità: lo stesso dizionario in ogni forma di vita

Una delle proprietà più sorprendenti del codice genetico è la sua universalità. Con poche eccezioni secondarie, tutti gli organismi viventi sulla Terra — dai batteri più primitivi ai protozoi, dai funghi alle piante, dagli insetti agli esseri umani — usano esattamente lo stesso codice. Il codone UUU specifica l’amminoacido fenilalanina in un batterio come in una cellula umana. Il codone ATG specifica la metionina (e funziona come segnale di inizio) in ogni forma di vita conosciuta.

Questa universalità ha implicazioni profonde. Se il codice fosse il prodotto di un processo casuale che si è svolto indipendentemente in diversi lignaggi di organismi, ci aspetteremmo di trovare codici diversi in organismi diversi — così come lingue diverse hanno vocabolari diversi. L’universalità suggerisce invece che il codice si è «congelato» prestissimo nella storia della vita, prima che i diversi rami dell’albero della vita si separassero.

L’ipotesi del «congelamento» fu formulata esplicitamente da Francis Crick nel 1968, con il nome di frozen accident («incidente congelato»). La logica è la seguente: una volta che un codice primordiale si è stabilito in un antenato comune, ogni successiva alterazione delle assegnazioni codone-amminoacido cambierebbe simultaneamente la struttura di quasi tutte le proteine della cellula, risultando quasi inevitabilmente letale. Questo è il cosiddetto principio di continuità: il codice non può evolvere gradualmente senza passare per stadi intermedi incompatibili con la vita. Una volta fissato, è fissato per sempre — o, più precisamente, qualsiasi variazione deve essere così piccola e così localizzata da non compromettere l’organismo nel suo insieme.

Vale la pena notare che la genomica ha scoperto alcune varianti del codice in organismi specifici — nei mitocondri di vertebrati, in certi protozoi, in alcuni batteri. Ad oggi sono note più di trenta varianti. Ma queste eccezioni sono relativamente minori e in certi casi pongono un problema interessante: se il codice è così «congelato» che qualsiasi mutazione di esso sarebbe catastrofica (perché cambierebbe il significato di migliaia di sequenze proteiche simultaneamente), com’è possibile che alcune varianti esistano? È una domanda aperta che continua a stimolare ricerca.

Alcuni esempi concreti aiutano a visualizzare il fenomeno. Nei mitocondri dei vertebrati il codone AUA codifica per la metionina anziché per l’isoleucina, e il codone UGA — che nel codice standard è un segnale di stop — codifica per il triptofano. Nei protisti ciliati come Tetrahymena e Paramecium, i codoni UAA e UAG codificano per la glutammina invece di funzionare come stop. Nel batterio Mycoplasma, UGA codifica per il triptofano. Stephen Meyer, in Signature in the Cell, riporta l’esistenza di «diciassette codici genetici varianti» documentati al momento della sua pubblicazione, distribuiti attraverso Archei, Batteri ed Eucarioti. A questi si aggiungono le riassegnazioni che permettono l’incorporazione di due amminoacidi non canonici, oltre ai venti standard: la selenocisteina (considerata il 21° amminoacido, codificata da una riassegnazione del codone UGA in contesti specifici) e la pirolisina (il 22°, codificata da una riassegnazione di UAG in alcuni archei metanogeni).

L’interpretazione darwiniana standard legge l’universalità di base del codice come forte evidenza di discendenza comune da un antenato unico (LUCA, Last Universal Common Ancestor). Michael Denton e altri autori scettici hanno avanzato una lettura diversa: la scoperta di varianti complica questa tesi. Se il codice fosse semplicemente imposto da necessità chimica, non dovrebbero esistere varianti; se invece è arbitrario e può variare, l’universalità di base non si spiega automaticamente come discendenza da un antenato unico — potrebbe riflettere una scelta progettuale coerente. Inoltre, le transizioni tra codici diversi dovrebbero essere quasi impossibili per i motivi indicati dal principio di continuità — il che rende difficile spiegare l’esistenza stessa delle varianti attraverso percorsi neodarwiniani graduali.


5. Il dato più sorprendente: il codice non è chimicamente necessario

Fin qui abbiamo descritto come funziona il codice genetico. Ma la domanda più importante per il Disegno Intelligente è: perché questo codice specifico, e non un altro? Cosa determina quale codone corrisponde a quale amminoacido?

La risposta della chimica è netta: niente. Non esiste alcuna affinità chimica diretta, nessun legame fisico necessario tra un codone del DNA (o dell’mRNA) e l’amminoacido che esso specifica. L’associazione tra codone e amminoacido è, da un punto di vista chimico e fisico, arbitraria — nel senso tecnico preciso: potrebbe essere diversa senza violare nessuna legge fisica o chimica.

Stephen Meyer, in Signature in the Cell, documenta in modo rigoroso questo punto. Scrive che «i biologi molecolari non sono riusciti a trovare alcuna interazione chimica significativa tra i codoni sull’mRNA (o gli anticodoni sul tRNA) e gli amminoacidi sul braccio accettore del tRNA a cui i codoni corrispondono». La conclusione è netta: «le forze di attrazione chimica tra gli amminoacidi e questi gruppi di basi non spiegano le corrispondenze che costituiscono il codice genetico». La traduzione non è un processo diretto basato su affinità, ma un processo indiretto mediato da macchine molecolari specializzate — le amminoacil-tRNA sintetasi già incontrate nella sezione 2.

Queste sintetasi, Meyer osserva, sono «esse stesse dei prodigi di specificità»: riconoscono con altissima selettività sia il tRNA corretto sia l’amminoacido corretto, e li uniscono usando l’energia dell’ATP. E ancora: «queste sintetasi sono necessarie perché, come aveva anticipato Francis Crick, le proprietà chimiche delle basi del DNA (o di quelle dell’mRNA) non favoriscono la formazione di un legame chimico con uno specifico amminoacido piuttosto che con un altro». Un’osservazione particolarmente illuminante è questa: tutti e venti gli amminoacidi si attaccano al tRNA esattamente sulla stessa sequenza nucleotidica finale — l’estremità 3′ CCA, identica in tutti i tRNA. Poiché la sequenza di attacco è la stessa, le proprietà chimiche di quei nucleotidi sono del tutto indifferenti a quale amminoacido vi si leghi. Non c’è nessuna «simpatia» chimica che leghi preferenzialmente, per esempio, la valina a un codone piuttosto che a un altro.

Questo è un punto controintuitivo. Quando vediamo un sistema che produce risultati precisi e funzionali, la prima domanda è: c’è qualche forza fisica che lo costringe a farlo? Nell’acqua che si congela a zero gradi, sì: le leggi della termodinamica determinano quel risultato. Nella struttura di un cristallo di sale, sì: le forze elettrostatiche tra ioni sodio e cloro determinano l’ordine del reticolo cristallino. Ma nel codice genetico, no. Nessuna legge chimica impone che UUU debba codificare per la fenilalanina piuttosto che per qualsiasi altro amminoacido.

L’abbinamento tra codone e amminoacido avviene fisicamente attraverso molecole intermediarie — i tRNA e gli enzimi chiamati amminoacil-tRNA sintetasi — che fungono da «traduttori». Ma la scelta di quali tRNA corrispondano a quali codoni è essa stessa il prodotto di sequenze proteiche specifiche, non di necessità chimiche.

Il teorico dell’informazione Hubert Yockey, nel suo testo Information Theory, Evolution and the Origin of Life, ha portato questa riflessione al livello formale. Yockey sostiene che il DNA è un autentico sistema simbolico, e scrive che «Informazione, trascrizione, traduzione, codice, ridondanza, sinonimo, messaggero, editing e correzione sono tutti termini appropriati in biologia» e che essi «prendono il loro significato dalla teoria dell’informazione e non sono sinonimi, metafore o analogie». Per Yockey questo vocabolario non è figura retorica, è descrizione tecnica: il genoma è un testo codificato nel senso tecnico della teoria dell’informazione.

Yockey porta anche una distinzione che tornerà utile: non va confusa l’informazione di Shannon — che misura la capacità di un canale di trasporto di ridurre l’incertezza — con l’informazione funzionale e specificata. Un testo casuale ha un’alta informazione di Shannon, ma non è funzionale. Il codice genetico produce informazione che è sia improbabile sia funzionalmente specificata — cioè esegue un compito preciso. Questo è il tipo di informazione che, nella nostra esperienza, è sempre prodotto da intelligenza.

Un’analogia illuminante: la relazione tra il codone del DNA e l’amminoacido che specifica è analoga alla relazione tra il codice binario «1000001» e la lettera «A» nei computer. Non c’è nessuna ragione fisica per cui quella sequenza di bit debba rappresentare quella lettera — è una convenzione, una scelta arbitraria che funziona perché tutto il sistema è costruito coerentemente intorno a essa. Il codice genetico è un sistema convenzionale, non un meccanismo fisicamente necessario. E questa caratteristica lo rende straordinariamente difficile da spiegare con processi puramente fisici e chimici.

È giusto, a questo punto, presentare l’obiezione più forte a questo argomento nella sua forma migliore. Alcuni ricercatori — notoriamente Carl Woese e Michael Yarus — hanno proposto la cosiddetta ipotesi stereochimica, secondo cui affinità chimiche dirette tra sequenze di RNA e amminoacidi avrebbero guidato l’origine del codice. A sostegno di questa ipotesi vengono citati esperimenti in cui sequenze di RNA chiamate aptameri mostrano una certa preferenza di legame per specifici amminoacidi. Se ci fossero affinità chimiche dirette, il codice non sarebbe così arbitrario come appare.

Gli autori ID hanno riconosciuto apertamente il dato sperimentale — Meyer stesso scrive che «alcune molecole di RNA possono legare a sé un amminoacido che forma proteine… ottenendo una sorta di specificità». Ma la risposta critica è altrettanto precisa: queste interazioni rudimentali sono insufficienti a spiegare la complessità del sistema di traduzione reale, che richiede reazioni catalitiche a più stadi energetiche, riconoscimento tRNA-amminoacido altamente specifico, coordinazione con i ribosomi e l’intera macchina traduzionale. Dimostrare che l’RNA può catalizzare «tutte le reazioni elementari» della traduzione non equivale a spiegare l’origine del sistema coordinato che realmente esiste nella cellula. L’ipotesi stereochimica, nella sua forma attuale, non scioglie il paradosso dell’origine del codice — ne sposta il luogo, ma non lo risolve.


6. Il problema matematico: la rarità delle proteine funzionali

Capire che il codice è arbitrario introduce il problema matematico centrale che il Disegno Intelligente solleva sull’informazione biologica. Se le sequenze di amminoacidi nelle proteine non sono determinate da necessità chimica, allora lo spazio delle sequenze possibili è enorme — e la frazione di sequenze funzionali in quello spazio è minuscola.

Douglas Axe ha studiato questo problema sperimentalmente per molti anni, lavorando presso i laboratori di Cambridge e poi al Biologic Institute. Il suo approccio è stato diretto: prendere proteine funzionali e introdurre sistematicamente mutazioni nelle loro sequenze, misurando quante delle sequenze mutanti conservano la capacità di ripiegarsi in una struttura tridimensionale stabile — requisito minimo per qualsiasi funzione biologica.

Il lavoro sperimentale più citato è l’articolo pubblicato da Axe nel 2004 sul Journal of Molecular Biology, intitolato «Estimating the Prevalence of Protein Sequences Adopting Functional Enzyme Folds». La proteina scelta come bersaglio sperimentale è la TEM-1 β-lattamasi, un enzima batterico che degrada gli antibiotici della famiglia delle penicilline. Axe scelse questa proteina perché è ben caratterizzata, ha una funzione facilmente misurabile (la resistenza agli antibiotici) e permette di distinguere in modo quantitativo le varianti funzionali da quelle non funzionali. La metodologia è stata rigorosa: Axe ha introdotto mutazioni sistematiche in regioni esterne della proteina — quelle considerate meno critiche per il ripiegamento — e ha valutato quante delle varianti mantenessero la capacità di piegarsi correttamente e di svolgere il loro ruolo catalitico. La logica dell’esperimento è importante: se anche nelle regioni «meno critiche» la tolleranza alle mutazioni è bassa, l’intera proteina risulta confinata in uno spazio di sequenze funzionali estremamente ristretto.

I risultati, una volta convertiti in frazioni di sequenze funzionali nello spazio totale, sono stati sorprendenti. Axe ha derivato due numeri distinti che è importante non confondere. Per un segmento della proteina — un dominio locale di circa 75 amminoacidi — la frazione di sequenze in grado di ripiegarsi correttamente è risultata di circa 1 su 1064. Per una intera proteina di circa 150 amminoacidi, richiedendo che l’intera catena si ripieghi in una struttura tridimensionale stabile e funzionale, il rapporto precipita a circa 1 su 1077. Axe stesso commenta: trovare per caso una sequenza funzionale sarebbe come individuare un atomo specifico tra quasi tutti gli atomi dell’universo — «solo uno su cento trilioni di trilioni di trilioni di trilioni di trilioni» delle sequenze possibili codificherebbe una catena che si ripiega abbastanza bene da svolgere una funzione biologica.

Per dare un’idea della scala, il numero totale di atomi nell’universo osservabile è stimato intorno a 1080. Trovare casualmente una sequenza funzionale sarebbe come trovare un atomo specifico tra quasi tutti gli atomi dell’universo.

Nel libro Undeniable (2016), Axe ha reso l’argomento accessibile con un’immagine potente: le sequenze proteiche funzionali sono come «isole funzionali» remote, disperse in un vasto oceano cosmico di sequenze non funzionali. In quell’oceano nuotano gli «squali» della selezione naturale: ogni organismo con una proteina non funzionale viene eliminato. La ricerca cieca — mutazione casuale senza guida — può nuotare indefinitamente senza mai trovare un’isola, perché le isole sono troppo rade e il mare troppo vasto. Il problema non è tecnico, è scalare.

Axe ha fatto anche un confronto numerico esplicito con le «risorse probabilistiche» reali della storia della vita sulla Terra. Stimando che nell’intera storia della vita terrestre (circa 4 miliardi di anni) siano esistiti al massimo 1040 organismi, e considerando che ogni organismo rappresenta al più un nuovo «tentativo» mutazionale, l’intera biosfera storica ha disposto di circa 1040 opportunità di esplorazione dello spazio delle sequenze. Con uno spazio di 1077 possibilità, la frazione effettivamente esplorata sarebbe di 1 su 1037 — un’inezia. La conclusione di Axe è che la mutazione casuale filtrata dalla selezione naturale non dispone di risorse sufficienti per scoprire nuove pieghe proteiche partendo dal nulla.

Il tempo a disposizione — anche assumendo che la Terra abbia quattro miliardi di anni e che ogni molecola del pianeta abbia tentato una nuova sequenza ogni nanosecondo — non è nemmeno lontanamente sufficiente per esplorare una frazione significativa di quello spazio. La presenza di 500 o più bit di informazione specificata supera le risorse probabilistiche dell’intero universo. Una proteina funzionale di 150 amminoacidi contiene ampiamente più di 500 bit di informazione specificata.

Il lavoro di Axe non è l’unico nel suo genere, ed è importante che la sua conclusione non dipenda da un singolo studio. Altri gruppi, lavorando con metodologie diverse e su proteine diverse, hanno raggiunto stime confrontabili. Lo studio più noto è quello di Anthony Keefe e Jack Szostak, pubblicato su Nature nel 2001: i due ricercatori hanno sintetizzato catene proteiche casuali di 80 amminoacidi e hanno misurato la frazione in grado di legarsi all’ATP. La loro stima è stata di circa 1 sequenza su 1011 — un numero molto più permissivo di quello di Axe, che a prima vista sembra indebolire l’argomento. Ma qui è importante guardare il dettaglio: il criterio di Keefe e Szostak era minimo — qualsiasi molecola in grado di legare l’ATP, anche senza svolgere una funzione enzimatica vera e propria, veniva considerata «funzionale». Un’analisi successiva di Branko Kozulic e Matti Leisola, applicando criteri più stringenti di funzionalità all’interno di una cellula viva (stabilità, solubilità, attività catalitica reale, integrazione con il resto della macchina cellulare), ha mostrato che la probabilità precipita a meno di 1 su 1032. Quando si chiede non semplicemente «può legarsi a una molecola» ma «può svolgere un lavoro biologico», lo spazio delle soluzioni si restringe drammaticamente.

Sean Taylor e collaboratori, nel 2001, cercando catalizzatori proteici per l’enzima mutasi AroQ, hanno stimato una frazione di sequenze funzionali di circa 1 su 1024. Stime ancora precedenti — quelle di Hubert Yockey basate su analisi informatiche delle sequenze del citocromo c (intorno a 10-65) e quelle di Robert Reidhaar-Olson e Robert Sauer, ottenute con mutagenesi dell’inibitore della lambda fago (circa 10-63) — convergono nella stessa regione di rarità. Messe insieme, queste ricerche, condotte con metodologie indipendenti, mostrano che la frazione di sequenze proteiche funzionali nello spazio delle sequenze possibili si colloca ragionevolmente tra 10-53 e 10-77: sempre astronomicamente bassa, sempre al di là delle risorse probabilistiche disponibili.

È giusto presentare anche le critiche principali al lavoro di Axe nella loro forma più forte. Dennis Venema e Deborah Haarsma, tra gli altri, hanno contestato le stime di Axe sostenendo che le proteine funzionali siano molto più comuni di quanto egli indichi. A sostegno citano due casi: l’enzima nylonasi — capace di degradare il nylon, materiale sintetico apparso solo nel XX secolo — che sarebbe emerso «de novo» in alcuni batteri, e uno studio italiano su biosequenze casuali che avrebbe trovato proteine funzionanti a frequenze molto più alte di quelle predette da Axe. Anche Nick Matzke e Ken Miller hanno sollevato obiezioni metodologiche.

Le risposte sono puntuali e vale la pena seguirle. Quanto alla nylonasi: studi più dettagliati hanno mostrato che l’enzima non è nato creando un ripiegamento proteico nuovo — è il risultato di mutazioni relativamente piccole in una proteina preesistente, che hanno allargato la sua attività a un nuovo substrato. Si tratta dunque di ottimizzazione di una piega già esistente, non di invenzione ex novo di una piega. Il problema che Axe solleva — l’origine delle pieghe proteiche come tali — resta intatto. Quanto allo studio italiano: un’analisi più attenta ha mostrato che molte delle biosequenze «funzionali» identificate erano in realtà aggregati insolubili, non proteine ripiegate in modo stabile e capaci di operare all’interno di una cellula viva. Applicando il criterio rigoroso di funzionalità cellulare, i numeri tornano ad allinearsi con quelli di Axe.

Il punto non è che le obiezioni siano state «schiacciate» — nel dibattito scientifico autentico nessuno argomento è mai chiuso una volta per tutte. Il punto è che la convergenza di studi indipendenti, con metodologie diverse, su stime simili di rarità, costituisce un’evidenza robusta: lo spazio delle proteine funzionali è enormemente più piccolo dello spazio delle sequenze possibili, e nessuna obiezione finora portata ha modificato questo quadro quantitativo in modo significativo.

A questo argomento sulla rarità delle proteine si affianca un risultato matematico più generale, sviluppato da William Dembski in The Design Inference: il cosiddetto Limite di Probabilità Universale (in inglese Universal Probability Bound). L’idea è calcolare un limite superiore al numero di eventi che possono essersi verificati nell’intera storia dell’universo osservabile, così da stabilire una soglia oltre la quale la spiegazione «è avvenuto per caso» diventa matematicamente insostenibile. Il calcolo di Dembski combina tre grandezze: il numero di particelle elementari nell’universo osservabile (circa 1080), il numero massimo di transizioni fisiche al secondo (legato al tempo di Planck, circa 1045), e l’età dell’universo espressa in secondi (circa 1025). Il prodotto dà l’ordine di grandezza di 10150 — il numero massimo di eventi fisicamente possibili in tutta la storia cosmica. Qualsiasi evento più improbabile di 1 su 10150 non può essere ragionevolmente attribuito al caso, perché l’universo intero non ha mai avuto abbastanza «tentativi» per realizzarlo.

In Signature in the Cell, Stephen Meyer ha rivisto e affinato il calcolo, ottenendo una stima di circa 10139 eventi possibili nella storia cosmica — un numero leggermente più restrittivo, ma dello stesso ordine di grandezza. Tradotto nel linguaggio della teoria dell’informazione, questo limite corrisponde a circa 500 bit di informazione specificata: la presenza di più di 500 bit di informazione specificata in un sistema supera le risorse probabilistiche dell’intero universo e non può essere ragionevolmente attribuita al caso non guidato.

Se scendiamo poi dalla scala cosmica alla scala terrestre — che è quella dove realmente si è svolta l’origine della vita — il quadro diventa ancora più stringente. Nei primi cento chilometri di crosta terrestre si stima siano presenti circa 1048 atomi. Anche ipotizzando 1012 interazioni chimiche al secondo per ogni atomo — un tasso molto generoso — il numero totale di «tentativi» chimici possibili in un periodo limitato resta piccolo rispetto alla sfida. Inoltre, le evidenze geologiche e fossili suggeriscono che la vita è comparsa sulla Terra in un lasso relativamente breve dopo la formazione del pianeta — alcune centinaia di milioni di anni, non miliardi. E l’Esplosione Cambriana, con l’apparizione di nuovi phyla animali, si compresse ancor di più — dieci o venti milioni di anni, un istante in termini evolutivi. Il confronto è impietoso: uno spazio di ricerca di 1077 possibilità per una singola proteina, contro un numero di tentativi chimici che nelle stime più generose resta ordini di grandezza inferiore. L’aritmetica, semplicemente, non chiude.


7. Il problema dell’uovo e della gallina

Il codice genetico introduce un problema logico che molti biologi molecolari considerano il più profondo dell’intero campo dell’origine della vita: il problema dell’uovo e della gallina.

Il funzionamento del codice richiede due categorie di molecole: il DNA (che porta le istruzioni) e le proteine (che eseguono le istruzioni, incluse quelle necessarie per leggere il DNA stesso). Il DNA non può essere copiato né trascritto senza proteine specifiche — le DNA polimerasi, le RNA polimerasi, i fattori di trascrizione. Le proteine non possono essere costruite senza che il DNA sia letto e tradotto, il che richiede a sua volta proteine come i ribosomi e le amminoacil-tRNA sintetasi.

Il sistema è circolare: per funzionare ha bisogno di se stesso già in funzione. Non c’è nessun punto di ingresso naturale — nessun precursore semplice che possa gradualmente evolvere verso questa complessità integrata, perché ogni componente richiede gli altri per esistere e operare.

Stephen Meyer dedica a questo problema i capitoli 10-12 di Signature in the Cell, articolando la circolarità in termini il più possibile precisi. Il DNA è necessario per fornire le istruzioni di assemblaggio delle proteine; ma le proteine — e in particolare una serie di enzimi specifici — sono assolutamente necessarie per trascrivere, tradurre e replicare l’informazione del DNA. Non esiste alcuna sequenza plausibile di passi semplici che conduca da una soluzione di molecole prebiotiche a un sistema dove entrambe queste componenti sono già presenti e funzionanti. Qualunque scenario evolutivo gradualista deve spiegare come si sia arrivati a un sistema integrato senza poter usare nessuna delle componenti del sistema stesso come punto di appoggio.

Questo problema è riconosciuto come reale e irrisolto anche da scienziati materialisti. Il biochimico Christian de Duve, convinto sostenitore delle teorie naturalistiche, ammise che le teorie della Selezione prebiotica «presuppongono ciò che deve essere spiegato in primo luogo»: si parla di Selezione naturale come agente che costruisce il sistema, ma la Selezione naturale richiede già un organismo capace di replicarsi e trasmettere informazioni genetiche — cioè richiede esattamente il sistema che si sta cercando di spiegare.

La stessa ammissione, con parole leggermente diverse, ricorre in un coro sorprendentemente ampio di figure di primo piano nel campo delle origini della vita. Leslie Orgel, uno dei pionieri della ricerca sul mondo prebiotico, ha scritto più volte che l’origine della vita appare «estremamente improbabile, in qualche modo simile a un miracolo», e ha documentato l’implausibilità dei cicli metabolici primordiali in assenza di meccanismi genetici. Francis Crick — lo stesso che aveva formulato l’ipotesi della sequenza — riflettendo sui requisiti minimi per l’origine di un sistema vivente concluse che esso appariva, letteralmente, «quasi un miracolo» dato lo stato delle conoscenze. Paul Davies ha definito l’origine del codice «uno degli enigmi più profondi della scienza moderna». Eugene Koonin, coautore di importanti rassegne sul problema, ha scritto insieme ad Artem Novozhilov che «non siamo a conoscenza di alcun esperimento che abbia il potenziale di ricostruire effettivamente l’origine della codifica, nemmeno allo stadio di una seria pianificazione». Koonin e Novozhilov hanno descritto la situazione come «un triste circolo vizioso»: non si comprende quale forza selettiva potesse spingere l’evoluzione del sistema di traduzione prima che esistessero proteine funzionali, né come potessero esistere proteine senza un sistema di traduzione già efficace. Queste non sono parole di «creazionisti camuffati» — sono le parole di chi ha dedicato la vita al problema e lo conosce meglio di chiunque altro.

Un modo per quantificare la profondità del problema è chiedersi: qual è il genoma minimo compatibile con la vita? Quante proteine diverse, e di quale complessità, servono come soglia minima sotto cui nessun sistema può funzionare? Le ricerche sul cosiddetto minimal genome hanno fornito stime dettagliate. Il batterio Mycoplasma genitalium, uno degli organismi autonomi più semplici noti in natura, possiede circa 468 geni codificanti proteine. Il gruppo di Craig Venter, in un lavoro di ingegneria genetica durato anni, ha costruito una versione artificialmente minimizzata chiamata JCVI-syn3.0, con soli 473 geni essenziali — uno dei sistemi viventi più semplici mai ottenuti in laboratorio. Stime teoriche di Eugene Koonin sul LUCA (Last Universal Common Ancestor, l’antenato comune ipotizzato di tutte le cellule attuali) indicano una complessità anche superiore, con centinaia di proteine essenziali. Altre stime indipendenti collocano il minimo vitale tra 250 e 400 proteine distinte. Ogni singolo componente di questo inventario minimo è esso stesso una proteina complessa, tipicamente lunga centinaia di amminoacidi — e quindi, per i numeri visti nella sezione precedente, già improbabilissima nello spazio delle sequenze.

Il paradosso si intensifica quando si guarda alle venti amminoacil-tRNA sintetasi — gli enzimi «traduttori» che rendono operativo il codice. Ciascuna di esse è una proteina complessa, che deve riconoscere con altissima specificità sia il tRNA giusto sia l’amminoacido giusto, e deve catalizzare la loro unione usando energia ATP. Senza le sintetasi, il codice genetico non può essere eseguito. Ma le sintetasi sono esse stesse proteine — cioè sono prodotti del codice genetico. Il sistema ha bisogno delle sintetasi per funzionare, ma le sintetasi non possono essere prodotte senza un sistema di traduzione già funzionante. È il cuore del paradosso uovo-gallina, distillato nella sua forma più chimicamente concreta.

Il naturalismo ha proposto, negli ultimi decenni, diverse vie di fuga a questo paradosso: l’ipotesi del mondo a RNA, il mondo lipidico di Doron Lancet e Daniel Segré, il mondo ad argilla di Graham Cairns-Smith, scenari basati su cicli metabolici. Ciascuna di queste ipotesi ha una sua plausibilità limitata su aspetti specifici, ma nessuna finora offre una spiegazione che risolva la circolarità nella sua interezza — come riconosciuto apertamente anche dai loro stessi proponenti. La prossima sezione esamina l’ipotesi più studiata, quella del mondo a RNA.


8. Il mondo a RNA: una risposta e i suoi limiti

Il problema dell’uovo e della gallina ha stimolato una delle ipotesi più influenti sull’origine della vita: il cosiddetto mondo a RNA (RNA world). L’idea è che la vita primordiale potesse usare l’RNA sia per memorizzare informazioni (come fa il DNA) sia per catalizzare reazioni chimiche (come fanno le proteine). Se l’RNA può fare entrambe le cose, il problema circolare si attenua.

L’ipotesi ha ricevuto un sostegno sperimentale parziale: è stato dimostrato che alcune molecole di RNA — chiamate ribozimi — possono catalizzare alcune reazioni chimiche, comprese alcune legate alla replicazione. Il mondo a RNA è considerato la teoria principale sull’origine della vita nel paradigma naturalistico.

I risultati sperimentali più citati in questo contesto sono quelli dei gruppi di Jack Szostak ad Harvard e Gerald Joyce allo Scripps Research Institute. Szostak e collaboratori hanno prodotto ribozimi capaci di catalizzare reazioni limitate di polimerizzazione dell’RNA; Joyce ha sviluppato sistemi di «replicasi» ribozimatiche che mostrano forme parziali di auto-replicazione. Sono successi scientifici genuini, e nessun autore ID serio li nega. La domanda è quanto questi successi siano distanti dal risolvere il problema originario.

Ma l’ipotesi incontra problemi seri che i suoi stessi sostenitori riconoscono. L’RNA è chimicamente molto meno versatile delle proteine come catalizzatore — la gamma di reazioni che i ribozimi possono catalizzare è molto limitata. Le molecole di RNA si degradano rapidamente in condizioni acquose, il che rende difficile immaginare come possano essersi accumulate in quantità sufficienti nell’ambiente prebiotico. E — punto cruciale — il mondo a RNA non risolve il problema fondamentale: spiega forse come la prima molecola replicante abbia potuto operare senza già avere proteine, ma non spiega come quella molecola abbia potuto contenere le sequenze funzionali necessarie. Il problema dell’origine dell’informazione specificata rimane intatto: che si tratti di RNA o di DNA, la sequenza funzionale deve arrivare da qualche parte.

È importante entrare nel dettaglio delle obiezioni chimiche, perché non si tratta di obiezioni marginali. Robert Shapiro, biochimico della New York University e uno dei critici più acuti dell’ipotesi, in un articolo pubblicato su Scientific American nel 2007 ha elencato sistematicamente le difficoltà: la sintesi prebiotica del ribosio (il componente zuccherino dell’RNA) in condizioni plausibili è notoriamente problematica — il ribosio è instabile e si degrada rapidamente nei tipi di ambiente chimico immaginabili per la Terra primordiale; il problema della omochiralità (il fatto che tutte le molecole di RNA biologiche usano solo enantiomeri di un tipo, tutti «destri») non ha una soluzione prebiotica plausibile; nel «brodo primordiale» le reazioni incrociate tra le diverse molecole organiche producono miscele chimicamente complesse, descritte da Shapiro come simili a «asfalto» — più che adatte a preservare o accumulare molecole di RNA funzionali. Steven Benner, chimico che ha lavorato per decenni sull’origine della vita, ha espresso critiche analoghe, sottolineando che i ribozimi sintetizzati in laboratorio sono ottenuti in condizioni altamente artificiali, molto lontane da qualsiasi scenario prebiotico plausibile. Graham Cairns-Smith aveva già decenni prima formulato obiezioni simili, proponendo in alternativa scenari basati su superfici minerali (argille) come supporto informativo iniziale.

Un dettaglio tecnico spesso trascurato ma illuminante riguarda i legami fosfodiesterici dell’RNA: nelle molecole biologiche i legami sono di tipo 3′-5′, ma le sintesi prebiotiche plausibili producono preferenzialmente legami 2′-5′, che danno origine a molecole non funzionali per i sistemi biologici attuali. Non è un’obiezione teorica, è un fatto chimico che nessun meccanismo prebiotico conosciuto risolve facilmente.

Restano poi le ipotesi alternative — il mondo lipidico di Segré e Lancet, che ipotizza che le prime «unità ereditabili» fossero membrane lipidiche autoriproducenti; il mondo ad argilla di Cairns-Smith, che vede nelle strutture cristalline dei minerali argillosi i primi «templati» informativi; il mondo peptidico, che inverte la priorità mettendo prima le proteine. Ciascuna ipotesi ha meriti limitati e problemi specifici. Nessuna ha raggiunto lo status di teoria consolidata, e nessuna risolve il problema centrale: da dove viene la sequenza specifica e funzionale — che si tratti di sequenze di RNA, di proteine, di strutture lipidiche o di strutture minerali, il problema dell’informazione specificata si ripresenta invariato in ogni scenario.


9. Gli algoritmi non creano informazione: la legge di conservazione

Un’ultima obiezione che vale la pena esaminare riguarda i programmi evolutivi al computer. Da decenni i biologi computazionali usano algoritmi chiamati «algoritmi genetici» per simulare l’evoluzione e mostrare come processi casuali iterativi possano produrre strutture complesse. Il programma Weasel di Dawkins, il programma Ev di Schneider e il simulatore Avida sono esempi noti.

Robert Marks e William Dembski, nel loro lavoro sull’informatica evolutiva, hanno analizzato questi programmi con strumenti matematici precisi e hanno identificato un problema sistematico: tutti questi algoritmi funzionano solo perché il programmatore ha inserito informazione attiva nel sistema — ha definito un obiettivo, ha stabilito una funzione di fitness, ha impostato parametri che dirigono la ricerca verso soluzioni funzionali. Quella teleologia — quella finalità — non è prodotta dall’algoritmo: è stata messa lì dall’intelligenza del programmatore.

Vale la pena guardare in concreto come questo accade, prendendo gli esempi uno per uno. Il programma Weasel, pubblicato da Richard Dawkins nel suo libro L’orologiaio cieco (1986), parte da una stringa casuale di caratteri e la fa «evolvere» verso la frase shakespeariana «Methinks it is like a weasel». L’algoritmo confronta ogni generazione con la frase target e conserva le mutazioni che avvicinano al target. Il problema è evidente: il target è specificato dal programmatore, ed è la conoscenza del target a guidare la ricerca. Senza quel target, l’algoritmo non converge su nulla di significativo. Weasel non simula un processo evolutivo non guidato — simula un processo guidato in cui il risultato finale è già nella mente del programmatore.

Il programma Ev di Thomas Schneider, progettato per simulare l’evoluzione di siti di legame del DNA, ha una struttura più sofisticata ma lo stesso problema di fondo: la funzione di fitness è costruita in modo da premiare configurazioni che avvicinano a siti di legame informativi, e quella funzione di fitness è essa stessa una fonte di informazione attiva. Avida, sviluppato da Richard Lenski, Charles Ofria e Robert Pennock, simula popolazioni di programmi digitali che competono per risorse e si riproducono con mutazioni. Il sistema produce davvero adattamenti interessanti — ma Dembski e Marks hanno mostrato che anche in Avida il «paesaggio di fitness» è stato progettato in modo da essere navigabile, e le regole del sistema contengono una quantità significativa di informazione attiva inserita dai progettisti.

Marks e Dembski chiamano questo principio Legge di Conservazione dell’Informazione: i meccanismi materiali, compresi gli algoritmi computazionali, non possono generare informazione complessa specificata dal nulla. Possono elaborare, trasformare, comprimere informazione già esistente — ma non crearne di nuova. Quando un algoritmo evolutivo produce un risultato funzionale, quella funzionalità era già codificata, implicitamente, nelle regole e nei parametri impostati dall’intelligenza del programmatore.

La formalizzazione matematica di questo principio, esposta in Introduction to Evolutionary Informatics, permette di misurare quantitativamente l’«informazione attiva» inserita in un algoritmo — calcolando il vantaggio che la ricerca guidata ha rispetto a una ricerca cieca. In ogni algoritmo evolutivo esaminato, l’informazione attiva misurata coincide, entro gli ordini di grandezza, con l’informazione prodotta: l’algoritmo restituisce quello che gli è stato dato, nessun surplus informativo viene creato.

Il punto è rilevante per l’origine della vita: se nemmeno i programmi più sofisticati progettati dall’intelligenza umana riescono a generare nuova informazione specificata senza input intelligente, qual è la ragione per credere che processi chimici non guidati abbiano fatto meglio? La Legge di Conservazione dell’Informazione non è una dimostrazione metafisica che l’intelligenza è necessaria; è un vincolo matematico che la ricerca su sistemi computazionali concreti continua a confermare — e che, finora, nessun modello di evoluzione chimica non guidata è stato in grado di aggirare.


10. Una convenzione che non si spiega da sola

Torniamo alla domanda con cui abbiamo aperto questo Modulo: il codice genetico è un software che nessuno ha programmato?

Il codice genetico ha le proprietà strutturali di un sistema convenzionale — arbitrario nella relazione tra simbolo e significato, ottimizzato per minimizzare gli errori, universale nella vita conosciuta, integrato con un sistema di traduzione di complessità straordinaria. Queste sono esattamente le proprietà che nella nostra esperienza caratterizzano i sistemi informativi prodotti dall’intelligenza: i linguaggi, i codici, i software.

Le teorie naturalistiche dell’origine del codice — la Selezione prebiotica, il mondo a RNA, l’auto-organizzazione chimica — incontrano ostacoli che non sono difficoltà tecniche provvisorie, ma barriere strutturali: la circolarità del sistema uovo-gallina, la rarità matematica delle sequenze funzionali, l’impossibilità di generare informazione specificata con meccanismi puramente materiali. Nessuna di queste teorie ha ancora prodotto una spiegazione convincente dell’origine del codice. Va ricordato che il naturalismo — l’assunzione che solo cause naturali possano essere invocate — è una posizione filosofica adottata prima dell’indagine, non una conclusione che emerge dai dati. Quando i dati puntano verso una causa che il naturalismo esclude a priori, il problema potrebbe essere nel presupposto, non nei dati.

In coerenza con la posizione editoriale di questo sito, l’inferenza che ne traiamo non è che il codice «prova» l’esistenza di un progettista — nessuna inferenza alla miglior spiegazione costituisce una prova dimostrativa. È che la causa intelligente è, tra le spiegazioni disponibili, la più adeguata ai dati — una deduzione logica e filosofica basata su evidenze empiriche, non un argomento teologico. Nei Moduli successivi esploreremo questo ragionamento in modo più formale, esaminando la «complessità specificata» come criterio matematico di rilevazione del design e come si applica all’informazione biologica.


11. L’inferenza al design: una deduzione, non un dogma

È utile, a questo punto del percorso, esplicitare il tipo di ragionamento che abbiamo svolto in questo Modulo — perché è esattamente il ragionamento che il Disegno Intelligente rivendica come proprio metodo.

Quando osserviamo il codice genetico, non stiamo invocando un progettista come «tappabuchi» per coprire la nostra ignoranza. Al contrario, ciò che abbiamo è una quantità crescente di conoscenza positiva: sappiamo che l’abbinamento codone-amminoacido è chimicamente arbitrario; sappiamo che la rarità delle sequenze proteiche funzionali è astronomica; sappiamo che il sistema traduzionale è circolare e irriducibile; sappiamo che gli algoritmi non creano informazione specificata dal nulla. Ognuna di queste è una conquista scientifica degli ultimi decenni, non un’area di oscurità. L’inferenza al design non riempie uno spazio vuoto — si appoggia su ciò che abbiamo imparato di più sul vivente.

La critica del God of the Gaps («Dio tappabuchi») è seria e va affrontata in modo diretto. Un argomento corretto non può avere la forma: «non sappiamo come spiegare X naturalmente, quindi lo ha fatto un progettista». Un argomento corretto deve avere la forma: «sappiamo positivamente, per esperienza diffusa e ripetuta, che un certo tipo di effetto — l’informazione complessa specificata, i sistemi convenzionali, le macchine integrate funzionali — è regolarmente prodotto da intelligenza e non è mai stato osservato prodursi senza di essa; di conseguenza, quando riscontriamo quell’effetto in un sistema di origine sconosciuta, l’intelligenza è la spiegazione meglio confermata». È un argomento per inferenza alla miglior spiegazione (abduzione), strutturalmente identico a quello che usiamo in archeologia, in criminologia, nella SETI, in ogni campo dove distinguiamo cause intelligenti da cause naturali.

Va riconosciuto apertamente un limite importante: il progettista postulato dall’ID non è osservabile con i metodi della scienza sperimentale. Non possiamo ripeterlo in laboratorio, non possiamo farne analisi spettrali, non possiamo caratterizzarlo con misure strumentali. Questo vincolo rende l’ID — nella formulazione onesta che questo sito adotta — una deduzione logica, filosofica e metafisica basata su dati scientifici, non una teoria scientifica in senso stretto. Ma «non scientifico in senso stretto» non significa «non conoscenza». La filosofia e la metafisica sono discipline millenarie che indagano la realtà con rigore, e una conclusione ragionata sulla base di dati empirici resta ragionata anche quando esce dal perimetro stretto della scienza sperimentale.

C’è poi un punto di onestà metodologica da sottolineare, perché tocca direttamente il dibattito pubblico sull’ID. Le teorie naturaliste oggi accettate nel mainstream scientifico — l’ipotesi del multiverso, la teoria delle stringhe, gli scenari completi dell’abiogenesi, diversi tratti della macroevoluzione profonda — condividono con l’ID problemi strutturali di verificabilità sperimentale. Il multiverso non è falsificabile nel senso popperiano classico; la teoria delle stringhe, dopo decenni di sviluppo, non ha prodotto predizioni sperimentali distintive; gli scenari sull’origine della vita restano, come Koonin e Novozhilov hanno ammesso, al di là persino della «seria pianificazione sperimentale». Eppure queste teorie sono considerate parte del dibattito scientifico legittimo. L’ID viene invece spesso squalificato sulla base di criteri che, se applicati in modo coerente, escluderebbero anche tali ipotesi. Questo è il doppio standard che la posizione editoriale di disegnointelligente.it denuncia: non perché si voglia livellare al ribasso, ma perché la coerenza epistemologica è un requisito fondamentale dell’onestà intellettuale.

In sintesi, nei Moduli precedenti e in questo abbiamo visto che il codice genetico presenta caratteristiche — arbitrarietà, ottimizzazione multi-criterio, universalità, integrazione irriducibile, altissima improbabilità delle sequenze funzionali — che nella nostra esperienza sono associate esclusivamente a sistemi progettati. Proiettare da queste evidenze un’inferenza a una causa intelligente non è un atto di fede, né un ripiego di ignoranza: è il tipo di ragionamento che una mente razionale applica quando confronta spiegazioni alternative e sceglie quella che si adatta meglio ai dati disponibili. È, precisamente, una deduzione, non un dogma.

 


Prossimo Modulo

Nel Modulo 3 esamineremo la complessità specificata — il criterio matematico sviluppato da William Dembski per rilevare formalmente la presenza di design in un sistema. Vedremo come si distingue dalla semplice improbabilità, come si applica al caso dell’informazione biologica, e perché rappresenta uno degli strumenti più rigorosi dell’arsenale intellettuale del Disegno Intelligente.


Concetti chiave

  1. Il codice genetico è un sistema convenzionale a triplette: 64 codoni specificano 20 amminoacidi e 3 segnali di stop, con degenerazione ottimizzata a ridurre l’impatto degli errori di traduzione e a sostenere codici paralleli.
  2. L’abbinamento codone-amminoacido è chimicamente arbitrario: nessuna legge fisica o chimica forza il codice a essere quello che è — proprietà tipica dei sistemi informativi progettati, non dei processi deterministici della materia.
  3. Le sequenze proteiche funzionali sono astronomicamente rare nello spazio delle sequenze possibili: studi indipendenti (Axe, Keefe-Szostak, Taylor, Reidhaar-Olson & Sauer, Yockey) convergono su frazioni tra 10-53 e 10-77, molto al di là delle risorse probabilistiche della Terra e dell’universo.
  4. Il problema «uovo-gallina» (DNA richiede proteine, proteine richiedono DNA) è riconosciuto come irrisolto anche da scienziati materialisti (Crick, Orgel, de Duve, Koonin, Davies) e resta centrale per l’intera questione dell’origine della vita.
  5. La Legge di Conservazione dell’Informazione (Dembski e Marks) mostra che gli algoritmi evolutivi non creano informazione specificata dal nulla: riflettono l’informazione attiva che il programmatore ha inserito nel sistema.

Per approfondire


Riferimenti

Axe, D. D. (2004). “Estimating the Prevalence of Protein Sequences Adopting Functional Enzyme Folds.” Journal of Molecular Biology, 341(5), 1295–1315. DOI: 10.1016/j.jmb.2004.06.058.

Axe, D. (2016). Undeniable: How Biology Confirms Our Intuition That Life Is Designed. HarperOne.

Crick, F. H. C. (1958). “On Protein Synthesis.” Symposia of the Society for Experimental Biology, 12, 138–163.

Crick, F. H. C. (1966). “Codon-Anticodon Pairing: The Wobble Hypothesis.” Journal of Molecular Biology, 19(2), 548–555.

Crick, F. H. C. (1968). “The Origin of the Genetic Code.” Journal of Molecular Biology, 38(3), 367–379.

Dembski, W. A. (1998). The Design Inference: Eliminating Chance through Small Probabilities. Cambridge University Press.

Dembski, W. A., e Marks, R. J. II (2009). “Conservation of Information in Search: Measuring the Cost of Success.” IEEE Transactions on Systems, Man, and Cybernetics, 39(5), 1051–1061. DOI: 10.1109/TSMCA.2009.2025027.

Freeland, S. J., e Hurst, L. D. (1998). “The Genetic Code Is One in a Million.” Journal of Molecular Evolution, 47(3), 238–248. DOI: 10.1007/PL00006381.

Gamow, G. (1954). “Possible Relation between Deoxyribonucleic Acid and Protein Structures.” Nature, 173, 318.

Gilis, D., Massar, S., Cerf, N. J., e Rooman, M. (2001). “Optimality of the Genetic Code with Respect to Protein Stability and Amino-Acid Frequencies.” Genome Biology, 2(11), RESEARCH0049. DOI: 10.1186/gb-2001-2-11-research0049.

Itzkovitz, S., e Alon, U. (2007). “The Genetic Code Is Nearly Optimal for Allowing Additional Information within Protein-Coding Sequences.” Genome Research, 17(4), 405–412. DOI: 10.1101/gr.5987307.

Keefe, A. D., e Szostak, J. W. (2001). “Functional Proteins from a Random-Sequence Library.” Nature, 410, 715–718. DOI: 10.1038/35070613.

Koonin, E. V., e Novozhilov, A. S. (2009). “Origin and Evolution of the Genetic Code: The Universal Enigma.” IUBMB Life, 61(2), 99–111. DOI: 10.1002/iub.146.

Kozulic, B., e Leisola, M. (2015). “Have Scientists Already Been Able to Surpass the Capabilities of Evolution?” viXra, 1504.0130.

Lo, T. Y., Chien, P. K., Anderson, E. H., Alston, R., e Waltzer, R. (2020). Evolution and Intelligent Design in a Nutshell. Discovery Institute Press.

Marks, R. J. II, Dembski, W. A., e Ewert, W. (2017). Introduction to Evolutionary Informatics. World Scientific.

Meyer, S. C. (2009). Signature in the Cell: DNA and the Evidence for Intelligent Design. HarperOne.

Nirenberg, M. W., e Matthaei, J. H. (1961). “The Dependence of Cell-Free Protein Synthesis in E. coli upon Naturally Occurring or Synthetic Polyribonucleotides.” Proceedings of the National Academy of Sciences, 47(10), 1588–1602.

Orgel, L. E. (2008). “The Implausibility of Metabolic Cycles on the Prebiotic Earth.” PLOS Biology, 6(1), e18. DOI: 10.1371/journal.pbio.0060018.

Reidhaar-Olson, J. F., e Sauer, R. T. (1990). “Functionally Acceptable Substitutions in Two Alpha-Helical Regions of Lambda Repressor.” Proteins, 7(4), 306–316. DOI: 10.1002/prot.340070403.

Shapiro, R. (2007). “A Simpler Origin for Life.” Scientific American, 296(6), 46–53.

Taylor, S. V., Walter, K. U., Kast, P., e Hilvert, D. (2001). “Searching Sequence Space for Protein Catalysts.” Proceedings of the National Academy of Sciences, 98(19), 10596–10601. DOI: 10.1073/pnas.191159298.

Wells, J. (2011). The Myth of Junk DNA. Discovery Institute Press.

Woese, C. R. (1967). The Genetic Code: The Molecular Basis for Genetic Expression. Harper & Row.

Yockey, H. P. (2005). Information Theory, Evolution, and the Origin of Life. Cambridge University Press.