MACRO — Ottimizzazione della Riprogrammazione CRISPR potenziata dal Machine Learning — si trova all'intersezione di due campi che hanno iniziato a combinarsi solo di recente. L'ingegneria metabolica mira a reindirizzare la chimica interna di una cellula verso un prodotto desiderato; CRISPR fornisce la precisione di editing per tentare l'impresa; e il machine learning offre un modo per cercare nel vasto spazio di modifiche possibili senza testare ciascuna in laboratorio. In pratica, questo significa che il modello deve prevedere un risultato a livello di sistema — la produttività lipidica totale — da un cambiamento genetico, che è esattamente il tipo di problema non lineare e multi-obiettivo in cui la previsione computazionale mostra il suo valore.
È stata insolitamente esplicita nel dire che la parte difficile era il punto centrale. "Ho partecipato perché volevo prendere un'idea bloccata nella mia testa e trasformarla in qualcosa di più serio", ha scritto nel suo profilo da finalista. "Ho continuato a pensare ai biocarburanti da microalghe perché sembrano così promettenti: le alghe possono crescere rapidamente, assorbire anidride carbonica e produrre oli che possono essere usati come carburante. Ma poi ho imparato che far funzionare davvero un sistema di biocarburanti è molto più difficile che dire semplicemente 'usiamo le alghe'. Questo ha reso il progetto più interessante per me."
Venti domande, otto minuti di orologio e un percentile misurato su tutti quelli che l’hanno fatto. Senza registrazione.
Fai il test del QI →Il problema che ha selezionato è quello che il settore non è ancora riuscito a chiudere. "Volevo concentrarmi sulla parte difficile, ovvero come aumentare la produzione di olio senza danneggiare la crescita", ha scritto. Il motivo per cui ha scelto questa competizione in particolare riguardava la comunicazione: "sembrava il posto giusto per testare se riuscivo a spiegare quell'idea chiaramente e renderla importante per persone che potrebbero non conoscere già le microalghe o CRISPR". La giuria del 3M Young Scientist Challenge valuta l'efficacia comunicativa insieme alla creatività e alle conoscenze scientifiche, quindi il test è stato reale.
La sua invenzione preferita dell'ultimo secolo è CRISPR-Cas9, e il suo resoconto sul perché è un piccolo saggio sull'origine delle buone idee. "Prima di conoscere CRISPR, pensavo al DNA principalmente come informazione. CRISPR mi ha fatto capire che il DNA poteva anche essere editato in un modo molto più mirato e significativo", ha scritto. "La parte che trovo più interessante è che CRISPR deriva dai batteri. Non è stato inventato dal nulla. Gli scienziati hanno notato un sistema che i batteri usavano già per difendersi e lo hanno trasformato in uno strumento per la ricerca, la medicina, l'agricoltura e la biotecnologia. Mi piace perché mostra quante idee utili potrebbero già esistere in natura, ma dobbiamo prima accorgercene."
Il suo mentore assegnato dalla 3M è Aditya Banerji, uno Specialista di Ricerca presso il Corporate Research Process Laboratory dell'azienda, che sviluppa e commercializza prodotti ed è co-inventore di sedici sottomissioni brevettuali 3M, quattro delle quali hanno portato a domande di brevetto pendenti. Per un progetto il cui rischio principale è la distanza tra un modello predittivo e un processo funzionante, uno specialista di ricerca di processo con un curriculum di commercializzazione è un abbinamento perfetto.
La sua ambizione è duplice per progettazione. "Tra 15 anni, spero di essere un medico scienziato", ha scritto. "Voglio lavorare con i pazienti come medico, ma voglio anche continuare a porre domande di ricerca perché mi piace quella parte della scienza in cui la risposta non è ancora ovvia. Mi interessa la biologia perché non è mai così semplice come mi aspettavo inizialmente. C'è sempre un altro strato." Ha aggiunto un desiderio che non ha nulla a che fare con le credenziali: "Spero anche di essere ancora il tipo di persona che si entusiasma per una domanda strana e la segue più lontano di quanto avessi pianificato." La citazione scelta è sua: "Una buona invenzione inizia quando qualcosa di promettente ha ancora un problema che nessuno ha risolto abbastanza bene." Il 12–13 ottobre 2026 presenta MACRO al 3M Innovation Center di St. Paul, Minnesota.
“Volevo concentrarmi sulla parte difficile, ovvero come aumentare la produzione di olio senza danneggiare la crescita.”— Millie Pradawong, profilo del 3M Young Scientist Challenge 2026
“Una buona invenzione inizia quando qualcosa di promettente ha ancora un problema che nessuno ha risolto abbastanza bene.”— Millie Pradawong
| Persona | Paese | Traguardo | Età / Dato |
|---|---|---|---|
| Millie Pradawong | 🇺🇸 USA | MACRO — machine learning per l'ottimizzazione CRISPR del biocarburante algale | 14 anni |
| Sharvi Mahajan | 🇺🇸 USA | NeuroDrive Alert — machine learning EEG che prevede il microsonno | 14 anni |
| Matteo Paz | 🇺🇸 USA | Machine learning su dati di indagine a infrarossi; 1,5 milioni di oggetti trovati | 18 anni |
| Anirudh Rao | 🇺🇸 USA | Nano-generatore a umidità in ossido di grafene | 14 anni |
La maggior parte degli studenti che si cimenta con i biocarburanti algali affronta la versione che sembra entusiasmante. Lei ha identificato il motivo specifico per cui il settore è in stallo — il compromesso tra resa e crescita — e ha costruito uno strumento mirato a questo, che è la differenza tra scegliere un argomento e scegliere un problema.
La sua lettura dell'origine di CRISPR è la risposta più rivelatrice. Si è fissata sul fatto che sia stato notato nei batteri piuttosto che progettato da zero, e ne ha tratto la lezione generale: che meccanismi utili potrebbero già esistere e la competenza rara è l'attenzione. Questa è una filosofia di ricerca, arrivata da una quattordicenne.
Scopri Altri Bambini Prodigio
Oltre 50 storie di giovani geni contemporanei che trasformano scacchi, musica, scienza e arte.
Esplora Tutti i Prodigi →




.jpg)
