Boltz-2 marca un punto de inflexión fundamental para el descubrimiento de fármacos impulsado por la IA. Desarrollado por Jameel Clinic del MIT y CSAIL en asociación con Recursion, el maniquí unifica la predicción de estructuras complejas y la estimación de afinidad de unión en un único paquete de código hendido. Entrenado en la supercomputadora BioHive‑2 de Recursion y acelerado por los núcleos cuEquivariance de NVIDIA, se acerca a la precisión química de las simulaciones de perturbación de energía osado (FEP) basadas en la física y arroja resultados en aproximadamente 20 segundos en una GPU A100. Con Boltz-2 habitable (código, pesos) bajo una inmoralidad del MIT, cualquier estructura puede retornar a entrenar, ajustar e implementar Boltz-2 sin fricciones legales u operativas. Las empresas que buscan esquilar la inferencia asimismo pueden implementar el NIM NVIDIA Boltz-2 acelerado para casos de uso de producción bajo un Licencia empresarial de IA de NVIDIA.
El éxito de AlphaFold2 de DeepMind en 2020 convirtió en un producto principal la predicción de estructuras de una sola proteína, y su sucesor, AlphaFold3, permitió el modelado progresista de múltiples moléculas simultáneamente (ADN, ARN, proteínas y moléculas pequeñas). El MIT lanzó una alternativa de código hendido a AlphaFold3 a finales de 2024 con Boltz-1, el primer maniquí hendido capaz de plegar complejos biomoleculares con una precisión cercana a AlphaFold3. Seis meses posteriormente, el mismo equipo presentó Boltz-2, agregando la funcionalidad de predicción de afinidad entre la molécula y el objetivo y reentrenándolo en aproximadamente 3 millones de ejemplos etiquetados con ensayos para predecir tanto la pose como la potencia en un solo pase.
A través de un punto de referencia comunitario para las predicciones de afinidad, Boltz-2 logra una correlación media de Pearson de aproximadamente 0,62-0,66, mucho más cercana que los modelos comparables anteriores, pero 1000 veces más rápida que los procesos de física de última procreación. En los datos de afinidad de CASP16, el maniquí ocupó el primer oficio en genérico y, en pantallas retrospectivas de detención rendimiento (MF-PCBA), duplicó la precisión promedio en relación con el unión y los enfoques de ML anteriores. Un solo A100 procesa un par de ligando-proteína en aproximadamente 20 segundos de GPU; La ampliación en BioHive‑2 reduce los tiempos de cronómetro de albarrada para bibliotecas de millones de compuestos a horas, no a semanas.
About The Author
