Boltz如何开源革新药物发现

摘要

Boltz由Gabriele Corso和Jeremy Wohlwend创立，旨在开源蛋白质结构预测和设计模型。文章指出单链蛋白质结构预测已借助协同进化信息基本解决，但复杂分子相互作用建模仍是关键挑战。Boltz通过生成式扩散架构，实现从回归预测到生成建模的转变，开发出Boltz-1、Boltz-2和BoltzGen等工具，在蛋白质-配体相互作用、亲和力预测和生成性蛋白质设计方面取得突破，并推出Boltz Lab平台以加速药物发现研究的民主化进程。

内容框架与概述

文章开篇介绍Boltz创始人和其核心理念，强调当前蛋白质结构预测领域已从单链预测转向复杂相互作用建模。通过讨论AlphaFold的技术遗产，引出协同进化信息和生成式扩散架构如何革新结构预测方法。文中详细阐述Boltz-2如何将结构和序列预测统一为单一任务，实现蛋白质从头设计。结尾部分展示Boltz在真实世界中的验证成果，包括针对9个未知靶点成功设计纳米摩尔级别结合剂，并介绍Boltz Lab平台的基础设施和代理工具，强调开源社区建设和人机协作的重要性。

核心概念及解读

协同进化信息：通过分析不同物种中蛋白质序列的突变相关性，推断氨基酸在三维空间中的接近程度，是单链蛋白质结构预测成功的关键线索。

生成式扩散模型：从静态坐标回归转向采样后验分布的建模方法，能够表示多种构象状态，避免回归模型在模糊情况下的平均化效应。

等变神经网络架构：专为三维几何数据设计的神经网络结构，相比通用Transformer在处理分子系统时具有显著优势。

亲和力预测：不同于传统置信度指标，Boltz-2专注于量化设计的结合剂与靶标之间的结合强度，直接衡量药物候选分子的有效性。

BoltzGen统一框架：将蛋白质结构和氨基酸序列预测整合为单一任务，通过空白令牌和高层次规格生成三维结构及其对应氨基酸序列。

原文信息

此摘要卡片由 AI 自动生成