Ein volles Auditorium war am Donnerstag, dem 30. Oktober, Zeuge eines bahnbrechenden Seminars. Mehr als 300 Teilnehmer aus dem akademischen Bereich und der Industrie versammelten sich zu einer BoltzGen-Seminar hosted by MIT’s Abdul Latif Jameel Klinik für maschinelles Lernen im Gesundheitswesen. Der Star der Veranstaltung war der MIT-Doktorand Hannes Stärk, der kürzlich die Veröffentlichung von BoltzGen angekündigt hatte.
Nach seinen Vorgängern Boltz-1 und Boltz-2, BoltzGen ist der jüngste Zuwachs in der Reihe der Open-Source-Modelle. Vorgestellt am Sonntag, 26. Oktober, BoltzGen isn’t just an evolution, it’s a revolution. Going beyond predicting protein interactions, this model actually generates novel protein binders – a leap forward that could reshape the landscape of drug discovery.
So, what sets BoltzGen apart? Firstly, this model handles multiple tasks, including protein design and structure prediction, while delivering on performance. Built-in constraints, developed in collaboration with wetlab researchers, ensure that the proteins created are both chemically and physically viable. And it doesn’t stop there – boltzGen has been meticulously tested on challenging “undruggable” targets, proving its capability to create waves in the field of therapeutics.
Entscheidend ist, dass BoltzGen die Grenzen bestehender Modelle überwindet und seine Vielseitigkeit dort zeigt, wo andere Modelle versagen. Stärk erklärte: “Es gab bereits Modelle, die sich mit der Gestaltung von Bindemitteln befassten, aber das Problem ist, dass diese Modelle modalitätsspezifisch sind”. BoltzGen durchbricht dieses Schema und kann nicht nur mehr Aufgaben bewältigen, sondern auch die Leistung bei einzelnen Aufgaben verbessern, indem es physikalische Prinzipien aus verschiedenen Beispielen lernt. BoltzGen ist in der Lage, aufgaben- und zielübergreifend zu verallgemeinern, so dass es auch bei Problemen von Vorteil ist, die nicht mit seinen Trainingsbeispielen zusammenhängen.
Um seine Fähigkeiten zu testen, wurde BoltzGen an 26 verschiedenen Proteinzielen erprobt. Diese Experimente wurden in acht akademischen und industriellen Nasslabors durchgeführt - von therapeutischen Fällen mit hoher Priorität bis hin zu bewusst schwierigen Fällen. Diese gründlichen Tests zeigten die beeindruckende Vielseitigkeit und Zuverlässigkeit dieses Modells.
Die Industrie ist begeistert von dem transformativen Potenzial von BoltzGen. Einer der Industriepartner, Parabilis Medicines, erklärte: “Wir sind der Meinung, dass die Integration von BoltzGen in unsere bestehende Peptidberechnungsplattform Helicon unsere Fortschritte bei der Entwicklung von Medikamenten gegen wichtige menschliche Krankheiten beschleunigen wird.”
Mit der Open-Source-Veröffentlichung von BoltzGen und seinen früheren Versionen gewinnt die Welt der Arzneimittelentwicklung ein noch nie dagewesenes Maß an Transparenz und Zugänglichkeit. Sie stellt die Biotech-Industrie aber auch vor neue Herausforderungen. Wie Justin Grace, ein Wissenschaftler für maschinelles Lernen bei LabGenius, auf der sozialen Plattform X fragte, “wie werden Binder-as-a-Service-Unternehmen in der Lage sein, ihre Investitionen wieder hereinzuholen, wenn eine kostenlose Version nur ein paar Monate entfernt ist?”
Für manche ist das eine Herausforderung, aber für viele in der akademischen Welt stellt BoltzGen ein aufregendes neues Kapitel dar. MIT-Professorin Regina Barzilay betonte die Notwendigkeit von bahnbrechenden Eingriffen im therapeutischen Bereich. Um bedeutende Fortschritte zu erzielen, müssen wir unkontrollierbare Ziele identifizieren und wirksame Lösungen vorschlagen.
Stärks Vision für die Zukunft ist wirklich inspirierend. Er sagte: “Ich möchte Werkzeuge bauen, die uns helfen, die Biologie zu manipulieren, um Krankheiten zu lösen... Ich möchte diese Werkzeuge bereitstellen und Biologen in die Lage versetzen, sich Dinge vorzustellen, an die sie bisher nicht einmal gedacht haben.” Wenn der Rummel um BoltzGen ein Hinweis darauf ist, ist diese Zukunft vielleicht gar nicht so weit weg, wie wir denken.
Sie können den Originalartikel auf MIT News lesen: https://news.mit.edu/2025/mit-scientists-debut-generative-ai-model-that-could-create-molecules-addressing-hard-to-treat-diseases-1125
Diese Website verwendet Cookies.