W czwartek, 30 października, wypełnione po brzegi audytorium było świadkiem przełomowego seminarium. Ponad 300 uczestników, zarówno ze środowisk akademickich, jak i przemysłowych, z niecierpliwością czekało na Seminarium BoltzGen hosted by MIT’s Klinika Abdula Latifa Jameela zajmująca się uczeniem maszynowym w służbie zdrowia. Gwiazdą wydarzenia był doktorant MIT Hannes Stärk, który niedawno ogłosił wydanie BoltzGen.
Po swoich poprzednikach Boltz-1 i Boltz-2, BoltzGen jest najnowszym dodatkiem do linii modeli open-source. Został zaprezentowany w niedzielę, 26 października, 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.
Co najważniejsze, BoltzGen przezwycięża ograniczenia istniejących modeli, wykazując wszechstronność tam, gdzie inne zawodzą. Stärk wyjaśnił: “Istnieją modele próbujące poradzić sobie z projektowaniem spoiw, ale problem polega na tym, że modele te są specyficzne dla danej modalności”. BoltzGen przełamuje ten schemat i wyłania się, nie tylko radząc sobie z większą liczbą zadań, ale także poprawiając wydajność w poszczególnych zadaniach poprzez uczenie się zasad fizycznych na różnych przykładach. BoltzGen ma talent do generalizowania różnych zadań i celów, co czyni go atutem nawet w obliczu problemów innych niż przykłady szkoleniowe.
Aby zweryfikować jego sprawność, BoltzGen został przetestowany na 26 różnych celach białkowych. Eksperymenty te przeprowadzono w ośmiu laboratoriach mokrych, zarówno akademickich, jak i przemysłowych, od przypadków terapeutycznych o wysokim priorytecie po celowo trudne. Te dokładne testy zilustrowały imponującą wszechstronność i niezawodność tego modelu.
Branża jest podekscytowana transformacyjnym potencjałem BoltzGen. Jeden z jego współpracowników, Parabilis Medicines, stwierdził: “Uważamy, że przyjęcie BoltzGen do naszych istniejących możliwości platformy obliczeniowej peptydów Helicon obiecuje przyspieszyć nasze postępy w dostarczaniu transformacyjnych leków przeciwko poważnym chorobom ludzkim”.”
Wraz z wydaniem BoltzGen i jego wcześniejszych wersji w modelu open-source, świat opracowywania leków zyskuje bezprecedensowy poziom przejrzystości i dostępności. Stawia to jednak również nowe wyzwania przed branżą biotechnologiczną. Jak Justin Grace, naukowiec zajmujący się uczeniem maszynowym w LabGenius, zapytał na platformie społecznościowej X: “w jaki sposób firmy oferujące usługi typu binder-as-a-service będą w stanie odzyskać inwestycje, skoro darmowa wersja jest już za kilka miesięcy?”.”
Dla niektórych jest to wyzwanie, ale dla wielu w świecie akademickim BoltzGen stanowi ekscytujący nowy rozdział. Profesor MIT, Regina Barzilay, podkreśliła potrzebę przełomowych interwencji w terapiach. Aby poczynić znaczące postępy, musimy zidentyfikować nieleczalne cele i zaproponować skuteczne rozwiązania.
Wizja przyszłości Stärka jest naprawdę inspirująca. Powiedział: “Chcę zbudować narzędzia, które pomogą nam manipulować biologią w celu rozwiązywania chorób... Chcę dostarczyć te narzędzia i umożliwić biologom wyobrażanie sobie rzeczy, o których wcześniej nawet nie myśleli”. Jeśli szum wokół BoltzGen jest jakąkolwiek wskazówką, ta przyszłość może nie być tak odległa, jak nam się wydaje.
Oryginalny artykuł można przeczytać na stronie MIT News: https://news.mit.edu/2025/mit-scientists-debut-generative-ai-model-that-could-create-molecules-addressing-hard-to-treat-diseases-1125
This website uses cookies.