超过300名来自学术界和工业界的人士参加了10月30日由某诊所主办的BoltzGen研讨会。主讲人是该模型的共同创作者哈内斯·施特克博士。
BoltzGen建立在今夏引起轰动的开源生物分子结构预测模型“Boltz-2”之上。BoltzGen更进一步，能生成可直接进入药物发现流程的新型蛋白质结合物。
三项关键创新使之成为可能：首先，BoltzGen能够执行多种任务，在保持一流性能的同时，统一了蛋白质设计和结构预测。其次，该模型内置的约束条件是根据实验室合作者的反馈设计的，以确保其生成的蛋白质是功能性的，且不违背物理或化学定律。最后，一个严格的评估过程在“不可成药”的疾病靶点上测试该模型，以挑战其结合物生成能力的极限。
目前工业界或学术界使用的大多数模型只能进行结构预测或蛋白质设计，且仅限于生成能成功结合“简单”靶点的特定类型蛋白质。现有方法几乎总是在已有结合物结构的靶点上进行评估，在面对更具挑战性的靶点时表现往往会下降。
施特克指出，试图解决结合物设计的模型存在“模式特定”的问题。而通用模型不仅能处理更多任务，还能为单个任务提供更好的模型，因为模拟物理过程是通过示例学习的，更通用的训练方案提供了更多包含可推广物理模式的示例。
研究团队特意在26个靶点上测试了BoltzGen，范围从治疗相关案例到明确选择与训练数据不同的靶点。这一在八个学术和工业界实验室进行的全面验证过程，展示了该模型的广度及其在突破性药物开发方面的潜力。
一家参与实验室测试的工业合作伙伴称赞了BoltzGen的潜力，表示“我们觉得将BoltzGen纳入我们现有的Helicon肽计算平台能力中，有望加速我们为重大人类疾病提供变革性药物的进程。”
虽然Boltz-1、Boltz-2以及现在的BoltzGen（已于10月22日在第七届分子机器学习会议上预览）的开源发布为药物开发带来了新的机遇和透明度，但它们也暗示生物技术和制药行业可能需要重新评估其产品。在某社交媒体平台上，关于BoltzGen的讨论中，一位用户提出了一个问题：在蛋白质领域的开源性能滞后时间甚至更短，“结合物即服务”公司将如何收回投资？
对学术界而言，BoltzGen代表了科学可能性的扩展和加速。该研究的资深共同作者之一表示：“除非我们识别出不可成药的靶点并提出解决方案，否则我们不会改变游戏规则。”另一位资深共同作者则指出：“像BoltzGen这样完全开源的模型，使更广泛的社区能够共同努力，加速药物设计能力。”
展望未来，施特克相信生物分子设计的未来将被人工智能模型颠覆。“我想构建工具，帮助我们操纵生物学来治愈疾病，或者用我们甚至尚未想象的分子机器来执行任务。我想提供这些工具，让生物学家能够想象他们以前从未想过的事情。”
