麻省理工学院与Recursion公司研究人员开发的新型基础模型Boltz-2，在蛋白质结合亲和力预测领域取得突破性进展。这项技术不仅能预测生物分子3D结构，更能首次实现结合强度的精确量化——这是理解生命机制和开发药物的关键参数。
![图片说明]：小分子与OX2蛋白结合示意图。Boltz-2通过联合建模结构与结合亲和力，在药物发现领域树立新标杆。
继AlphaFold革新蛋白质结构预测后，Boltz-2创新性地整合了结构建模与结合亲和力计算。其亲和力模块基于数百万实验室测量数据训练，可精准预测不同分子与蛋白质的结合强度。在多项药物发现基准测试中，该模型预测精度逼近基于物理的自由能微扰模拟（该技术单次测试需耗时1天），但运算速度提升超千倍，成为首个达到此精度的深度学习模型。
"这种性能提升使Boltz-2不仅是研究工具，更是实际药物开发引擎。"麻省理工学院CSAIL博士生Gabriele Corso指出，"科学家可在相同时间内筛选大量化合物库，显著提升早期研发效率。"该模型将在MIT许可协议下开源发布，包含代码、参数与训练数据。
Boltz-2建立在2023年发布的Boltz-1基础之上。作为AlphaFold3的替代方案，Boltz-1凭借快速预测能力已获全球数千科研机构采用。新一代模型通过更大规模数据集（包含分子动力学模拟和自生成数据）重训练，并引入Boltz-Steering技术，利用物理规律优化预测结构的真实性。
该模型特别针对小分子药物发现痛点进行优化。尽管生物制剂和蛋白质工程领域因AlphaFold等技术取得快速进展，但小分子筛选效率提升始终滞后。MIT Jameel诊所研究员Saro Passaro表示："Boltz-2填补了这一空白，将显著降低早期筛选成本。"
研究团队由MIT Regina Barzilay教授与Tommi Jaakkola教授领导，成员包含MIT、Recursion多家机构研究人员。模型现已面向全球开放获取。
【全文结束】
