麻省理工學院研究人員提出Boltz-1：首個達到AlphaFold3級別準確度的開源AI模型，用於生物分子結構預測

了解生物分子之間的互動對於藥物發現和蛋白質設計等領域非常重要。傳統上，確定蛋白質和其他生物分子的三維結構需要昂貴且耗時的實驗室實驗。2024年推出的AlphaFold3徹底改變了這一領域，顯示出深度學習可以在預測生物分子結構（包括複雜的互動）方面達到實驗級的準確性。儘管有這些進展，但準確建模不同生物分子在三維空間中的互動仍然是一個挑戰。蛋白質、核酸和配體之間的複雜互動仍然存在困難，這在結構生物學中留下了顯著的空白。

Boltz-1：生物分子建模的突破

麻省理工學院 (MIT) 的研究團隊推出了Boltz-1，這是第一個開源且商業可用的模型，能夠在預測生物分子複合物方面達到AlphaFold3的準確性。與之前的模型不同，Boltz-1完全向公眾開放，模型權重、訓練和推理代碼都在MIT許可證下發布。這種開放性旨在促進全球合作，推進生物分子建模。

Boltz-1遵循AlphaFold3使用的一般框架，但引入了幾個架構和程序創新，包括新的多序列比對 (MSA) 配對算法、統一裁剪方法以提高訓練效率，以及增強的信心模型。這些創新使Boltz-1能夠在保持高準確性的同時，降低計算負擔，並且更易於訪問。

技術細節

Boltz-1的技術進步在於其精心的架構修改和高效的數據處理方法。例如，它使用了一種新算法來配對MSA，利用分類信息來提高序列比對的密度和質量。這種方法使Boltz-1能夠捕捉對於準確預測生物分子互動至關重要的共演化信號。

此外，統一裁剪算法優化了訓練過程，平衡了空間和連續裁剪策略，以增強訓練數據的多樣性。Boltz-1的強大口袋調整機制也增強了其預測互動的能力，允許對結合口袋的部分信息進行處理，使其在現實場景中高度適應。這些創新的組合使得該模型在保持高準確性的同時，相較於AlphaFold3顯著減少了計算負擔。

影響及基準性能

這一進展具有重要意義。通過使能夠預測複雜生物分子結構的模型變得普及，Boltz-1有潛力加速藥物設計、結構生物學和合成生物學等領域的發現。

研究人員通過各種基準測試展示了Boltz-1的能力。在CASP15（蛋白質結構預測競賽）中，Boltz-1在蛋白質-配體和蛋白質-蛋白質預測任務中表現出色，達到65%的LDDT-PLI，而Chai-1僅為40%。此外，Boltz-1的DockQ成功率為83%，超過Chai-1的76%。這些結果突顯了Boltz-1在預測生物分子互動方面的可靠性和穩健性，特別是在蛋白質-配體複合物預測中，該模型在對小分子與其結合口袋的對齊方面表現優異。