Más de 300 personas de la sociedad y la industria llenaron un audiencia para asistir a una Seminario BoltzGen el jueves 30 de octubre, organizado por el Clínica Abdul Latif Jameel de enseñanza forzoso en vigor (Clínica MIT Jameel). Encabezando el evento estuvo el estudiante de doctorado del MIT y primer autor de BoltzGen, Hannes Stärk, quien había anunciado BoltzGen escasamente unos días antaño.
Construyendo sobre Boltz-2un maniquí de predicción de estructuras biomoleculares de código campechano que predice la afinidad de unión a proteínas que causó sensación durante el verano, BoltzGen (publicado oficialmente el domingo 26 de octubre) es el primer maniquí de este tipo que va un paso más allá al gestar nuevos aglutinantes de proteínas que están listos para ingresar al proceso de descubrimiento de fármacos.
Tres innovaciones secreto lo hacen posible: primero, la capacidad de BoltzGen para soportar a punta una variedad de tareas, unificando el diseño de proteínas y la predicción de estructuras mientras mantiene un rendimiento de última procreación. A continuación, las restricciones integradas de BoltzGen se diseñan con la feedback de los colaboradores del laboratorio húmedo para certificar que el maniquí cree proteínas funcionales que no desafíen las leyes de la física o la química. Por zaguero, un riguroso proceso de evaluación prueba el maniquí en objetivos de enfermedades «no farmacológicas», superando los límites de las capacidades de procreación de aglutinantes de BoltzGen.
La mayoría de los modelos utilizados en la industria o el mundo clásico son capaces de predecir estructuras o diseñar proteínas. Encima, se limitan a gestar ciertos tipos de proteínas que se unen con éxito a «objetivos» fáciles. Al igual que los estudiantes que responden a una pregunta de prueba que se parece a su tarea, siempre que los datos de entrenamiento sean similares al objetivo durante el diseño de la carpeta, los modelos a menudo funcionan. Pero los métodos existentes casi siempre se evalúan en objetivos para los cuales ya existen estructuras con aglutinantes, y terminan fallando en su rendimiento cuando se usan en objetivos más desafiantes.
«Ha habido modelos que intentan afrontar el diseño de carpetas, pero el problema es que estos modelos son específicos de cada modalidad», señala Stärk. «Un maniquí común no sólo significa que podemos afrontar más tareas. Encima, obtenemos un mejor maniquí para la tarea individual, ya que la competición de la física se aprende con el ejemplo, y con un esquema de entrenamiento más común, proporcionamos más ejemplos que contienen patrones físicos generalizables».
Los investigadores de BoltzGen hicieron todo lo posible para probar BoltzGen en 26 objetivos, desde casos terapéuticamente relevantes hasta aquellos elegidos explícitamente por su diferencia con los datos del entrenamiento.
Este proceso de acometividad integral, que tuvo extensión en ocho laboratorios húmedos de la sociedad y la industria, demuestra la amplitud y el potencial del maniquí para el crecimiento de fármacos innovadores.
Parabilis Medicines, uno de los colaboradores de la industria que probó BoltzGen en un entorno de laboratorio húmedo, elogió el potencial de BoltzGen: «sentimos que la admisión de BoltzGen en las capacidades de nuestra plataforma computacional de péptidos Helicon existente promete acelerar nuestro progreso para ofrecer medicamentos transformadores contra las principales enfermedades humanas».
Si proporcionadamente las versiones de código campechano de Boltz-1, Boltz-2 y ahora BoltzGen (que se presentó en una audiencia previa en el 7ma Conferencia de Educación Necesario Molecular el 22 de octubre) traen nuevas oportunidades y transparencia en el crecimiento de medicamentos, igualmente señalan que las industrias biotecnológica y farmacéutica pueden carecer reevaluar sus ofertas.
En medio de los rumores sobre BoltzGen en la plataforma de redes sociales X, Justin Grace, investigador principal de enseñanza forzoso en LabGenius, planteó una pregunta. «El retraso en el rendimiento de privado a campechano para los sistemas de inteligencia químico de chat es de (siete) meses y está disminuyendo», escribió Grace en una publicación. «Parece ser aún más corto en el espacio de las proteínas. ¿Cómo podrán las compañías de Binder-as-a-Service (recuperar) la inversión cuando solo podemos esperar unos meses para obtener la traducción gratuita?»
Para los académicos, BoltzGen representa una expansión y apresuramiento de las posibilidades científicas. «Una pregunta que mis alumnos me hacen a menudo es: ‘¿dónde puede la IA cambiar el grupo terapéutico?'», dice la coautora principal y profesora del MIT Regina Barzilay, líder de la potencial de IA de la Clínica Jameel y filial del Laboratorio de Ciencias de la Computación e Inteligencia Sintético (CSAIL). «A menos que identifiquemos objetivos no farmacológicos y propongamos una alternativa, no cambiaremos el grupo», añade. «Aquí se hace hincapié en los problemas no resueltos, lo que distingue el trabajo de Hannes de otros en el campo».
El coautor principal Tommi Jaakkola, profesor Thomas Siebel de Ingeniería Eléctrica y Ciencias de la Computación afiliado a la Clínica Jameel y CSAIL, señala que «los modelos como BoltzGen que se lanzan completamente de código campechano permiten esfuerzos comunitarios más amplios para acelerar las capacidades de diseño de fármacos».
De cara al futuro, Stärk cree que el futuro del diseño biomolecular se verá trastocado por los modelos de IA. «Quiero construir herramientas que nos ayuden a manipular la biología para resolver enfermedades o realizar tareas con máquinas moleculares que ni siquiera hemos imaginado todavía», dice. «Quiero proporcionar estas herramientas y permitir a los biólogos imaginar cosas en las que ni siquiera habían pensado antaño».