Los científicos del MIT han libertino un potente maniquí de IA de código libre, llamado Boltz-1, que podría acelerar significativamente la investigación biomédica y el avance de fármacos.
Desarrollado por un equipo de investigadores de la Clínica Jameel del MIT para el Estudios Inevitable en Lozanía, Boltz-1 es el primer maniquí de código libre que alcanza un rendimiento de última reproducción al nivel de AlphaFold3, el maniquí de Google DeepMind que predice las estructuras 3D de proteínas y otras moléculas biológicas.
Los estudiantes graduados del MIT Jeremy Wohlwend y Gabriele Corso fueron los principales desarrolladores de Boltz-1, inmediato con el afiliado de investigación de MIT Jameel Clinic Saro Passaro y los profesores de ingeniería eléctrica e informática del MIT Regina Barzilay y Tommi Jaakkola. Wohlwend y Corso presentaron el maniquí en un evento el 5 de diciembre en el Stata Center del MIT, donde dijeron que su objetivo final es fomentar la colaboración entero, acelerar los descubrimientos y proporcionar una plataforma sólida para avanzar en el modelado biomolecular.
“Esperamos que este sea un punto de partida para la comunidad”, dijo Corso. “Hay una razón por la que lo llamamos Boltz-1 y no Boltz. Este no es el final del camino. Queremos tanta contribución de la comunidad como podamos obtener”.
Las proteínas desempeñan un papel esencial en casi todos los procesos biológicos. La forma de una proteína está estrechamente relacionada con su función, por lo que comprender la estructura de una proteína es fundamental para diseñar nuevos fármacos o diseñar nuevas proteínas con funcionalidades específicas. Pero correcto al proceso extremadamente difícil mediante el cual la larga sujeción de aminoácidos de una proteína se pliega en una estructura tridimensional, predecir con precisión esa estructura ha sido un gran desafío durante décadas.
AlphaFold2 de DeepMind, que le valió a Demis Hassabis y John Jumper el Premio Nobel de Química 2024, utiliza el estudios instintivo para predecir rápidamente estructuras de proteínas en 3D que son tan precisas que son indistinguibles de las derivadas experimentalmente por los científicos. Este maniquí de código libre ha sido utilizado por equipos de investigación académicos y comerciales de todo el mundo, lo que ha impulsado muchos avances en el avance de fármacos.
AlphaFold3 progreso a sus predecesores al incorporar un maniquí de IA generativo, conocido como maniquí de difusión, que puede manejar mejor la cantidad de incertidumbre involucrada en la predicción de estructuras proteicas extremadamente complejas. Sin secuestro, a diferencia de AlphaFold2, AlphaFold3 no es completamente de código libre ni está adecuado para uso comercial, lo que provocó crítica de la comunidad científica y dio inicio a una carrera entero para construir una interpretación comercial del maniquí.
Para su trabajo en Boltz-1, los investigadores del MIT siguieron el mismo enfoque auténtico que AlphaFold3, pero posteriormente de estudiar el maniquí de difusión subyacente, exploraron posibles mejoras. Incorporaron aquellos que aumentaron más la precisión del maniquí, como nuevos algoritmos que mejoran la eficiencia de la predicción.
Adjunto con el maniquí en sí, abrieron todo su proceso para entrenamiento y ajuste para que otros científicos puedan desarrollar Boltz-1.
“Estoy inmensamente orgulloso de Jeremy, Gabriele, Saro y el resto del equipo de Jameel Clinic por hacer posible esta escape. Este tesina requirió muchos días y noches de trabajo, con una determinación inquebrantable para durar a este punto. Hay muchas ideas interesantes para futuras mejoras y esperamos compartirlas en los próximos meses”, afirma Barzilay.
Al equipo del MIT le llevó cuatro meses de trabajo y muchos experimentos desarrollar Boltz-1. Uno de sus mayores desafíos fue exceder la confusión y heterogeneidad contenida en el Costado de Datos de Proteínas, una colección de todas las estructuras biomoleculares que miles de biólogos han resuelto en los últimos 70 abriles.
“Pasé muchas noches largas luchando con estos datos. Gran parte es conocimiento puro del dominio que uno simplemente tiene que apoderarse. No hay atajos”, afirma Wohlwend.
Al final, sus experimentos muestran que Boltz-1 alcanza el mismo nivel de precisión que AlphaFold3 en un conjunto diverso de predicciones de estructuras biomoleculares complejas.
“Lo que Jeremy, Gabriele y Saro han acabado es nadie menos que extraordinario. Su arduo trabajo y perseverancia en este tesina han hecho que la predicción de estructuras biomoleculares sea más accesible para la comunidad en universal y revolucionará los avances en las ciencias moleculares”, afirma Jaakkola.
Los investigadores planean seguir mejorando el rendimiento de Boltz-1 y ceñir la cantidad de tiempo que lleva hacer predicciones. Incluso invitan a los investigadores a probar Boltz-1 en sus repositorio de GitHub y conectarse con otros usuarios de Boltz-1 en su canal flojo.
“Creemos que aún quedan muchos, muchos abriles de trabajo para mejorar estos modelos. Estamos muy ansiosos por colaborar con otros y ver qué hace la comunidad con esta útil”, añade Wohlwend.
Mathai Mammen, director ejecutante y presidente de Parabilis Medicines, califica a Boltz-1 como un maniquí «revolucionario». «Al aclarar el código fuente de este avance, la Clínica Jameel del MIT y sus colaboradores están democratizando el acercamiento a herramientas de biología estructural de vanguardia», afirma. “Este esfuerzo histórico acelerará la creación de medicamentos que cambian vidas. ¡Gracias al equipo de Boltz-1 por impulsar este profundo brinco delante!
«Boltz-1 será enormemente útil para mi laboratorio y para toda la comunidad», añade Jonathan Weissman, profesor de biología del MIT y miembro del Instituto Whitehead de Ingeniería Biomédica que no participó en el estudio. «Veremos toda una ola de descubrimientos posibles gracias a la democratización de esta poderosa útil». Weissman añade que anticipa que la naturaleza de código libre de Boltz-1 conducirá a una amplia matiz de nuevas aplicaciones creativas.
Este trabajo igualmente fue apoyado por una subvención de Expediciones de la Fundación Doméstico de Ciencias de EE. UU.; la Clínica Jameel; el software de Descubrimiento de Contramedidas Médicas Contra Amenazas Nuevas y Emergentes (DOMANE) de la Agencia de Reducción de Amenazas de Defensa de los Estados Unidos; y el tesina MATCHMAKERS apoyado por la asociación Cancer Grand Challenges financiada por Cancer Research UK y el Instituto Doméstico del Cáncer de EE. UU.