Более 300 человек из научных кругов и промышленности собрались в аудитории, чтобы посетить семинар BoltzGen в четверг, 30 октября. Семинар организован Абдул Латиф Джамиль Клиникой машинного обучения в здравоохранении (MIT Jameel Clinic).
Основным докладчиком был аспирант MIT и первый автор BoltzGen Ханнес Стёрк, который объявил о BoltzGen всего за несколько дней до этого.
Основываясь на Boltz-2
Boltz-2 — модель прогнозирования биомолекулярной структуры с открытым исходным кодом, которая этим летом вызвала большой резонанс. Она предсказывает аффинность связывания белков.
BoltzGen (официально выпущен в воскресенье, 26 октября) — первая модель такого рода, которая делает шаг вперёд, генерируя новые связывающие белки, готовые к использованию в процессе открытия лекарств.
Три ключевых нововведения
* Способность BoltzGen выполнять разнообразные задачи, объединяя проектирование белков и прогнозирование структуры при сохранении современного уровня производительности.
* Встроенные ограничения BoltzGen разработаны с учётом обратной связи от сотрудников лабораторий, чтобы гарантировать, что модель создаёт функциональные белки, которые не противоречат законам физики или химии.
* Тщательный процесс оценки проверяет модель на «не поддающихся лечению» мишенях заболеваний, расширяя возможности генерации связывающих белков BoltzGen.
Большинство моделей, используемых в промышленности или научных кругах, способны либо прогнозировать структуру, либо проектировать белки. Более того, они ограничены генерацией определённых типов белков, которые успешно связываются с лёгкими «мишенями».
Генерация связывающих белков
«Были модели, пытающиеся решить задачу проектирования связывающих белков, но проблема в том, что эти модели специфичны для конкретной модальности», — отмечает Стёрк. «Общая модель не только означает, что мы можем решать больше задач. Кроме того, мы получаем лучшую модель для индивидуальной задачи, поскольку имитация физики изучается на примере, и с более общей схемой обучения мы предоставляем больше таких примеров, содержащих обобщаемые физические закономерности».
Исследователи BoltzGen специально протестировали BoltzGen на 26 мишенях, начиная от терапевтически значимых случаев и заканчивая случаями, явно выбранными из-за их несхожести с обучающими данными.
Этот комплексный процесс проверки, который проходил в восьми лабораториях в научных кругах и промышленности, демонстрирует широту модели и потенциал для прорывных разработок в области лекарств.
Parabilis Medicines, один из отраслевых партнёров, которые тестировали BoltzGen в лаборатории, высоко оценил потенциал BoltzGen: «Мы считаем, что внедрение BoltzGen в нашу существующую вычислительную платформу для пептидов Helicon обещает ускорить наш прогресс в создании революционных лекарств против основных заболеваний человека».
Открытые источники и будущее фармацевтики
Выпуск Boltz-1, Boltz-2 и теперь BoltzGen (который был представлен на 7-й конференции по молекулярному машинному обучению 22 октября) открывает новые возможности и обеспечивает прозрачность в разработке лекарств. Однако это также сигнализирует о том, что биотехнологической и фармацевтической отраслям, возможно, придётся пересмотреть свои предложения.
В то время как выпуск Boltz-1, Boltz-2 и теперь BoltzGen (который был представлен на 7-й конференции по молекулярному машинному обучению 22 октября) открывает новые возможности и обеспечивает прозрачность в разработке лекарств, он также сигнализирует о том, что биотехнологической и фармацевтической отраслям, возможно, придётся пересмотреть свои предложения.
Среди ажиотажа вокруг BoltzGen в социальной сети X, главный специалист по машинному обучению в LabGenius Джастин Грейс поднял вопрос: «Задержка между переходом с частного на открытый для систем чата составляет [семь] месяцев и сокращается», — написал Грейс в посте. «Похоже, что в области белков этот процесс ещё короче. Как компании, предоставляющие услуги по подбору связующих веществ, смогут окупить инвестиции, когда мы можем просто подождать несколько месяцев, чтобы получить бесплатную версию?»
Для представителей научных кругов BoltzGen представляет собой расширение и ускорение научных возможностей. «Вопрос, который мне часто задают мои студенты: „Где ИИ может изменить правила игры в области терапии?“ — говорит старший соавтор и профессор MIT Регина Барзилай, руководитель факультета искусственного интеллекта в Джамиль Клинике и сотрудник Лаборатории компьютерных наук и искусственного интеллекта (CSAIL). — „Пока мы не определим недостижимые мишени и не предложим решение, мы не изменим правила игры“, — добавляет она. „Акцент здесь делается на нерешённых проблемах, что отличает работу Ханнеса от других в этой области“».
Старший соавтор Томми Яаккола, профессор электротехники и компьютерных наук имени Томаса Сибеля, сотрудник Джамиль Клиники и CSAIL, отмечает: «Модели, такие как BoltzGen, которые выпускаются в полностью открытом исходном коде, позволяют более широким усилиям сообщества ускорить разработку лекарств».
Заглядывая в будущее, Стёрк считает, что будущее биомолекулярного дизайна будет перевернуто моделями искусственного интеллекта. «Я хочу создавать инструменты, которые помогут нам манипулировать биологией для решения проблем заболеваний или выполнять задачи с помощью молекулярных машин, о которых мы даже не мечтали», — говорит он. «Я хочу предоставить эти инструменты и позволить биологам представить себе то, о чём они даже не думали раньше».
1. Какие ключевые инновации были представлены в генеративной модели искусственного интеллекта BoltzGen?
В статье указано, что модель BoltzGen имеет три ключевых нововведения:
* способность выполнять разнообразные задачи, объединяя проектирование белков и прогнозирование структуры;
* встроенные ограничения, разработанные с учётом обратной связи от сотрудников лабораторий, чтобы гарантировать создание функциональных белков;
* тщательный процесс оценки, проверяющий модель на «не поддающихся лечению» мишенях заболеваний.
2. Какие преимущества BoltzGen предлагает в сравнении с другими моделями, используемыми в промышленности или научных кругах?
В статье отмечается, что BoltzGen отличается от других моделей тем, что способна решать более широкий спектр задач и обеспечивает лучшую производительность для индивидуальных задач. Также подчёркивается, что модель не ограничена генерацией определённых типов белков, а способна создавать функциональные белки, которые не противоречат законам физики или химии.
3. Какие перспективы открывает выпуск модели BoltzGen для разработки лекарств?
В статье говорится, что выпуск BoltzGen открывает новые возможности и обеспечивает прозрачность в разработке лекарств. Модель прошла тестирование в восьми лабораториях и продемонстрировала свой потенциал для прорывных разработок в области лекарств. Также отмечается, что модели, такие как BoltzGen, позволяют более широким усилиям сообщества ускорить разработку лекарств.
4. Какие вызовы могут возникнуть для биотехнологической и фармацевтической отраслей в связи с выпуском моделей искусственного интеллекта, подобных BoltzGen?
В статье упоминается, что выпуск моделей искусственного интеллекта, таких как BoltzGen, может заставить биотехнологическую и фармацевтическую отрасли пересмотреть свои предложения. Главный специалист по машинному обучению в LabGenius Джастин Грейс поднимает вопрос о том, как компании, предоставляющие услуги по подбору связующих веществ, смогут окупить инвестиции, когда модели искусственного интеллекта могут предоставить аналогичные решения бесплатно и в более короткие сроки.
5. Какие цели ставит перед собой создатель модели BoltzGen Ханнес Стёрк в контексте будущего биомолекулярного дизайна?
В статье говорится, что Ханнес Стёрк хочет создавать инструменты, которые помогут манипулировать биологией для решения проблем заболеваний или выполнения задач с помощью молекулярных машин. Он также хочет предоставить эти инструменты биологам, чтобы они могли представить себе новые возможности в области терапии.