- MIT Jameel Clinic a lansat BoltzGen, un model de inteligență artificială generativă care poate crea de la zero proteine ce se leagă de orice țintă biologică
- BoltzGen vine ca upgrade la Boltz-2 (2025), model open-source care prezice structuri biomoleculare și afinități de legare, la viteze mult peste simulările clasice
- Sistemul a fost pus la încercare pe 26 de ținte, inclusiv „undruggable”, în opt laboratoare independente, nu doar în teste pe calculator
- Modelul include constrângeri fizico-chimice stabilite cu cercetători din wetlab, ca să nu „inventeze” proteine imposibil de sintetizat
- Lansarea complet open-source accelerează cercetarea, dar pune presiune pe companiile care vând servicii de design molecular
Dacă în ultimii ani AI-ul a fost ca un copil curios care se uită la biologie și zice „aha, deci așa funcționează”, BoltzGen e copilul care a crescut și acum întreabă: „bun, și dacă vrem să facem altfel?”. Pe 25 noiembrie 2025, MIT Jameel Clinic a anunțat BoltzGen, un model de inteligență artificială generativă care nu se mulțumește să prezică structuri biologice, ci generează proteine complet noi, gândite să se lipească de ținte pe care medicina le vânează de ani fără succes.
Ce s-a întâmplat?
BoltzGen este primul model din familia Boltz care trece de la „îți spun cum arată și cât de bine se leagă” la „îți propun un binder nou, gata să intre în pipeline-ul de descoperire de medicamente”. Un „binder” proteic e, pe scurt, o moleculă (proteină/peptidă) făcută să se atașeze foarte specific de o țintă biologică, ca o cheie pe care o tai special pentru o broască complicată. Scopul e să blochezi, să stabilizezi sau să schimbi comportamentul țintei — exact mecanismul din spatele multor terapii moderne.
Cine este implicat?
În capul echipei e Hannes Stärk, doctorand MIT și autor principal. Alături de el, doi seniori cu greutate în AI medical: Regina Barzilay și Tommi Jaakkola. Proiectul e dezvoltat în cadrul MIT Jameel Clinic și CSAIL, cu testare în parteneriat cu opt laboratoare din universități și industrie, inclusiv Parabilis Medicines.
BoltzGen mută AI-ul din spectactor în inginer al biologiei
În ultimul deceniu, AI-ul în biologie a fost dominat de modele de predicție (gen AlphaFold și derivatele lui): super bune la a înțelege structuri. Dar să creezi ceva nou e mult mai greu decât să recunoști ceva existent. BoltzGen e construit exact pentru pasul ăsta: să proiecteze proteine care ar putea deveni medicamente, inclusiv pentru boli unde nu există tratament eficient fiindcă țintele sunt „prea dificile”. Asta e miza lui Stärk, spusă direct: să apară unelte cu care putem manipula biologia pentru a rezolva boli, nu doar să o descriem.
Ce e diferit față de alte modele: design și predicție într-un singur motor
BoltzGen se bazează pe Boltz-2, modelul open-source din 2025 care a făcut valuri pentru că prezice atât structuri biomoleculare, cât și afinități de legare, la viteze uriașe față de metodele fizice clasice (de tip FEP). Boltz-2 a fost antrenat pe date masive și accelerat pe infrastructură dedicată (inclusiv BioHive-2), ceea ce l-a făcut util ca „motor de înțelegere”.
BoltzGen folosește același „creier” dar îl pune să imagineze binders noi. Ce îl scoate din mulțime sunt trei lucruri:
- Model generalist: nu e blocat într-un singur tip de binder sau o singură clasă de ținte. În teorie, poate proiecta pentru aproape orice proteină de interes terapeutic.
- Constrângeri reale: echipa a adăugat reguli inspirate de fizică și chimie — cu feedback direct din wetlab — ca modelul să nu producă „unicorni moleculari”, adică proteine imposibil de pliat sau de sintetizat.
- Evaluare dură: nu l-au testat pe ținte „comode”, unde există deja exemple similare în datele de antrenament, ci pe unele alese tocmai să-l scoată din rutină.
„Undruggable” nu mai e final de drum: testele în wetlab contează
Aici e partea care dă greutate poveștii. BoltzGen a fost testat pe 26 de ținte, în opt laboratoare independente. Asta înseamnă experimente reale: proteine sintetizate, puse față în față cu țintele, măsurate pentru afinitate și funcționalitate. În multe proiecte AI pentru medicină, validarea rămâne „pe ecran”. Aici, echipa a mers până la eprubetă.
Parabilis Medicines spune că adoptarea BoltzGen în platforma lor poate accelera dezvoltarea de peptide terapeutice. Important: un binder promițător în laborator nu e încă medicament. E startul unui drum lung cu optimizări, teste preclinice și clinice. Dar faptul că AI-ul a produs ceva ce trece prima barieră experimentală e un semnal puternic.
Open-source-ul care ajută știința, dar schimbă regulile pieței
BoltzGen, ca și Boltz-1/2, e lansat open-source. Pentru cercetare, asta e ca și cum ai pune un accelerator de particule la liber: oricine poate verifica, adapta și îmbunătăți modelul. Tommi Jaakkola subliniază că asta permite un efort comunitar real în descoperirea de medicamente.
Dar open-source-ul vine cu un efect lateral interesant: scurtează distanța dintre laborator și industrie. Un scientist de la LabGenius nota pe X că „time-lag-ul” dintre modele private și alternative gratuite scade alarmant, inclusiv în spațiul proteinelor. Asta înseamnă că firmele care vindeau design de binders ca serviciu vor trebui să își găsească valoarea în altă parte: date exclusive, infrastructură experimentală, sau viteza de a transforma ideile în medicamente.
În esență, BoltzGen e un pas mare și foarte pragmatic: un AI care nu doar îți arată harta biologiei, ci începe să construiască drumuri noi pe ea. Nu promite vindecări peste noapte, dar arată că țintele considerate „imposibile” pot primi, în sfârșit, propuneri serioase de tratament. Iar faptul că asta vine la pachet cu un model open-source înseamnă că următorii pași nu se vor întâmpla într-un singur laborator, ci într-o întreagă comunitate care poate pune umărul.