پژوهش جدیدی از مؤسسه فناوری ماساچوست (MIT) پیشرفتی چشمگیر در زمینه کشف دارو با کمک هوش مصنوعی را نشان می‌دهد. مدل جدیدی به نام Boltz-2 توسط آزمایشگاه علوم کامپیوتر و هوش مصنوعی MIT (CSAIL) و کلینیک جمیل، با همکاری شرکت بیوتکنولوژی Recursion توسعه یافته است. Boltz-2 نخستین مدل یادگیری عمیق است که توانسته به دقت شبیه‌سازی‌های پیچیده فیزیکی دست یابد، اما با سرعتی بیش از ۱۰۰۰ برابر بیشتر. این مدل می‌تواند پیش‌بینی کند که یک مولکول دارویی تا چه حد به هدف پروتئینی‌اش متصل می‌شود؛ این ویژگی در طراحی دارو بسیار حیاتی است.

گابریله کورسو، دانشجوی دکترای MIT و از پژوهشگران اصلی پروژه، گفته است:
«این پیشرفت باعث شده Boltz-2 فقط یک ابزار تحقیقاتی نباشد، بلکه به یک موتور کاربردی در فرآیند واقعی توسعه دارو تبدیل شود. به‌جای صرف ساعت‌ها برای شبیه‌سازی تعامل یک مولکول با پروتئین هدفش، حالا می‌توان کتابخانه‌های عظیم شیمیایی را در همین بازه زمانی بررسی کرد.» مدل‌هایی مانند AlphaFold پیش‌تر در پیش‌بینی ساختار سه‌بعدی پروتئین‌ها تحول ایجاد کرده بودند، اما قادر به پیش‌بینی قدرت اتصال بین دو مولکول نبودند. Boltz-2 این خلأ را پر کرده و می‌تواند قدرت اتصال (binding affinity) را با دقتی بی‌سابقه پیش‌بینی کند. نسخه اول این مدل، Boltz-1، در سال ۲۰۲۴ عرضه شده بود. نسخه جدید با استفاده از داده‌های آزمایشگاهی واقعی، شبیه‌سازی‌های مولکولی، و حتی داده‌های مصنوعی مبتنی بر پیش‌بینی‌های نسخه قبلی، دوباره آموزش داده شده است.

سارو پاسارو از کلینیک جمیل می‌گوید:
«این مدل به‌ویژه در حوزه کشف داروهای کوچک مولکول (Small Molecule Drugs) اهمیت دارد؛ جایی که پیشرفت نسبت به حوزه‌های زیست‌دارویی و مهندسی پروتئین بسیار کندتر بوده. Boltz-2 این شکاف را با ارائه پیش‌بینی‌های دقیق پر می‌کند و می‌تواند زمان و هزینه‌ی مرحله غربالگری اولیه را به‌طور چشم‌گیری کاهش دهد.» نکته قابل توجه اینکه کل مدل Boltz-2 به صورت کاملاً متن‌باز (Open Source) منتشر خواهد شد، از جمله کد منبع، وزن‌های آموزش‌دیده و داده‌های آموزشی.

منبع خبر: aibusiness