Investigadores del MIT proponen Boltz-1: el primer modelo de IA de código abierto que logra una precisión de nivel AlphaFold3 en la predicción de estructuras biomoleculares

Comprender las interacciones biomoleculares es crucial para campos como el descubrimiento de fármacos y el diseño de proteínas. Tradicionalmente, determinar la estructura tridimensional de proteínas y otras biomoléculas requería experimentos de laboratorio costosos y que requerían mucho tiempo. AlphaFold3, lanzado en 2024, revolucionó el campo al demostrar que el aprendizaje profundo podía lograr una precisión de nivel experimental en la predicción de estructuras biomoleculares, incluidas interacciones complejas. A pesar de estos avances, persistió el desafío de modelar con precisión las interacciones entre diferentes biomoléculas en el espacio 3D. Las interacciones complejas, como las que ocurren entre proteínas, ácidos nucleicos y ligandos, continuaron planteando dificultades, dejando un vacío importante en la biología estructural.

Boltz-1: un gran avance en el modelado biomolecular

Un equipo de investigadores del MIT ha presentado Boltz-1, el primer modelo de código abierto y accesible comercialmente que iguala la precisión del nivel AlphaFold3 en la predicción de complejos biomoleculares. A diferencia de sus predecesores, Boltz-1 es totalmente accesible al público, con los pesos del modelo, el entrenamiento y el código de inferencia publicados bajo la licencia del MIT. Esta apertura tiene como objetivo fomentar la colaboración global y avanzar en el modelado biomolecular.

Boltz-1 sigue el marco general utilizado en AlphaFold3 pero introduce varias innovaciones arquitectónicas y de procedimientos, incluidos nuevos algoritmos de emparejamiento de alineación de secuencias múltiples (MSA), un enfoque de recorte unificado para un entrenamiento eficiente y un modelo de confianza mejorado. Estas innovaciones permiten a Boltz-1 ofrecer una alta precisión sin dejar de ser accesible y reducir significativamente la carga computacional.

Detalles técnicos

El avance técnico de Boltz-1 radica en sus cuidadosas modificaciones arquitectónicas y métodos eficientes de manejo de datos. Por ejemplo, utiliza un algoritmo novedoso para emparejar MSA, aprovechando la información taxonómica para mejorar la densidad y la calidad del alineamiento de secuencias. Este método permite a Boltz-1 capturar señales coevolutivas críticas para predecir con precisión interacciones biomoleculares.

Además, un algoritmo de recorte unificado optimiza el proceso de entrenamiento, equilibrando las estrategias de recorte espaciales y contiguas para mejorar la diversidad de los datos de entrenamiento. El robusto mecanismo de acondicionamiento de bolsillos de Boltz-1 también mejora su capacidad para predecir interacciones al permitir información parcial sobre los bolsillos vinculantes, lo que lo hace altamente adaptable a escenarios del mundo real. La combinación de estas innovaciones da como resultado un modelo que mantiene una alta precisión con una sobrecarga computacional significativamente menor en comparación con AlphaFold3.

Impacto y desempeño de referencia

Este avance es significativo por varias razones. Al democratizar el acceso a un modelo capaz de predecir estructuras biomoleculares complejas al nivel de AlphaFold3, Boltz-1 tiene el potencial de acelerar los descubrimientos en áreas como el diseño de fármacos, la biología estructural y la biología sintética.

Los investigadores demostraron las capacidades de Boltz-1 a través de varios puntos de referencia. En CASP15, una competencia para la predicción de la estructura de proteínas, Boltz-1 mostró un sólido desempeño en tareas de predicción de proteína-ligando y proteína-proteína, logrando un LDDT-PLI del 65 %, en comparación con el 40 % de Chai-1. Además, Boltz-1 tuvo una tasa de éxito de DockQ del 83%, superando el 76% de Chai-1. Estos resultados resaltan la confiabilidad y solidez de Boltz-1 en la predicción de interacciones biomoleculares, especialmente en la predicción de complejos proteína-ligando, donde destacó en la alineación de moléculas pequeñas con sus respectivas bolsas de unión.

Conclusión

En conclusión, Boltz-1 representa un paso fundamental para hacer ampliamente accesible el modelado biomolecular de alta precisión. Al publicarlo bajo una licencia de código abierto, el MIT pretende empoderar a investigadores y organizaciones de todo el mundo, facilitando la innovación en la investigación biomolecular. El rendimiento de Boltz-1, a la par de los modelos comerciales de última generación y al mismo tiempo ser de código abierto, subraya su potencial para avanzar en nuestra comprensión de las interacciones biomoleculares.

Es probable que este avance cambie las reglas del juego, no sólo en la investigación académica sino también en industrias como la farmacéutica, donde acelerar el descubrimiento de fármacos podría tener un profundo impacto. La esperanza es que Boltz-1 sirva como base para investigaciones en curso y futuras, inspirando la colaboración y mejorando nuestra capacidad colectiva para abordar cuestiones biológicas complejas.

Consulta la técnica Papel, Detallesy Código/modelo de GitHub. Todo el crédito por esta investigación va a los investigadores de este proyecto. Además, no olvides seguirnos en Gorjeo y únete a nuestro Canal de telegramas y LinkedIn Grarriba. Si te gusta nuestro trabajo, te encantará nuestro hoja informativa.. No olvides unirte a nuestro SubReddit de más de 55.000 ml.

(SEMINARIO WEB GRATUITO sobre IA) Implementación del procesamiento inteligente de documentos con GenAI en servicios financieros y transacciones inmobiliarias– Del marco a la producción

Asif Razzaq es el director ejecutivo de Marktechpost Media Inc.. Como emprendedor e ingeniero visionario, Asif está comprometido a aprovechar el potencial de la inteligencia artificial para el bien social. Su esfuerzo más reciente es el lanzamiento de una plataforma de medios de inteligencia artificial, Marktechpost, que se destaca por su cobertura en profundidad del aprendizaje automático y las noticias sobre aprendizaje profundo que es técnicamente sólida y fácilmente comprensible para una amplia audiencia. La plataforma cuenta con más de 2 millones de visitas mensuales, lo que ilustra su popularidad entre el público.