Новая нейросеть из MIT бросила вызов Google и меняет медицину

В научном мире разгорается настоящая сенсация: специалисты Массачусетского технологического института (MIT) представили нейросеть Boltz-2, которая уже превосходит именитую разработку Google — AlphaFold 3. Американские исследователи уверены, что их система открывает новые горизонты в разработке лекарств, поскольку умеет не только моделировать взаимодействие молекул и белков, но и точно предсказывать силу этих связей. Это означает революцию в подходе к созданию медикаментов, особенно в тех случаях, когда от точности прогноза зависит судьба целого препарата.

Boltz-2 создана группой ученых из MIT — Габриэле Корсо, Саро Пассаро и Джереми Волвендом. Их разработка сразу же вызвала интерес в научных кругах и получила подробный разбор в специализированном издании Endpoints News. Ключевым отличием Boltz-2 стала способность решать одну из самых сложных задач в фармакологии — определение силы связи между терапевтической молекулой и целевым белком. В отличие от AlphaFold 3, которая лишь моделирует структуру белка и его потенциальные точки взаимодействия, Boltz-2 делает шаг дальше, предоставляя данные о реальной эффективности связи, а значит — и потенциальной эффективности лекарства.

До недавнего времени фармацевтические компании решали эту задачу с помощью метода FEP — возмущения свободной энергии. Однако этот способ требует значительных ресурсов: один расчёт стоит около 100 долларов и занимает до суток, а крупные производители, такие как Merck KGaA, проводят десятки тысяч таких симуляций. Машинное обучение стало более дешёвой, но менее точной альтернативой. Однако Boltz-2, по заявлению разработчиков, достигла оптимального баланса: модель обучалась не только на данных крупнейшей базы биомолекул Protein Data Bank, но и на уникальных симуляциях, сгенерированных ИИ. Это дало возможность учесть поведение молекул в динамике — как они деформируются и соединяются со временем. В результате расчёты Boltz-2 обходятся в тысячу раз дешевле и выполняются гораздо быстрее.

Точность нейросети была подтверждена в рамках международного конкурса CASP16, где участники сравнивали предсказания моделей со значениями, полученными в лаборатории. Победитель показал коэффициент корреляции Пирсона на уровне 0,54, тогда как Boltz-2 выдала результат 0,65 — на уровне дорогостоящих FEP-расчетов. В лабораториях стандарт точности составляет 0,80, но в MIT считают, что ИИ-системы достигнут этой планки в течение ближайших двух лет.

Практическое значение Boltz-2 трудно переоценить. Она может как находить молекулы, эффективно связывающиеся с заданным белком, так и выполнять обратный поиск — подбирать белковые мишени под уже существующее соединение. Эта функция особенно важна для редких или сложных заболеваний, лечение которых требует точечного подхода. Кроме того, разработка открыта для интеграции — учёные подчёркивают, что любые лаборатории или компании могут внедрять Boltz-2 в свои платформы без лицензий и ограничений. Это выгодно отличает её от AlphaFold 3, разработка Google DeepMind, которая требует специального коммерческого доступа.

Новое поколение ИИ-инструментов уже перестает быть вспомогательным — оно начинает формировать правила игры в фармакологии. Boltz-2, по мнению её авторов, это не просто технологическая платформа, а потенциальный мост между фундаментальной наукой и доступным лечением.