Lebih dari 300 orang dari kalangan akademisi dan industri berkumpul di auditorium untuk menghadiri seminar BoltzGen pada hari Kamis, 30 Oktober, yang diselenggarakan oleh Klinik Abdul Latif Jameel untuk Pembelajaran Mesin di Kesehatan (MIT Jameel Clinic). Yang menjadi headline acara ini adalah mahasiswa PhD MIT dan penulis pertama BoltzGen, Hannes Stärk, yang telah mengumumkan BoltzGen beberapa hari sebelumnya.
Dibangun berdasarkan Boltz-2, model prediksi struktur biomolekuler sumber terbuka yang memprediksi afinitas pengikatan protein yang menarik perhatian selama musim panas, BoltzGen (resmi dirilis pada Minggu, 26 Oktober.) adalah model pertama dari jenisnya yang melangkah lebih jauh dengan menghasilkan pengikat protein baru yang siap memasuki jalur penemuan obat.
Tiga inovasi utama memungkinkan hal ini: pertama, kemampuan BoltzGen untuk melaksanakan berbagai tugas, menyatukan desain protein dan prediksi struktur sambil mempertahankan kinerja mutakhir. Selanjutnya, batasan bawaan BoltzGen dirancang dengan masukan dari kolaborator laboratorium basah untuk memastikan model tersebut menciptakan protein fungsional yang tidak melanggar hukum fisika atau kimia. Terakhir, proses evaluasi yang ketat menguji model pada target penyakit yang “tidak dapat diobati”, sehingga mendorong batas kemampuan pembuatan bahan pengikat BoltzGen.
Sebagian besar model yang digunakan dalam industri atau akademisi mampu melakukan prediksi struktur atau desain protein. Selain itu, mereka terbatas pada menghasilkan jenis protein tertentu yang berhasil mengikat “target” yang mudah. Sama seperti siswa yang merespons pertanyaan tes yang tampak seperti pekerjaan rumah mereka, selama data pelatihan terlihat serupa dengan target selama desain binder, model tersebut sering kali berhasil. Namun metode yang ada hampir selalu dievaluasi pada target yang struktur pengikatnya sudah ada, dan kinerjanya akan menurun jika digunakan pada target yang lebih menantang.
“Ada model yang mencoba mengatasi desain pengikat, namun masalahnya adalah model ini spesifik untuk modalitas,” jelas Stärk. “Model umum tidak hanya berarti bahwa kita dapat menyelesaikan lebih banyak tugas. Selain itu, kita mendapatkan model yang lebih baik untuk tugas individu karena meniru fisika dipelajari melalui contoh, dan dengan skema pelatihan yang lebih umum, kami memberikan lebih banyak contoh yang mengandung pola fisik yang dapat digeneralisasikan.”
Para peneliti BoltzGen berusaha keras untuk menguji BoltzGen pada 26 target, mulai dari kasus yang relevan secara terapeutik hingga kasus yang dipilih secara eksplisit karena ketidaksamaannya dengan data pelatihan.
Proses validasi komprehensif ini, yang dilakukan di delapan laboratorium basah di kalangan akademisi dan industri, menunjukkan luasnya model dan potensi terobosan pengembangan obat.
Parabilis Medicines, salah satu kolaborator industri yang menguji BoltzGen di laboratorium basah, memuji potensi BoltzGen: “kami merasa bahwa mengadopsi BoltzGen ke dalam kemampuan platform komputasi Helicon peptida kami akan mempercepat kemajuan kami dalam memberikan obat transformasional terhadap penyakit-penyakit utama manusia.”
Meskipun peluncuran sumber terbuka Boltz-1, Boltz-2, dan kini BoltzGen (yang telah dipratinjau pada Konferensi Pembelajaran Mesin Molekuler ke-7 pada tanggal 22 Oktober) membawa peluang baru dan transparansi dalam pengembangan obat, hal ini juga memberi sinyal bahwa industri bioteknologi dan farmasi mungkin perlu mengevaluasi kembali penawaran mereka.
Di tengah kehebohan BoltzGen di platform media sosial X, Justin Grace, ilmuwan pembelajaran mesin utama di LabGenius, mengajukan pertanyaan. “Jeda waktu kinerja private-to-open untuk sistem AI chat adalah [seven] berbulan-bulan dan terus menurun,” tulis Grace dalam sebuah postingan. “Tampaknya ruang protein menjadi lebih pendek lagi. Bagaimana rekan-rekan binder-as-a-service bisa melakukannya [recoup] investasi padahal kita hanya bisa menunggu beberapa bulan untuk mendapatkan versi gratisnya?”
Bagi mereka yang berada di dunia akademis, BoltzGen mewakili perluasan dan percepatan kemungkinan ilmiah. “Pertanyaan yang sering ditanyakan oleh siswa saya adalah, ‘di mana AI dapat mengubah permainan terapi?’” kata rekan penulis senior dan Profesor MIT Regina Barzilay, pimpinan fakultas AI di Jameel Clinic dan afiliasi dari Computer Science and Artificial Intelligence Laboratory (CSAIL). “Kecuali kita mengidentifikasi target yang tidak bisa dilawan dan mengusulkan solusi, kita tidak akan mengubah keadaan,” tambahnya. “Penekanannya di sini adalah pada masalah yang belum terpecahkan, yang membedakan karya Hannes dari karya lain di bidangnya.”
Rekan penulis senior Tommi Jaakkola, Profesor Teknik Elektro dan Ilmu Komputer Thomas Siebel yang berafiliasi dengan Jameel Clinic dan CSAIL, mencatat bahwa “model seperti BoltzGen yang dirilis sepenuhnya sebagai sumber terbuka memungkinkan upaya komunitas yang lebih luas untuk mempercepat kemampuan desain obat.”
Ke depan, Stärk yakin bahwa masa depan desain biomolekuler akan diubah oleh model AI. “Saya ingin membuat alat yang membantu kita memanipulasi biologi untuk memecahkan penyakit, atau melakukan tugas dengan mesin molekuler yang bahkan belum pernah kita bayangkan,” katanya. “Saya ingin menyediakan alat-alat ini dan memungkinkan para ahli biologi membayangkan hal-hal yang bahkan belum pernah mereka pikirkan sebelumnya.”
