En el ámbito de la biología, comprender cómo interactúan las moléculas es fundamental para desentrañar los mecanismos de la vida, así como para desarrollar fármacos que salvan vidas. Recientemente, han surgido modelos innovadores como AlphaFold, que han transformado nuestra capacidad para predecir la estructura tridimensional de las proteínas, proporcionando información valiosa sobre su forma y función.
No obstante, AlphaFold no es capaz de medir la fuerza con la que las moléculas se unen, un aspecto crucial para entender las propiedades biológicas y farmacológicas de los compuestos. Es aquí donde entra en juego Boltz-2, un nuevo modelo de inteligencia artificial desarrollado por investigadores del Instituto Tecnológico de Massachusetts (MIT) y la empresa biotecnológica Recursion.
Avances en la predicción de afinidad de unión
Boltz-2 marca un avance significativo al modelar conjuntamente tanto la estructura como la afinidad de unión, un parámetro crítico en el descubrimiento de fármacos basados en moléculas pequeñas. Este nuevo modelo ha sido entrenado con millones de mediciones reales de laboratorio, lo que le permite predecir la fuerza de unión con una precisión sin precedentes en múltiples benchmarks que reflejan diferentes etapas del proceso de descubrimiento de fármacos.
En comparación con los métodos tradicionales, Boltz-2 es notablemente más rápido. Sus predicciones se acercan a la precisión de simulaciones de física de alta fidelidad, que pueden tardar hasta un día en ejecutarse, pero Boltz-2 lo logra en más de 1,000 veces menos tiempo. Esta mejora en el rendimiento convierte a Boltz-2 no solo en una herramienta de investigación, sino también en un motor práctico para el desarrollo de fármacos en el mundo real.
Según Gabriele Corso, estudiante de doctorado en CSAIL del MIT y uno de los investigadores principales del modelo, «en lugar de dedicar horas a simular la interacción entre una sola molécula y su objetivo, los científicos ahora pueden examinar vastas bibliotecas químicas en el mismo período de tiempo, lo que permite a los equipos de desarrollo priorizar los compuestos más prometedores para pruebas en laboratorio».
Boltz-2 se lanzará como un proyecto completamente de código abierto bajo la licencia MIT, lo que incluye el código del modelo, los pesos y los datos de entrenamiento. Esta decisión facilitará su acceso y uso en la comunidad científica, potenciando así la innovación en el campo del descubrimiento de fármacos.
El modelo Boltz-2 es una evolución del modelo anterior, Boltz-1, que fue presentado a principios de 2023. Boltz-1 se diseñó como una alternativa rápida y accesible a AlphaFold3, permitiendo a miles de científicos en laboratorios académicos y empresas farmacéuticas utilizarlo para sus investigaciones. La nueva versión ha sido mejorada con un conjunto de datos más amplio y diverso, que incluye simulaciones informáticas de moléculas en movimiento y datos sintéticos generados por el modelo anterior.
Una característica innovadora de Boltz-2 es Boltz-Steering, que permite ajustar los resultados utilizando indicios basados en la física, haciendo que las estructuras predichas sean más realistas. Esto no solo mejora la precisión, sino que también proporciona a los investigadores un mayor control sobre los resultados, que pueden ser guiados por datos experimentales reales o preferencias del usuario.
Saro Passaro, investigador del MIT Jameel Clinic, ha destacado que «Boltz-2 aborda directamente la brecha en la predicción de afinidades de unión, lo que puede reducir drásticamente el costo y el tiempo de las etapas iniciales de cribado en el desarrollo de fármacos». Este avance es especialmente significativo en el contexto del descubrimiento de moléculas pequeñas, que constituyen la mayoría de los medicamentos en desarrollo a nivel global.
El trabajo de desarrollo de Boltz-2 ha sido llevado a cabo por un equipo de investigadores del MIT en colaboración con Recursion, incluyendo a profesores y expertos en inteligencia artificial. Este esfuerzo conjunto promete revolucionar el campo de la biomedicina y abrir nuevas posibilidades en la lucha contra enfermedades a través de un descubrimiento más eficiente de nuevos fármacos.
