Os cientistas do MIT lançaram um poderoso modelo de IA de código aberto, chamado Boltz-1, que poderia acelerar enormemente a pesquisa biomédica e o desenvolvimento de medicamentos.
Desenvolvido por uma equipe de pesquisadores da Clínica Jameel do MIT para Aprendizado de Máquina em Saúde, o Boltz-1 é o primeiro modelo totalmente de código aberto a alcançar desempenho de última geração no nível do AlphaFold3, um modelo do Google DeepMind. prevê as estruturas 3D de proteínas e outras moléculas biológicas.
Os alunos de pós-graduação do MIT, Jeremy Wohlwend e Gabriele Corso, foram os principais desenvolvedores do Boltz-1, junto com o afiliado de pesquisa da clínica Jameel do MIT, Saro Passaro, e os professores de engenharia elétrica e ciência da computação do MIT, Regina Barzilay e Tommi Jaakkola. Wohlwend e Corso apresentaram o modelo em evento em dezembro. 5 no Stata Center do MIT, onde afirmam que seu principal objetivo é promover a colaboração global, acelerar descobertas e fornecer uma plataforma robusta para o desenvolvimento de modelagem biomolecular.
“Esperamos que este seja um começo para a comunidade”, disse Corso. “Há uma razão para chamá-lo de Boltz-1 e não de Boltz. Este não é o fim da linha. Queremos uma doação da comunidade de qualquer maneira que pudermos obtê-la.”
As proteínas desempenham um papel importante em quase todos os processos biológicos. A forma da proteína está intimamente relacionada à sua função, portanto, compreender a estrutura da proteína é importante para projetar novos medicamentos ou desenvolver novas proteínas com propriedades funcionais específicas. Mas devido ao processo altamente complexo no qual a longa cadeia de aminoácidos de uma proteína é dobrada numa estrutura 3D, prever com precisão essa estrutura tem sido um grande desafio há décadas.
O AlphaFold2 da DeepMind, que rendeu a Demis Hassabis e John Jumper o Prêmio Nobel de Química, usa aprendizado de máquina para prever rapidamente estruturas de proteínas 3D com tal precisão que são indistinguíveis daquelas encontradas pelos cientistas. Este modelo de código aberto tem sido utilizado por grupos de pesquisa acadêmicos e comerciais em todo o mundo, estimulando muitos avanços no desenvolvimento de medicamentos.
AlphaFold3 melhora seus antecessores ao incorporar um modelo generativo de IA, conhecido como modelo de difusão, que pode lidar melhor com a quantidade de incerteza envolvida na previsão de estruturas proteicas altamente complexas. Ao contrário do AlphaFold2, no entanto, o AlphaFold3 não é totalmente de código aberto, nem está disponível para uso comercial, gerando críticas da comunidade científica e iniciando uma corrida global para desenvolver uma versão comercialmente disponível do modelo.
Para o seu trabalho no Boltz-1, os investigadores do MIT seguiram a mesma abordagem inicial do AlphaFold3, mas depois de estudarem o modelo básico de difusão, exploraram possíveis melhorias. Eles incluem aqueles que melhoram significativamente a precisão do modelo, como novos algoritmos que melhoram a eficiência das previsões.
Juntamente com o modelo em si, eles abriram todo o seu pipeline para treinamento e ajuste fino para que outros cientistas possam desenvolver o Boltz-1.
“Estou muito orgulhoso de Jeremy, Gabriele, Saro e do restante da equipe da Clínica Jameel por tornarem este lançamento possível. Este trabalho levou muitos dias e muitas noites, com uma determinação inabalável para chegar a este ponto. Há muitas ideias interessantes para desenvolvimento futuro e esperamos compartilhá-las nos próximos meses”, disse Barzilay.
A equipe do MIT levou quatro meses de trabalho e muitos testes para desenvolver o Boltz-1. Um dos seus maiores desafios foi superar a ambiguidade e a diversidade contidas no Protein Data Bank, uma coleção de todas as estruturas biomoleculares que milhares de biólogos resolveram nos últimos 70 anos.
“Passei muitas noites lutando com esses dados. A maior parte são puras informações básicas que se deve obter. Não existem atalhos”, disse Wohlwend.
Finalmente, seus experimentos mostram que o Boltz-1 atinge o mesmo nível de precisão que o AlphaFold3 em um conjunto diversificado de previsões de estruturas biomoleculares.
“O que Jeremy, Gabriele e Saro conseguiram é incrível. O seu trabalho árduo e persistência neste projeto tornou a previsão da estrutura biomolecular facilmente acessível à comunidade em geral e revolucionará o desenvolvimento da ciência molecular”, disse Jaakkola.
Os pesquisadores planejam continuar a melhorar o desempenho do Boltz-1 e reduzir o tempo necessário para fazer previsões. Eles também convidam pesquisadores para experimentar o Boltz-1 em seu repositório GitHub e se conectar com outros usuários do Boltz-1 em seu canal no Slack.
“Achamos que ainda há muitos, muitos anos de trabalho para desenvolver estas espécies. Estamos muito ansiosos para colaborar com outras pessoas e ver o que a comunidade faz com esta ferramenta”, acrescentou Wohlwend.
Mathai Mammen, CEO e presidente da Parabilis Medicines, chama o Boltz-1 de um modelo “inovador”. “Ao abrir tão cedo, a Clínica Jameel do MIT e seus colaboradores estão democratizando o acesso a ferramentas biológicas de última geração”, disse ele. “Este esforço histórico irá acelerar o desenvolvimento de medicamentos que mudam vidas. Obrigado à equipe Boltz-1 por dar este salto gigante!”
“O Boltz-1 será muito poderoso para o meu laboratório e para o resto da sociedade”, acrescentou Jonathan Weissman, professor de biologia do MIT e membro do Instituto Whitehead de Engenharia Biomédica que não esteve envolvido na pesquisa. “Veremos toda uma onda de descobertas possibilitadas pela democratização desta ferramenta poderosa.” Weissman acrescenta que espera que a natureza de código aberto do Boltz-1 leve a uma ampla gama de novas aplicações criativas.
Este trabalho também foi apoiado pela subvenção US National Science Foundation Expeditions; a Clínica Jameel; o Programa de Descoberta de Contramedidas Médicas Contra Ameaças Novas e Emergentes (DOMANE) dos EUA; e o projeto MATCHMAKERS apoiado pela parceria Cancer Grand Challenges, financiada pela Cancer Research UK e pelo US National Cancer Institute.
