Ein Team der Jameel Clinic am MIT hat mit BoltzGen ein neuartiges biomolekulares Modell entwickelt, das neuartige Proteinkonjugate generieren und biomolekulare Strukturen vorhersagen kann. Dieses innovative Modell basiert auf der Architektur des früheren Open-Source-Modells Boltz-2 und ermöglicht das Design von Proteinkonjugaten, die für die Wirkstoffforschung geeignet sind.

Das Forschungsteam verbesserte die Leistungsfähigkeit des Modells durch drei technologische Innovationen: die Zusammenführung der Module für Proteindesign und Strukturvorhersage, die Integration experimenteller physikalischer Randbedingungen und die Etablierung eines Bewertungssystems für schwer behandelbare Krankheiten. MIT-Doktorand Hannes Stärk erklärte: „Ein universelles Modell ermöglicht uns nicht nur die Bearbeitung von mehr Aufgaben. Da physikalische Simulationen anhand von Beispielen lernen, erhalten wir bessere Modelle für spezifische Aufgaben.“ Das biomolekulare Modell wurde anhand von 26 therapeutisch relevanten Zielstrukturen validiert. Die Testdaten stammen aus acht akademischen und industriellen Laboren. Parabilis Medicines, eines der an der Validierung beteiligten Unternehmen, erklärte: „Die Integration von BoltzGen in unsere bestehende Helicon-Peptid-Computing-Plattform birgt das Potenzial, unsere Fortschritte bei der Entwicklung bahnbrechender Medikamente für wichtige menschliche Krankheiten zu beschleunigen.“ Das Forschungsteam verfolgte eine Open-Source-Strategie zur Veröffentlichung des biomolekularen Modells BoltzGen. MIT-Professor Tommi Jaakkola ist überzeugt: „Ein vollständig quelloffenes Modell ermöglicht eine breitere Zusammenarbeit innerhalb der Forschungsgemeinschaft und beschleunigt so die Verbesserung der Wirkstoffentwicklung.“ Mit der kontinuierlichen Weiterentwicklung von Technologien der künstlichen Intelligenz werden solche biomolekularen Modelle neue technologische Wege für die Krankheitsbehandlung eröffnen und Innovationen in der biomedizinischen Forschung und Entwicklung vorantreiben.

Weitere Informationen: Hannes Stark et al., „BoltzGen: Towards Universal Binding Agent Design“, bioRxiv (2025). Saro Passaro et al., „Boltz-2: Towards Accurate and Efficient Binding Affinity Prediction“, bioRxiv (2025). Zeitschrifteninformationen: bioRxiv