MIT: מודל גנרטיבי חדש לעיצוב חלבונים עשוי לפרוץ דרך מול מחלות קשות לטיפול

לפי אתר החדשות של אוניברסיטת MIT, מחקר של MIT מעלה כי BoltzGen יכול להרחיב את הבינה המלאכותית מעבר להבנת ביולוגיה אל הנדסה ממשית של מולקולות. לפי דיווח ב MIT News, המודל הושק פתוח קוד ומטרתו לייצר קושרי‑חלבון חדשים שניתנים לשילוב בקווי פיתוח תרופות.

מאחורי הפיתוח עומדים Hannes Stärk (דוקטורנט וכתף ראשי), יחד עם החוקרות והחוקרים הבכירים Regina Barzilay ו‑Tommi Jaakkola. BoltzGen נבנה על בסיס Boltz‑2, והחידוש המרכזי הוא שילוב יכולות רב‑משימתיות: גם חיזוי מבנה וזיקות קישור וגם עיצוב חלבונים מאפס. שלושה רכיבים בידוליים: מודל כללי שמאמן על מגוון משימות וכך לומד דפוסים פיזיקליים כלליים, מגבלות מובנות בהשראת שותפי מעבדה רטובה שמונעות תוצרים שסותרים חוקי פיזיקה וכימיה, ותהליך הערכה קפדני על 26 מטרות, כולל כאלה שמרוחקות מנתוני האימון.

הערכת הביצועים נעשתה בשמונה מעבדות רטובות באקדמיה ובתעשייה. Parabilis Medicines דיווחה כי שילוב BoltzGen בפלטפורמת Helicon peptide שלה עשוי להאיץ פיתוח תרופות טרנספורמטיביות. במקביל, הקהילה התעשייתית מתדיינת על ההשפעה העסקית של פתיחת הקוד: Justin Grace מ‑LabGenius תהה האם מודלים קנייניים ל"Binder‑as‑a‑Service" יתקשו להחזיר השקעה כשהפער בין ביצועי פרטי לפתוח מתקצר.

מעבר לעובדות, יש כאן שינוי תשתיתי: עיצוב קושרי‑חלבון למטרות "לא ניתנות לתרפיה" כמו קומפלקסים חלבוניים קשי‑קישור או גורמי שעתוק הוא צוואר בקבוק ידוע. מודלים גנרטיביים עם אילוצים פיזיקו‑כימיים יכולים לצמצם ניסוי וטעיה, לשפר סבירות לקיפול יציב, ולהקטין הטיות של למידה על מטרות "נוחות" בלבד. העובדה שהערכת BoltzGen נעשתה על מטרות שאינן מופיעות במאגרי אימון ובמספר אתרים ניסויים, מקטינה סיכון ל"דליפת נתונים" ומחזקת את תוקף הממצאים.

המודל הוכרז רשמית ב‑26 באוקטובר, הוצג ב‑MoML ב‑22 באוקטובר, וזכה לעניין נרחב עם יותר מ‑300 משתתפים בסמינר Jameel Clinic ב‑30 באוקטובר. Stärk מדגיש חזון של הנדסת ביולוגיה בקנה מידה: כלים שיאפשרו לביולוגים לדמיין מכונות מולקולריות חדשות. עם זאת, יש לזכור כי תוקף קישור במבחנה אינו מבטיח יעילות קלינית. דרושים מסננים נוספים כמו יציבות בסרום, אימונוגניות, פרמקוקינטיקה ובדיקות בטיחות.

לסיכום, BoltzGen מסמן מעבר ממודלים שמבינים מבנים למודלים שמייצרים מועמדי תרופה פונקציונליים, בקוד פתוח שמאפשר לקהילה להאיץ אימות ושחזור. כרגע זהו צעד חשוב לקיצור זמן ולעלות של עיצוב מולקולות, במיוחד מול מטרות קשות, ופותח דיון חדש על מודלים עסקיים וסטנדרטים של הערכה בתחום.