Crédito: Alex Ouyang, Clínica Jameel del MIT

Los científicos del MIT han publicado un potente modelo de inteligencia artificial de código abierto, llamado Boltz-1, que podría acelerar significativamente la investigación biomédica y el desarrollo de fármacos.

Desarrollado por un equipo de investigadores de la Clínica Jameel del MIT para el Aprendizaje Automático en Salud, Boltz-1 es el primer modelo totalmente de código abierto que logra un rendimiento de última generación al nivel de AlphaFold3, el modelo de Google DeepMind que predice las estructuras 3D de proteínas y otras moléculas biológicas.

Los estudiantes de posgrado del MIT Jeremy Wohlwend y Gabriele Corso fueron los desarrolladores principales de Boltz-1, junto con el investigador afiliado a la Clínica Jameel del MIT Saro Passaro y los profesores de ingeniería eléctrica y ciencias de la computación del MIT Regina Barzilay y Tommi Jaakkola. Wohlwend y Corso presentaron el modelo en un evento el 5 de diciembre en el Centro Stata del MIT, donde dijeron que su objetivo final es fomentar la colaboración global, acelerar los descubrimientos y proporcionar una plataforma sólida para avanzar en el modelado biomolecular.

“Esperamos que esto sea un punto de partida para la comunidad”, dijo Corso. “Hay una razón por la que lo llamamos Boltz-1 y no Boltz. Este no es el final del camino. Queremos obtener la mayor contribución posible de la comunidad”.

Las proteínas desempeñan un papel esencial en casi todos los procesos biológicos. La forma de una proteína está estrechamente relacionada con su función, por lo que comprender su estructura es fundamental para diseñar nuevos fármacos o diseñar nuevas proteínas con funcionalidades específicas. Sin embargo, debido al proceso extremadamente complejo por el que la larga cadena de aminoácidos de una proteína se pliega en una estructura tridimensional, predecir con precisión esa estructura ha sido un gran desafío durante décadas.

AlphaFold2 de DeepMind, que le valió a Demis Hassabis y John Jumper el Premio Nobel de Química 2024, utiliza el aprendizaje automático para predecir rápidamente estructuras proteicas en 3D que son tan precisas que son indistinguibles de las derivadas experimentalmente por los científicos. Este modelo de código abierto ha sido utilizado por equipos de investigación académicos y comerciales de todo el mundo, lo que ha impulsado muchos avances en el desarrollo de fármacos.

AlphaFold3 mejora a sus predecesores al incorporar un modelo de IA generativo, conocido como modelo de difusión, que puede manejar mejor la cantidad de incertidumbre involucrada en la predicción de estructuras proteínicas extremadamente complejas. Sin embargo, a diferencia de AlphaFold2, AlphaFold3 no es completamente de código abierto ni está disponible para uso comercial, lo que provocó críticas de la comunidad científica y dio inicio a una carrera global para construir una versión comercial del modelo.

Para su trabajo en Boltz-1, los investigadores del MIT siguieron el mismo enfoque inicial que en AlphaFold3, pero después de estudiar el modelo de difusión subyacente, exploraron posibles mejoras. Incorporaron aquellas que aumentaron más la precisión del modelo, como nuevos algoritmos que mejoran la eficiencia de la predicción.

Junto con el modelo en sí, pusieron en código abierto todo su proceso de capacitación y ajuste para que otros científicos puedan desarrollar a partir de Boltz-1.

“Estoy inmensamente orgulloso de Jeremy, Gabriele, Saro y el resto del equipo de la Clínica Jameel por hacer posible este lanzamiento. Este proyecto llevó muchos días y noches de trabajo, con una determinación inquebrantable para llegar a este punto. Hay muchas ideas interesantes para futuras mejoras y esperamos compartirlas en los próximos meses”, afirma Barzilay.

El equipo del MIT necesitó cuatro meses de trabajo y muchos experimentos para desarrollar Boltz-1. Uno de sus mayores desafíos fue superar la ambigüedad y heterogeneidad contenidas en el Protein Data Bank, una colección de todas las estructuras biomoleculares que miles de biólogos han resuelto en los últimos 70 años.

“Pasé muchas noches enteras luchando con estos datos. Muchos de ellos son conocimientos especializados que uno simplemente tiene que adquirir. No hay atajos”, afirma Wohlwend.

Al final, sus experimentos muestran que Boltz-1 alcanza el mismo nivel de precisión que AlphaFold3 en un conjunto diverso de predicciones de estructuras biomoleculares complejas.

“Lo que Jeremy, Gabriele y Saro han logrado es realmente extraordinario. Su arduo trabajo y persistencia en este proyecto han hecho que la predicción de la estructura biomolecular sea más accesible para la comunidad en general y revolucionará los avances en las ciencias moleculares”, afirma Jaakkola.

Los investigadores planean seguir mejorando el rendimiento de Boltz-1 y reducir la cantidad de tiempo que lleva hacer predicciones. También invitan a los investigadores a probar Boltz-1 en su  repositorio de GitHub y a conectarse con otros usuarios de Boltz-1 en su  canal de Slack .

“Creemos que todavía quedan muchos, muchos años de trabajo para mejorar estos modelos. Estamos muy ansiosos por colaborar con otros y ver qué hace la comunidad con esta herramienta”, añade Wohlwend.

Mathai Mammen, director ejecutivo y presidente de Parabilis Medicines, considera que Boltz-1 es un modelo “revolucionario”. “Al hacer público este avance, la Clínica Jameel del MIT y sus colaboradores están democratizando el acceso a herramientas de biología estructural de vanguardia”, afirma. “Este esfuerzo histórico acelerará la creación de medicamentos que cambiarán la vida. ¡Gracias al equipo de Boltz-1 por impulsar este gran avance!”.

“Boltz-1 será de gran ayuda para mi laboratorio y para toda la comunidad”, añade Jonathan Weissman, profesor de biología del MIT y miembro del Instituto Whitehead de Ingeniería Biomédica, que no participó en el estudio. “Veremos toda una ola de descubrimientos que serán posibles gracias a la democratización de esta poderosa herramienta”. Weissman añade que prevé que la naturaleza de código abierto de Boltz-1 conducirá a una amplia gama de nuevas aplicaciones creativas.

Este trabajo también fue apoyado por una subvención de Expediciones de la Fundación Nacional de Ciencias de EE. UU.; la Clínica Jameel; el programa Descubrimiento de Contramedidas Médicas Contra Amenazas Nuevas y Emergentes (DOMANE) de la Agencia de Reducción de Amenazas de Defensa de EE. UU.; y el proyecto MATCHMAKERS apoyado por la asociación Cancer Grand Challenges financiada por Cancer Research UK y el Instituto Nacional del Cáncer de EE. UU.

Autor

Autor

MIT

Promover la investigación, las innovaciones, la enseñanza y los eventos y las personas de interés periodístico del MIT a la comunidad del campus, los medios de comunicación y el público en general, Comunicar anuncios del Instituto, Publicar noticias de la comunidad para profesores, estudiantes, personal y ex alumnos del MIT. Proporcionar servicios de medios a los miembros de la comunidad, incluido el asesoramiento sobre cómo trabajar con periodistas, Responder a consultas de los medios y solicitudes de entrevistas...