30 ოქტომბერს, ხუთშაბათს, 300-ზე მეტი ადამიანი, როგორც აკადემიური, ისე ინდუსტრიული წრეებიდან, შეიკრიბა აუდიტორიაში BoltzGen-ის სემინარზე დასასწრებად, რომელსაც უმასპინძლა აბდულ ლატიფ ჯამილის კლინიკამ ჯანმრთელობაში მანქანური სწავლებისთვის (MIT Jameel Clinic). ღონისძიების მთავარი მომხსენებელი იყო MIT-ის დოქტორანტი და BoltzGen-ის პირველი ავტორი ჰანეს შტარკი, რომელმაც BoltzGen-ის შესახებ რამდენიმე დღით ადრე განაცხადა. Boltz-2-ის საფუძველზე, ღია წყაროს ბიომოლეკულური სტრუქტურის პროგნოზირების მოდელის, რომელიც ზაფხულში ცილის შეკავშირების აფინურობის პროგნოზირებით გამოირჩეოდა, BoltzGen-ი (ოფიციალურად გამოვიდა 26 ოქტომბერს, კვირას) არის პირველი ასეთი მოდელი, რომელიც ერთი ნაბიჯით წინ მიდის ახალი ცილის შემაკავშირებლების გენერირებით, რომლებიც მზად არიან შევიდნენ წამლის აღმოჩენის მილსადენში. ამას შესაძლებელს ხდის სამი ძირითადი ინოვაცია: პირველი, BoltzGen-ის უნარი შეასრულოს მრავალი დავალება, გააერთიანოს ცილის დიზაინი და სტრუქტურის პროგნოზირება, თანამედროვე შესრულების შენარჩუნებით. შემდეგი, BoltzGen-ის ჩაშენებული შეზღუდვები შექმნილია სველ ლაბორატორიებში მომუშავე კოლაბორატორების უკუკავშირის გათვალისწინებით, რათა მოდელმა შექმნას ფუნქციური ცილები, რომლებიც არ ეწინააღმდეგებიან ფიზიკის ან ქიმიის კანონებს. და ბოლოს, მკაცრი შეფასების პროცესი ამოწმებს მოდელს „განუკურნებელი“ დაავადების სამიზნეებზე, რითაც აფართოებს BoltzGen-ის შემაკავშირებლების გენერირების შესაძლებლობების ფარგლებს. ინდუსტრიაში ან აკადემიაში გამოყენებული მოდელების უმეტესობა ან სტრუქტურის პროგნოზირებას, ან ცილის დიზაინს ახორციელებს. უფრო მეტიც, ისინი შემოიფარგლებიან გარკვეული ტიპის ცილების გენერირებით, რომლებიც წარმატებით უკავშირდებიან ადვილ „სამიზნეებს“. ისევე, როგორც სტუდენტები პასუხობენ სატესტო კითხვას, რომელიც მათ საშინაო დავალებას ჰგავს, სანამ საწვრთნელი მონაცემები შემაკავშირებლის დიზაინის დროს სამიზნეს ემსგავსება, მოდელები ხშირად მუშაობს. მაგრამ არსებული მეთოდები თითქმის ყოველთვის ფასდება იმ სამიზნეებზე, რომელთათვისაც უკვე არსებობს სტრუქტურები შემაკავშირებლებთან ერთად, და უფრო რთულ სამიზნეებზე გამოყენებისას შესრულებით ჩამორჩებიან. „არსებობდა მოდელები, რომლებიც შემაკავშირებლების დიზაინს ცდილობდნენ, მაგრამ პრობლემა ის არის, რომ ეს მოდელები მოდალობა-სპეციფიკურია“, — აღნიშნავს შტარკი. „ზოგადი მოდელი ნიშნავს არა მხოლოდ იმას, რომ ჩვენ შეგვიძლია მეტი ამოცანის გადაჭრა. გარდა ამისა, ჩვენ ვიღებთ უკეთეს მოდელს ინდივიდუალური ამოცანისთვის, რადგან ფიზიკის ემულაცია მაგალითებით ისწავლება, და უფრო ზოგადი წვრთნის სქემით, ჩვენ გთავაზობთ მეტ ასეთ მაგალითს, რომელიც შეიცავს განზოგადებად ფიზიკურ ნიმუშებს.“ BoltzGen-ის მკვლევარებმა დიდი ძალისხმევა გასწიეს BoltzGen-ის 26 სამიზნეზე შესამოწმებლად, დაწყებული თერაპიულად რელევანტური შემთხვევებიდან, დამთავრებული ისეთებით, რომლებიც სპეციალურად შეირჩა საწვრთნელ მონაცემებთან მათი განსხვავებულობის გამო. ეს ყოვლისმომცველი ვალიდაციის პროცესი, რომელიც რვა სველ ლაბორატორიაში ჩატარდა აკადემიურ და ინდუსტრიულ სექტორებში, აჩვენებს მოდელის ფართო შესაძლებლობებს და გარღვევის პოტენციალს წამლის განვითარებაში. Parabilis Medicines-მა, ერთ-ერთმა ინდუსტრიულმა კოლაბორატორმა, რომელმაც BoltzGen-ი სველ ლაბორატორიაში გამოსცადა, შეაქო BoltzGen-ის პოტენციალი: „ჩვენ მიგვაჩნია, რომ BoltzGen-ის ჩვენს არსებულ Helicon პეპტიდურ გამოთვლით პლატფორმაში ინტეგრაცია გვპირდება პროგრესის დაჩქარებას, რათა შევქმნათ ტრანსფორმაციული პრეპარატები ძირითადი ადამიანის დაავადებების წინააღმდეგ.“ მიუხედავად იმისა, რომ Boltz-1-ის, Boltz-2-ის და ახლა უკვე BoltzGen-ის (რომლის პრევიუც 22 ოქტომბერს, მე-7 მოლეკულური მანქანური სწავლების კონფერენციაზე შედგა) ღია წყაროს გამოშვებები ახალ შესაძლებლობებსა და გამჭვირვალობას იძლევა წამლის განვითარებაში, ისინი ასევე მიანიშნებენ, რომ ბიოტექნოლოგიურ და ფარმაცევტულ ინდუსტრიებს შესაძლოა დასჭირდეთ თავიანთი შეთავაზებების გადაფასება. სოციალური მედიის პლატფორმა X-ზე BoltzGen-ის ირგვლივ აჟიოტაჟის ფონზე, ჯასტინ გრეისმა, LabGenius-ის მანქანური სწავლების მთავარმა მეცნიერმა, კითხვა დასვა. „ჩატის AI სისტემებისთვის კერძოდან ღიამდე შესრულების დროის ჩამორჩენა [შვიდი] თვეა და მცირდება,“ – წერდა გრეისი პოსტში. „ცილების სივრცეში ის კიდევ უფრო მოკლე ჩანს. როგორ შეძლებენ „შემაკავშირებელი, როგორც სერვისი“ კომპანიები ინვესტიციის ანაზღაურებას, როდესაც ჩვენ შეგვიძლია რამდენიმე თვე დაველოდოთ უფასო ვერსიას?“ აკადემიური წრეებისთვის BoltzGen-ი სამეცნიერო შესაძლებლობების გაფართოებასა და დაჩქარებას წარმოადგენს. „კითხვა, რომელსაც ჩემი სტუდენტები ხშირად მისვამენ, არის: „სად შეიძლება ხელოვნურმა ინტელექტმა შეცვალოს თერაპიის თამაში?“ – ამბობს უფროსი თანაავტორი და MIT-ის პროფესორი რეგინა ბარზილაი, Jameel Clinic-ის AI ფაკულტეტის ხელმძღვანელი და კომპიუტერული მეცნიერებისა და ხელოვნური ინტელექტის ლაბორატორიის (CSAIL) წევრი. „სანამ არ გამოვავლენთ „განუკურნებელ“ სამიზნეებს და არ შემოგთავაზებთ გამოსავალს, ჩვენ თამაშს ვერ შევცვლით“, – დასძენს ის. „აქ აქცენტი გადაუჭრელ პრობლემებზე კეთდება, რაც ჰანესის ნაშრომს სხვებისგან გამოარჩევს ამ სფეროში.“ უფროსი თანაავტორი ტომი იაკოლა, თომას სიბელის ელექტრო ინჟინერიისა და კომპიუტერული მეცნიერების პროფესორი, რომელიც დაკავშირებულია Jameel Clinic-თან და CSAIL-თან, აღნიშნავს, რომ „მოდელები, როგორიცაა BoltzGen-ი, რომლებიც სრულად ღია წყაროს სახით არის გამოშვებული, ხელს უწყობენ უფრო ფართო საზოგადოებრივ ძალისხმევას წამლის დიზაინის შესაძლებლობების დასაჩქარებლად.“ მომავლის პერსპექტივით, შტარკი მიიჩნევს, რომ ბიომოლეკულური დიზაინის მომავალი ხელოვნური ინტელექტის მოდელებით შეიცვლება. „მინდა შევქმნა ინსტრუმენტები, რომლებიც დაგვეხმარება ბიოლოგიის მანიპულირებაში დაავადებების გადასაჭრელად, ან მოლეკულური მანქანების მეშვეობით ამოცანების შესასრულებლად.