انقلاب هوش مصنوعی در تولید دارو: BoltzGen، گامی بلند برای درمان بیماری‌های صعب‌العلاج

BoltzGen: مدل هوش مصنوعی مولد MIT که انقلابی در طراحی مولکول‌ها ایجاد می‌کند

مدل‌های هوش مصنوعی (AI) به سرعت در حال تغییر مرزهای علوم زیستی هستند. در یک پیشرفت چشمگیر، دانشمندان مؤسسه فناوری ماساچوست (MIT) از یک مدل هوش مصنوعی مولد جدید به نام BoltzGen رونمایی کرده‌اند که می‌تواند مولکول‌هایی برای مقابله با بیماری‌هایی که درمان آن‌ها دشوار است، تولید کند.

BoltzGen یک مدل هوش مصنوعی تولیدی (Generative AI) است که توسط دانشجوی دکتری MIT، هانس استارک (نویسنده اول) و با همکاری متخصصانی از کلینیک عبداللطیف جمیل برای یادگیری ماشین در سلامت (MIT Jameel Clinic) معرفی شد.

هوش مصنوعی AlphaFold 3 چگونه آینده کشف دارو و زیست‌شناسی را تغییر می‌دهد؟

BoltzGen چه کاری انجام می‌دهد و چرا منحصربه‌فرد است؟

این مدل، که در اکتبر ۲۰۲۵ منتشر شد و بر پایه مدل موفق قبلی، Boltz-2، بنا شده است، اولین مدل از نوع خود است که یک گام فراتر می‌رود: تولید اتصال‌دهنده‌های پروتئینی (protein binders) کاملاً جدید که آماده ورود به مسیر کشف دارو هستند. BoltzGen می‌تواند اتصال‌دهنده‌های پروتئینی را برای هر هدف بیولوژیکی از پایه تولید کند، و دامنه هوش مصنوعی را از صرفاً درک زیست‌شناسی به سمت مهندسی آن گسترش می‌دهد.

سه نوآوری کلیدی، BoltzGen را از سایر مدل‌های موجود متمایز می‌کند:

1. یکپارچه‌سازی وظایف: BoltzGen می‌تواند وظایف مختلفی را انجام دهد و طراحی پروتئین و پیش‌بینی ساختار را در حالی که عملکردی در سطح پیشرفته حفظ می‌کند، ادغام می‌کند. این در حالی است که اکثر مدل‌های موجود در صنعت یا دانشگاه، فقط قادر به انجام یکی از این وظایف هستند.

2. رعایت قوانین فیزیک و شیمی: این مدل دارای محدودیت‌های داخلی است که با بازخورد آزمایشگاهی (wetlab) طراحی شده‌اند تا اطمینان حاصل شود که پروتئین‌های تولید شده، عملکردی هستند و قوانین فیزیک یا شیمی را نقض نمی‌کنند.

3. هدف قرار دادن چالش‌ها: BoltzGen تحت یک فرآیند ارزیابی دقیق قرار گرفت و بر روی اهداف بیماری‌زایی که به اصطلاح “غیرقابل هدف‌گیری با دارو” (undruggable) نامیده می‌شوند، آزمایش شد. این تمرکز بر روی مسائل حل‌نشده، کار BoltzGen را از سایر تلاش‌ها در این زمینه متمایز می‌سازد.

آزمایش و نتایج خیره‌کننده

محققان BoltzGen عمداً این مدل را بر روی ۲۶ هدف مختلف آزمایش کردند، از موارد مرتبط با درمان گرفته تا اهدافی که به طور مشخص به دلیل تفاوتشان با داده‌های آموزشی انتخاب شده بودند.

این فرآیند اعتبارسنجی جامع، که در هشت آزمایشگاه مختلف در سطح آکادمیک و صنعتی انجام شد، پتانسیل گسترده این مدل برای توسعه داروهای نوآورانه را نشان می‌دهد. به عنوان مثال، شرکت Parabilis Medicines، یکی از همکاران صنعتی، پتانسیل BoltzGen را برای “تسریع پیشرفت برای ارائه داروهای متحول‌کننده در برابر بیماری‌های مهم انسانی” ستود.

پروفسور رجینا بارزیلای (نویسنده ارشد و رهبر هیئت علمی هوش مصنوعی در Jameel Clinic) تأکید می‌کند که «تا زمانی که اهداف غیرقابل هدف‌گیری را شناسایی نکنیم و راه‌حلی ارائه ندهیم، بازی را در حوزه درمان تغییر نخواهیم داد». BoltzGen دقیقاً بر همین چالش‌های حل‌نشده متمرکز است.

انقلاب در علم مواد: چگونه هوش مصنوعی میلیون‌ها ماده جدید را کشف کرد؟

آینده‌ای باز و شتاب‌یافته برای کشف دارو

انتشار BoltzGen به صورت کاملاً متن‌باز (open-source)، فرصت‌های جدید و شفافیت بی‌سابقه‌ای را در توسعه دارو به ارمغان می‌آورد. همانطور که یکی از نویسندگان ارشد، تامی جااکولا، اشاره کرد، مدل‌هایی مانند BoltzGen که کاملاً متن‌باز منتشر می‌شوند، تلاش‌های گسترده‌تر جامعه را برای تسریع قابلیت‌های طراحی دارو ممکن می‌سازند.

هانس استارک، نویسنده اصلی، معتقد است که آینده طراحی زیست‌مولکولی توسط مدل‌های هوش مصنوعی متحول خواهد شد. هدف او ساخت ابزارهایی است که به ما کمک کنند تا زیست‌شناسی را برای حل بیماری‌ها یا انجام وظایفی با ماشین‌های مولکولی که حتی هنوز تصور نکرده‌ایم، دستکاری کنیم.