麻省理工學院科學家推出生成式AI模型，助創造針對難治疾病的新分子
麻省理工學院（MIT）的研究團隊最新推出了一款名為BoltzGen的生成式人工智能模型，能夠從零開始設計蛋白質結合子（protein binders），針對各種生物目標，推動AI從單純理解生物學邁向實際工程應用。這款模型的誕生，有望加速藥物研發，特別是針對那些過去被認為難以治療的疾病。
BoltzGen是在先前的Boltz-2模型基礎上開發而成，Boltz-2是一款開源的生物分子結構預測模型，專門預測蛋白質的結合親和力，於今年夏天引起廣泛關注。BoltzGen於2025年10月26日正式發布，突破性地實現了不只是預測，而是真正「生成」全新蛋白質結合子，並且這些結合子已具備進入藥物開發流程的潛力。
這項技術能夠實現的關鍵在於三大創新：首先，BoltzGen能同時處理多項任務，融合蛋白質設計與結構預測，且表現達到業界頂尖水平；其次，模型內置的約束條件是與實驗室合作夥伴共同設計，確保生成的蛋白質既具功能性，又不違反物理及化學定律；最後，研究團隊嚴格評估BoltzGen在26個「難以藥物化」的疾病目標上的表現，挑戰模型的極限。
過去業界或學術界多數模型只能專注於結構預測或蛋白質設計其中一項，且通常只能針對容易結合的「目標」蛋白質生成結合子。這些模型就像學生回答和作業一模一樣的考試題目，只要訓練資料和目標蛋白質相似，模型表現就不錯；但一旦面對結構未知或難度高的目標，效果往往大打折扣。
MIT博士生及BoltzGen主要作者Hannes Stärk指出：「過去的模型多是針對特定模式設計，缺乏通用性。通用模型不僅能應對更多任務，還能透過學習模擬物理規律，從更多範例中汲取可泛化的物理模式，提升單一任務的表現。」
BoltzGen在包括學術界和產業界合共八個實驗室進行了全面的實驗驗證，涵蓋多個治療相關的目標，也包含明顯和訓練資料不同的「艱難目標」，展現其廣泛的適用性和突破性潛力。業界合作夥伴Parabilis Medicines在實驗室測試後表示，BoltzGen的技術有望整合入其現有的肽類計算平台，顯著加速開發針對重大疾病的創新藥物。
BoltzGen與其前身Boltz-1、Boltz-2一樣，都是開源釋出，為藥物研發帶來更大透明度與機會，同時也促使生物技術和製藥產業重新思考其商業模式。LabGenius機器學習首席科學家Justin Grace在社交平台X上提出疑問：「聊天AI系統從私有到開源的性能差距縮短到約七個月，蛋白質領域甚至更快。那些提供結合子即服務（binder-as-a-service）的公司，如何能夠收回投資？因為我們只需等幾個月就能用免費版本。」
對學界而言，BoltzGen代表科學可能性的擴展與加速。MIT教授、Jameel Clinic的AI負責人Regina Barzilay表示：「學生常問我，AI在哪裏能改變治療領域？除非我們能識別並解決那些無法藥物化的目標，否則無法真正改變遊戲規則。這正是Hannes研究的獨特之處。」
另一位資深共同作者、MIT電機與計算機科學教授Tommi Jaakkola指出：「像BoltzGen這樣完全開源的模型，能促進更廣泛的社群合作，加快藥物設計能力的發展。」
展望未來，Stärk相信AI模型將顛覆生物分子設計領域，他說：「我希望打造工具，幫助我們操控生物學以解決疾病，甚至完成我們尚未想像過的分子機器任務。我想提供這些工具，讓生物學家能夠想像出他們以前未曾想到的可能。」
—
評論與啟示
BoltzGen的問世標誌著生成式AI在生物醫藥領域的應用已從「理解」進階到「創造」，這是AI技術與生命科學深度融合的一大里程碑。過去蛋白質設計多仰賴實驗室大量時間與成本，現在透過AI模型能快速生成符合物理化學規律的蛋白質結合子，將大幅縮短藥物研發周期，降低失敗風險。
然而，開源帶來的透明與共享精神，也對傳統生物製藥產業構成挑戰。當免費或低成本的AI工具能迅速生成高質量藥物候選分子，企業如何在技術迅速普及的環境中保持競爭力，成為未來產業必須正視的問題。此外，AI生成的蛋白質雖然在理論與初步實驗中表現優異，但其安全性、有效性以及臨床應用仍需長期驗證。
這項技術的真正革命性在於它擴大了「可藥物化」目標的範圍，挑戰了過去被認為無法攻克的疾病靶點。對香港及全球醫療界而言，這不僅是技術進步，更是未來醫療治療策略的一大轉折點。如何結合AI與傳統藥物研發，加快臨床轉化步伐，將是科研機構與醫藥企業未來的重要任務。
最後，BoltzGen的開發者強調AI不應只是工具，而是激發科學家創新的催化劑，這啟示我們，未來的科研不僅是技術的競賽，更是跨領域合作與創意思維的融合。香港在推動生物科技發展時，應積極引入類似前沿AI技術，促進本地科研與產業升級，搶佔全球生物醫藥新興市場的先機。
以上文章由特價GPT API KEY所翻譯及撰寫。而圖片則由FLUX根據內容自動生成。
