Boltz-2
2025 年 MIT 与 Recursion Pharmaceuticals 联合发布的开源蛋白质结构 + 结合亲和力联合预测模型，对标 AlphaFold3，速度比传统物理方法快 1000 倍且精度相近。
定义
Boltz-2 是同时预测蛋白质三维结构 + 配体结合亲和力的开源 AI 模型，区别于 AlphaFold3 仅预测结构，Boltz-2 一次性输出结构 + 亲和力，更贴合药物虚拟筛选实际需求。
技术细节
- 架构：基于扩散模型 + Transformer，融合结构预测与亲和力预测多任务学习
- 速度：比传统物理方法（如 FEP+ / 分子动力学模拟）快 1000 倍
- 精度：达到与物理方法相近的精度，部分场景超越
- 开源协议：完全开源（含代码 + 权重），社区可自由使用 / 商用
在 AI for Science 中的角色
- 开源生态地标：与 AlphaFold3（开源非商业）相比，Boltz-2 完全商用开源，对中小 biotech 友好
- 行业影响：极大降低 AI 药物筛选门槛，催生大量基于 Boltz-2 的垂直应用
- 学术 - 工业合作典范：MIT（学术）× Recursion Pharmaceuticals（工业）的协作模式
应用场景
- 虚拟筛选：百万化合物级别快速亲和力排序
- 苗头化合物发现：早期药物发现阶段缩短数月至数周
- 抗体设计：辅助大分子设计的结合预测
主要玩家
- 核心发布方：MIT + Recursion Pharmaceuticals
- 使用者：全球数百家学术 / 工业实验室
相关概念
- ⚔ competitor::AlphaFold3 AlphaProteo
- ↑ up::蛋白质结构预测
- ∈ belongs_to::5-15-AI科学研究
增量补充（2026-05-29）
核查确认：Boltz-2 于 2025-06-06 由 MIT（Jameel Clinic / CSAIL，Regina Barzilay 团队）与 Recursion Pharmaceuticals 联合发布，以 MIT License 开源（商用 / 非商用均可）。可在单 GPU 约 20 秒完成结构 + 亲和力联合预测，亲和力精度接近 FEP 原子级模拟而速度快 1000+ 倍。核心作者含 Saro Passaro、Gabriele Corso、Jeremy Wohlwend 等。正文"2025 年 MIT + Recursion 联合发布 / 完全商用开源 / 快 1000 倍"经一手论文与官方新闻稿确认无误（bioRxiv 2025.06.14.659707 · Recursion IR 新闻稿，T1 一手）。