Para peneliti di Massachusetts Institute of Technology (MIT) telah merilis model kecerdasan buatan sumber terbuka yang kuat yang disebut Boltz-1 yang mencapai akurasi yang sama dengan AlphaFold3 Google DeepMind dalam memprediksi struktur biomolekul. Terobosan ini diharapkan dapat mempercepat proses penelitian biomedis dan pengembangan obat secara signifikan, serta menyediakan alat yang lebih nyaman dan efisien bagi para peneliti ilmiah global. Sifat Boltz-1 yang sepenuhnya open source juga mendorong kolaborasi dan partisipasi komunitas yang lebih luas, sehingga semakin mempercepat laju penemuan ilmiah.
Para ilmuwan di Massachusetts Institute of Technology (MIT) baru-baru ini merilis model kecerdasan buatan open source yang kuat yang disebut Boltz-1. Inovasi ini menjanjikan percepatan penelitian biomedis dan pengembangan obat secara signifikan.
Boltz-1 adalah model sumber terbuka pertama yang mampu mencapai tingkat lanjutan yang sama dengan AlphaFold3 Google DeepMind dalam prediksi struktur biomolekul. Model ini dikembangkan oleh tim dari Klinik Kesehatan Pembelajaran Mesin Jameel MIT, dipimpin oleh mahasiswa pascasarjana Jeremy Wolvind dan Gabriel Corso, dan termasuk peneliti MIT Salo Passaro dan profesor teknik elektro Dengan profesor ilmu komputer Regina Bardsley dan Tommy Akara.
Pada peluncuran tanggal 5 Desember, Wohlwind dan Corso mengatakan tujuan utama mereka adalah untuk mendorong kolaborasi global, mempercepat penemuan ilmiah, dan menyediakan platform yang kuat untuk memajukan pemodelan biomolekuler. “Kami berharap ini bisa menjadi titik awal bagi masyarakat,” kata Corso seraya menekankan bahwa penamaan “Boltz-1” dan bukan “Boltz” dimaksudkan untuk mendorong partisipasi masyarakat.
Protein memainkan peran penting dalam hampir semua proses biologis, dan bentuk protein berkaitan erat dengan fungsinya, sehingga memahami struktur protein sangat penting untuk merancang obat baru atau merekayasa protein baru dengan fungsi tertentu. Karena proses pelipatan rantai panjang asam amino dalam protein menjadi struktur tiga dimensi sangatlah kompleks, memprediksi strukturnya secara akurat selalu menjadi tantangan besar bagi komunitas ilmiah.
AlphaFold2 DeepMind menggunakan pembelajaran mesin untuk memprediksi dengan cepat struktur protein 3D dengan akurasi tinggi sehingga sulit bagi ilmuwan eksperimental untuk membedakannya. AlphaFold3 ditingkatkan atas dasar ini dan mengadopsi model AI generatif. Namun, karena tidak sepenuhnya open source, model ini dikritik oleh komunitas ilmiah. Oleh karena itu, tim peneliti MIT mulai mengembangkan Boltz-1, mengikuti ide dasar AlphaFold3, dan melakukan perbaikan atas dasar ini untuk meningkatkan akurasi dan efisiensi prediksi model.
Tim peneliti menghabiskan waktu empat bulan dan melakukan berbagai eksperimen untuk mengatasi masalah ambiguitas dan heterogenitas yang dihadapi di bank data protein. Pada akhirnya, eksperimen mereka menunjukkan bahwa Boltz-1 mencapai akurasi yang sama dengan AlphaFold3 dalam memprediksi struktur biomolekul kompleks.
Para peneliti berencana untuk terus meningkatkan kinerja Boltz-1 dan memperpendek waktu prediksi. Mereka juga mengundang peneliti untuk mencoba Boltz-1 di GitHub dan berkomunikasi dengan pengguna lain melalui saluran Slack. Tim peneliti berharap Boltz-1 akan mendorong kolaborasi yang lebih luas dan menginspirasi penerapan kreatif di masyarakat.
Proyek: https://jclinic.mit.edu/democratizing-science-boltz-1/
Menyorot:
Boltz-1 adalah model prediksi struktur biomolekul sumber terbuka pertama yang mencapai kinerja yang sama dengan AlphaFold3.
Model ini dikembangkan untuk mempromosikan kolaborasi global dan memajukan penelitian biomedis dan pengembangan obat.
Tim MIT berharap dapat menggunakan Boltz-1 untuk menyederhanakan prediksi struktur protein sehingga lebih banyak peneliti dapat menggunakan alat canggih ini.
Sifat open source Boltz-1 menurunkan ambang batas penelitian biomedis, menyediakan alat canggih bagi para ilmuwan di seluruh dunia, dan mempercepat proses pengembangan obat. Kontribusi tim MIT ini tentunya akan berdampak besar pada penelitian biomedis di masa depan. Kami berharap Boltz-1 dapat mencapai lebih banyak terobosan dalam penerapannya di masa depan.