Boltz
1. 简介
Boltz1,2是由MIT等机构联合推出的结构生物学基础模型，聚焦于生物分子相互作用建模。目前AbSeek部署了最新版本的Boltz-21，功能覆盖结构预测与结合亲和力预测，特色体现在多模态能力、性能突破、方法创新、数据广度和开源生态等多个方面：
- 功能全面：可精准预测蛋白质、DNA、RNA、小分子等多种生物分子的静态复合物及动态集合结构，尤其擅长解析抗体-抗原等复杂相互作用；同时能预测小分子-蛋白质结合亲和力，为药物设计中分子功能与治疗效力评估提供关键支撑。
- 性能突破：在结构预测上，相比Boltz-12显著提升结晶结构预测精度，在RNA链、DNA-蛋白质复合物等模态表现突出，接近AlphaFlow、BioEmu等专用模型的动态属性预测能力；在亲和力预测上，是首个接近自由能扰动（FEP）方法精度的AI模型，且计算效率提升至少1000倍，在FEP+、CASP16等基准测试中超越主流深度学习模型。
- 方法创新：引入实验方法条件、距离约束、多链模板整合等可控性特征，支持用户融入先验知识；通过混合精度训练和trifast核优化计算效率，结合Boltz-steering1提升结构物理合理性；基于结构建模的潜在表示优化亲和力预测，实现性能与效率的平衡。
- 数据丰富：训练数据涵盖PDB实验结构、分子动力学集合（MISATO、ATLAS、mdCATH）、蒸馏数据（AlphaFold2单体预测、Boltz-1复合物预测）；结合亲和力数据来自PubChem、ChEMBL等数据库，经标准化处理以提取有效信号，支持 hit 发现与优化场景。
Boltz-2的架构与性能表现如下图所示：
图 1. Boltz-2的架构图
图 2. Boltz-2在结构预测上的表现
图 3. Boltz-2在小分子亲和力预测上的表现
2.参数说明
本工具支持处理多种分子类型，包括蛋白质、DNA、RNA 和小分子。可通过参数 Molecule Type 进行选择。目前仅支持标准氨基酸、标准碱基，以及 SMILES 格式的小分子输入。
点击 Add Sequence 按钮可添加新序列。系统将根据添加顺序，自动以大写字母 A–Z 为链进行编号。
点击 Add Constraints 按钮可添加多种约束类型，包括：
- 残基/原子间距离约束（contact）
- 口袋距离约束（pocket）
- 需要输入两条不同的链进行约束
- 第一个对象支持任意类型的链，第二个对象仅支持蛋白、DNA、RNA链
- 原子共价键约束（bond）
其中，Ligand的输入参数position，对应SMILES表达式中原子的顺序；标准残基中的原子名称需要用户正确填写。
请注意，约束设置并非强制性，最终结构以预测输出结果为准。
如需了解更多约束设置的详细说明，请参阅官方文档：https://github.com/jwohlwend/boltz/blob/main/docs/prediction.md
3.结果说明
将返回5个预测结构的.cif文件，以及每个结构对应的预测指标.csv文件，以下是核心指标的解释:
| 指标 | 英文全称 | 中文全称 | 数值范围 | 关注层级 | 典型阈值/解读 | 主要用途 |
|---|---|---|---|---|---|---|
| confidence score | confidence score | 置信度分数 | 0-1 | 整体复合物 | 0.8 * plddt + 0.2 * ipTM (若单链则用ptm) | 评估整体置信度 |
| pLDDT | predicted Local Distance Difference Test | 预测的局部距离差异测试分数 | 0–1 | 残基/原子 | ≥ 0.9 极高置信；< 0.5 低置信 | 定位无序区、局部分辨率 |
| pTM | predicted Template Modeling score | 预测的模板建模得分 | 0–1 | 单链/整体复合物 | ≥ 0.5 折叠基本正确 | 全局拓扑可靠性 |
| ipTM | interface predicted TM-score | 界面预测TM分数 | 0–1 | 链间界面 | ≥ 0.8 高质量对接 | 复合物链间相互作用 |
| PDE | Predicted Distance Error | 预测距离误差 | ≥ 0 (Å) | 残基对 | 越低越好 | 局域距离误差预测 |
| ipDE | interface predicted Distance Error | 界面预测距离误差 | ≥ 0 (Å) | 界面残基对 | 越低越好 | 界面距离误差预测 |
4. 参考文献
[1] Passaro, Saro and Corso, Gabriele and Wohlwend, Jeremy and Reveiz, Mateo and Thaler, Stephan and Somnath, Vignesh Ram and Getz, Noah and Portnoi, Tally and Roy, Julien and Stark, Hannes and Kwabi-Addo, David and Beaini, Dominique and Jaakkola, Tommi and Barzilay, Regina. Boltz-2: Towards Accurate and Efficient Binding Affinity Prediction. bioRxiv 2025. https://doi.org/10.1101/2025.06.14.659707
[2] Wohlwend, Jeremy and Corso, Gabriele and Passaro, Saro and Getz, Noah and Reveiz, Mateo and Leidal, Ken and Swiderski, Wojtek and Atkinson, Liam and Portnoi, Tally and Chinn, Itamar and Silterra, Jacob and Jaakkola, Tommi and Barzilay, Regina. Boltz-1: Democratizing Biomolecular Interaction Modeling. bioRxiv 2024. https://doi.org/10.1101/2024.11.19.624167
[3] Mirdita, M., Schütze, K., Moriwaki, Y. et al. ColabFold: making protein folding accessible to all. Nat Methods 19, 679–682 (2022). https://doi.org/10.1038/s41592-022-01488-1