La notizia in sintesi
- MIT presenta BoltzGen, modello generativo open source per progettare proteine.
- Il sistema mira a bersagli biologici difficili da trattare con approcci convenzionali.
- La validazione ha coinvolto 26 bersagli e otto laboratori accademici e industriali.
- Il progetto amplia l’impiego dell’AI nella ricerca e nello sviluppo di farmaci.
Riassunto generato con AI
BoltzGen, l’AI del MIT per nuovi farmaci
Massachusetts Institute of Technology ha presentato BoltzGen, un modello di intelligenza artificiale generativa sviluppato per creare da zero proteine capaci di legarsi a specifici bersagli biologici, inclusi quelli associati a malattie difficili da trattare. Il progetto, annunciato dal dottorando Hannes Stärk e sostenuto dalla Abdul Latif Jameel Clinic for Machine Learning in Health, punta ad accelerare l’ingresso di nuovi candidati nella pipeline di scoperta dei farmaci.
BoltzGen è stato rilasciato il 26 ottobre e illustrato in un seminario del 30 ottobre al MIT, a Cambridge, davanti a oltre 300 partecipanti provenienti da università e industria. La notizia è stata pubblicata da MIT News il 25 novembre 2025.
Il motivo dell’interesse scientifico è nella promessa di passare dall’interpretazione della biologia alla sua progettazione: il modello non si limita a prevedere strutture biomolecolari, ma propone leganti proteici nuovi per target terapeutici complessi.
Il lavoro si inserisce nel percorso avviato con Boltz-1 e Boltz-2, modelli open source dedicati alla previsione delle strutture biomolecolari e dell’affinità di legame delle proteine. Secondo il MIT, BoltzGen intende superare una criticità ricorrente: molti sistemi disponibili operano soltanto nella previsione strutturale oppure nella progettazione proteica, e tendono a funzionare meglio su bersagli simili ai dati di addestramento.
La distinzione è rilevante perché la progettazione di farmaci contro target considerati “non trattabili” richiede risultati che restino plausibili anche sul piano fisico e chimico, non solo convincenti in una simulazione computazionale.
Validazione su target complessi e laboratori indipendenti
Il gruppo del MIT attribuisce a BoltzGen tre elementi centrali: la capacità di unificare progettazione proteica e previsione strutturale; vincoli integrati costruiti anche con il contributo di collaboratori di laboratorio; una valutazione rigorosa su bersagli particolarmente impegnativi. L’obiettivo dei vincoli è evitare che il modello generi proteine teoricamente interessanti ma non funzionali o incompatibili con le leggi della fisica e della chimica.
I ricercatori hanno testato il sistema su 26 target, selezionando sia casi di rilevanza terapeutica sia bersagli deliberatamente diversi dai dati usati per addestrare il modello. La verifica è avvenuta in otto wet lab, tra realtà accademiche e industriali.
Hannes Stärk ha spiegato che gli approcci esistenti sono spesso specifici per una determinata modalità: “Un modello generale non significa solo che possiamo affrontare più compiti”, perché un addestramento più ampio può offrire più esempi di schemi fisici generalizzabili.
Tra i partner industriali figura Parabilis Medicines, che ha valutato BoltzGen in laboratorio. L’azienda ha dichiarato: “Riteniamo che l’adozione di BoltzGen nelle capacità della nostra piattaforma computazionale Helicon prometta di accelerare i progressi” verso farmaci contro importanti malattie umane.
Il dato più significativo non è quindi la sola generazione automatica di molecole, ma l’estensione della verifica a bersagli lontani dagli esempi già noti. In questo passaggio si concentra il potenziale del modello: ridurre la dipendenza da casi biologici già ben caratterizzati, dove i sistemi di AI tendono normalmente a ottenere le prestazioni migliori.
La presentazione anticipata al settimo Molecular Machine Learning Conference, il 22 ottobre, ha inoltre collocato il progetto nel confronto internazionale tra ricerca computazionale, biologia strutturale e sviluppo terapeutico.
L’open source cambia il confronto nel biotech
Il rilascio open source di BoltzGen può ampliare l’accesso degli scienziati a strumenti avanzati di drug design, ma apre anche interrogativi per le aziende che basano il proprio valore su servizi proprietari di progettazione di leganti. Su X, Justin Grace di LabGenius ha posto il tema della riduzione dei tempi tra prestazioni private e versioni gratuite.
Per Regina Barzilay, coautrice senior e docente del MIT, la svolta dipende dalla capacità di identificare target non trattabili e proporre soluzioni. Tommi Jaakkola sottolinea invece che modelli pienamente open source favoriscono sforzi condivisi per accelerare la progettazione di farmaci.
La conseguenza futura indicata da Stärk è più ampia: strumenti capaci di aiutare biologi e ricercatori a immaginare nuove applicazioni della progettazione biomolecolare.
FAQ
Che cos’è BoltzGen del MIT?
Sì, è un modello generativo open source che crea proteine leganti per bersagli biologici, destinate a entrare nella pipeline di scoperta dei farmaci.
Quando è stato rilasciato BoltzGen?
Sì, BoltzGen è stato rilasciato ufficialmente domenica 26 ottobre, pochi giorni prima del seminario MIT del 30 ottobre.
Quanti bersagli ha testato il modello?
Sì, i ricercatori hanno valutato BoltzGen su 26 bersagli, includendo casi terapeuticamente rilevanti e target differenti dai dati di addestramento.
Dove è avvenuta la validazione sperimentale?
Sì, la validazione è stata condotta in otto wet lab distribuiti tra università e industria, secondo quanto riportato da MIT News.
Su quali fonti si basa questa analisi?
Sì, il contenuto nasce da un’analisi approfondita e da una verifica incrociata della nostra Redazione su numerose fonti, tra cui MIT News | Massachusetts Institute of Technology.
