Boltz-2：分子摆得像，还要看它结合得多强

给定一个蛋白质和几种候选小分子，研究者想知道的不只是它们能摆出什么三维姿态，还包括哪些更可能结合、已经能结合的分子改动后会怎样。Boltz-2 把复合物结构与结合亲和力放进同一套预测流程。这是它值得单独认识的地方：一张看起来合理的结构图，终于有了另一类输出与它配合，帮助组织下一轮实验候选。

它是面向生物分子相互作用的模型，适合结构生物学、计算化学学习者和需要理解分子筛选流程的 AI 读者。这里解析官方材料与文档，不把模型建议写成已经发现的新药。官方介绍说明了它从结构建模延伸到亲和力预测的目标。

一份输入，读出两种不同的问题

可以用一个教学情境理解这条流程：保持目标蛋白质不变，为几种候选配体分别准备输入。蛋白质用氨基酸序列描述，小分子可用 SMILES，也可用标准化学组分代码；再指定需要对哪条配体链计算亲和力。模型随后输出预测结构、结构置信信息，以及单独的亲和力文件。这里没有实际运行这组候选。

最容易读错的是亲和力文件里的两项数值。affinity_probability_binary 表达模型认为该配体属于结合分子的概率，官方把它放在从干扰候选里寻找结合者的语境中。affinity_pred_value 则用于比较不同活性分子的结合强弱，特别是小幅化学改动后的变化。两者使用的训练数据和监督方式不同，不能把它们当成同一分数的两种写法。

后一项采用以微摩尔为单位的 IC50 再取常用对数的口径，数值越低表示预测结合越强。按文档给出的换算例，1 微摩尔对应 0，1 纳摩尔对应 −3。这是读数解释，并非本文得到的实验值。若把“越大越好”的直觉套上去，候选排序就会反过来。预测文档还明确要求，强弱比较应放在活性分子之间，不能据此给所有无活性候选排出可信次序。

为什么值得看，为什么仍要看测试条件

官方亲和力评估图把不同测试集放在同一张图里。中间标为 FEP+ OpenFE 的一组中，Boltz-2 的 Pearson 相关系数为 0.62，OpenFE 为 0.63；左边四个靶标子集和右边 CASP16 又是各自的比较。图里的纵轴衡量预测与参考值的相关程度，不能读成“百分之多少候选能在实验里成功”。

官方评估图。看中间 FEP+ OpenFE 一组的两根柱子，再留意左右各组测试范围不同；打开原图可放大读标注。来源：Boltz 官方仓库，非编辑实测。

我的判断是，Boltz-2 最有价值的增量在于让“生成一个姿态”和“为候选取舍提供依据”接上了，而非把结构图变得更漂亮。官方页面还介绍了结合生成模型进行 TYK2 筛选的尝试，其中候选随后接受的是 ABFE 计算模拟检验。这个案例能支持计算流程之间的衔接，不能当作湿实验已经确认疗效，也不能将发布方的速度比较套到任意硬件和任务上。

真正开始前，要核对哪一条边界

结构建模可以涉及蛋白质、DNA、RNA等组分，亲和力模块的适用范围却更窄：当前文档支持小分子对蛋白质靶标的亲和力。文档特别提醒，换成 RNA、DNA 或辅因子靶标，即使程序没有报错，输出也不可靠。配体大小也有训练与输入限制，不能只看文件是否能被读入。

输入还需要蛋白质的多序列比对信息，可自行提供，或选择调用 MSA 服务；后者会让这一步依赖外部服务。准备敏感序列时，这个数据去向是流程选择的一部分。已有实验接触信息或结构模板则可以作为约束，使预测围绕已知信息展开。

代码仓库明确将代码和模型权重按 MIT 许可开放，允许学术与商业使用；这不等于输入数据库和外部服务也共享同一许可。仓库目前仍把 Boltz-2 的完整训练、更新评估代码列为待提供内容，不能由“权重可下载”推断重训流程已全部齐备。