Boltz是一个开源的生物分子相互作用预测模型家族，旨在解决传统计算方法在预测生物分子结构和结合亲和力方面的速度和精度瓶颈。在药物发现和分子设计领域，准确预测蛋白质、核酸、小分子等生物分子之间的相互作用至关重要，但这通常需要耗时且昂贵的实验或计算。Boltz项目通过深度学习模型提供了更快速、更准确的解决方案。
Boltz-1是该系列的首个完全开源模型，其结构预测精度已接近AlphaFold3。在此基础上，最新的Boltz-2模型进一步提升，不仅能联合建模复杂的生物分子结构，还能预测关键的结合亲和力。这使得Boltz-2成为首个在预测精度上接近基于物理的自由能微扰（FEP）方法，同时速度快1000倍的深度学习模型。这意味着原本需要数天甚至数周才能完成的精确计算，现在可以在几分钟内完成，极大地提高了药物早期发现阶段的虚拟筛选效率。
项目的核心价值在于其高性能和开源特性。Boltz提供了易于使用的命令行工具进行预测，支持批量处理，并且所有代码和模型权重都在MIT许可下发布，可免费用于学术和商业用途。这极大地降低了高性能生物分子相互作用预测的门槛，促进了相关研究和应用的民主化。
Boltz特别适用于需要快速、准确预测生物分子结构和结合亲和力的场景，例如：
- 药物发现： 快速筛选潜在药物分子与靶蛋白的结合能力，加速先导化合物的发现和优化。
- 分子设计： 设计具有特定结合特性的新型分子或蛋白质。
- 生物学研究： 预测蛋白质-蛋白质、蛋白质-核酸等相互作用，理解复杂的生物过程。
总而言之，Boltz通过先进的深度学习技术，为生物分子相互作用预测提供了一个快速、准确且开源的解决方案，有望加速药物研发和生物技术领域的创新。