Boltz-2 技术报告精读：亲和力与结构预测能否统一

Boltz-2（MIT 团队，2025）在 Boltz-1 的基础上加入了亲和力预测——这是所有 AF3 级模型此前都不做的事。它的主张是：结构与亲和力可以在一个模型中联合学习，而这个能力对药物发现的价值远高于单纯的结构预测。

为什么亲和力预测是关键一步

# AF3 类模型的定位问题：
#
#   它们回答的是「配体在哪里、以什么姿势结合」
#   而药物发现真正需要的是「这个分子结合得有多强」
#
#   一个能给出完美姿势但不知道亲和力的模型，
#   在虚拟筛选与先导优化中的价值有限 ——
#   因为你无法据此排序候选分子
#
# Boltz-2 的主张：
#   结构与亲和力共享底层的物理规律，
#   联合建模能让两个任务互相促进
#
# 实现：
#   在结构预测的表示之上，
#   加一个亲和力预测头
#   用 ChEMBL、BindingDB 等活性数据训练
#
# 报告的能力：
#   在部分基准上，亲和力预测的相关性
#   接近 FEP 类物理方法，
#   而速度快数个数量级
#
#   → 【这个对比是它最引人注目的宣称】

如何看待「接近 FEP」的宣称

• 速度对比是真实的：FEP 计算一对分子的相对自由能需要数小时 GPU 时间（见 127《FEP、RBFE 与 ABFE》），而 Boltz-2 是秒级——这个数量级的差异是实在的；
• 准确度对比需要谨慎解读：
  • 基准的选择很重要——在与训练数据相似的体系上表现好，不代表在新颖体系上同样好；
  • 数据泄漏的风险：训练数据来自公开活性数据库，测试集中的分子或近似物可能已在训练集中（见 238《PDBbind》）；
  • FEP 的优势在于它不依赖该体系的历史数据——对全新骨架同样适用，而 ML 方法在训练分布外会退化。
• 正确的使用心态：把它当作「快速的初筛与排序工具」，把 FEP 当作「关键决策前的验证」——两者互补而非替代；
• 必做的验证：在自家靶点的历史数据上测试它的排序能力，而非直接采信论文基准。

使用

pip install boltz -U

# 结构 + 亲和力预测
# input.yaml:
#   version: 1
#   sequences:
#     - protein:
#         id: A
#         sequence: MKTAYIAKQRQISFVKSHFSRQ...
#     - ligand:
#         id: L
#         smiles: "CC(=O)Nc1ccc(O)cc1"
#   properties:
#     - affinity:
#         binder: L

boltz predict input.yaml --use_msa_server --out_dir results/

# 输出中会多出亲和力预测：
#   affinity_pred_value      预测的结合亲和力
#   affinity_probability_binary   是否结合的概率

import json
with open("results/predictions/x/affinity_x.json") as f:
    aff = json.load(f)

print("预测 log(IC50):", aff["affinity_pred_value"])
print("结合概率:", aff["affinity_probability_binary"])

# 注意单位与尺度：
#   输出的尺度定义见官方文档，
#   【不要直接当作 pIC50 使用】—— 先在已知数据上校准
#
# 校准做法：
#   用该靶点的一批已知活性分子跑预测，
#   拟合预测值与实测 pIC50 的关系，
#   得到该体系上的换算与可信区间

批量筛选的实用流程

# 场景：对 500 个候选分子做排序
#
# 直接跑 Boltz-2 的成本：
#   每个分子数分钟 GPU → 500 个约 1~2 天单卡
#   → 可接受，但不适合十万级筛选
#
# 分级策略：
#   第 1 级：Vina 对 100 万分子粗筛 → 前 1 万
#   第 2 级：GNINA CNN 重打分 → 前 1000
#   第 3 级：【Boltz-2 结构 + 亲和力】→ 前 100
#   第 4 级：FEP 对最终 20~30 个做精确排序
#   第 5 级：药化人工审查
#
# Boltz-2 填补了「对接」与「FEP」之间的空档：
#   比对接准，比 FEP 快数个数量级
#
# 批量运行
import yaml, subprocess, os

def make_input(protein_seq, smiles, out_path):
    cfg = {
        "version": 1,
        "sequences": [
            {"protein": {"id": "A", "sequence": protein_seq}},
            {"ligand": {"id": "L", "smiles": smiles}},
        ],
        "properties": [{"affinity": {"binder": "L"}}],
    }
    with open(out_path, "w") as f:
        yaml.safe_dump(cfg, f)

for i, smi in enumerate(candidate_smiles):
    make_input(target_seq, smi, f"inputs/lig_{i:04d}.yaml")

# 用同一 MSA 缓存可显著加速（避免重复搜索）
subprocess.run(["boltz", "predict", "inputs/",
                "--use_msa_server", "--out_dir", "results/"])

与其它方法的定位

方法	速度	亲和力可靠性	适用规模
对接打分	毫秒～秒	低（见 095《Docking Score》）	百万级
CNN 重打分（GNINA）	秒	低到中	十万级
MM/GBSA	分钟	中	千级
Boltz-2	分钟	中到高（体系相关）	百～千级
FEP / RBFE	小时	高	十～百级
实验测定	天～周	金标准	—

局限与注意

• 训练分布依赖：对与训练数据差异大的靶点或化学类型，可靠性下降。全新靶点上要格外谨慎；
• 不给出误差估计：一个预测值没有配套的不确定度——建议自己用多次采样估计变异性；
• 对细微 SAR 的分辨率：同系列类似物之间的小差异（如一个甲基），预测能否分辨仍需在自家数据上验证；
• 结构预测的问题依然存在：物理有效性需要 PoseBusters 检查，姿势应与传统对接交叉验证；
• 不替代实验：所有计算预测都是排序与优先级工具。

它的真正意义

Boltz-2 的重要性不只在技术，更在于「完全开源 + 可商用 + 结构与亲和力一体」这个组合此前不存在。此前工业界要么用受限的 AF3（不能商用），要么用只给结构的开源模型，要么用昂贵的商业平台。Boltz-2 让中小团队第一次能以零许可成本获得这类能力——这对领域的实际影响可能大于其技术指标。

延伸资源

• Boltz-1：120《Boltz-1 技术报告精读》；Chai-1：122《Chai-1 技术报告精读》；AlphaFold3：113《AlphaFold3 论文精读》；
• FEP：127《FEP、RBFE 与 ABFE》；打分函数：095《Docking Score》；泄漏问题：238《PDBbind》。