在药物研发的早期阶段，预测小分子药物与蛋白质靶点的结合亲和力是计算化学的关键难题。传统方法依赖高质量的蛋白质-配体复合物晶体结构，这在早期往往难以获取。近期，斯坦福团队联合Recursion制药公司开发了一种名为Boltz-ABFE的新方法，仅需蛋白质序列和配体的SMILES字符串，即可准确预测结合自由能，无需晶体结构支持。
Boltz-ABFE的核心在于结合了新一代结构预测模型Boltz-2和先进的自由能微扰（FEP）技术。该方法通过AI技术直接从蛋白质序列和配体信息生成复合物结构，解决了传统方法对晶体结构的依赖问题。研究团队还引入了多种创新策略，如化学准确性优化、多模型生成策略以及结合伙伴的必要性分析，显著提升了结构预测的准确性和稳健性。
在FEP+基准测试中，Boltz-ABFE展现了优异的性能，平均误差小于1 kcal/mol，与实验结果高度一致。这一技术不仅为药物发现的早期阶段提供了强大的工具，还为靶点识别、先导化合物优化等环节带来了新的可能性，有望大幅加速药物研发进程。
Boltz-ABFE的成功开发标志着AI在药物设计领域的又一重要突破，为未来的药物研发提供了新的思路和方法。
