成功可信度中
其他行业 · AI应用
Boltz-2：AI驱动的药物发现
Recursion面临加速药物发现的挑战，传统方法预测蛋白质复合物及其结合亲和力耗时漫长。为此，他们与麻省理工学院Jameel Clinic和CSAIL合作，创建了开源生物分子基础模型Boltz-2。借助BioHive-2超级计算机和NVIDIA cuEquivariance内核，Boltz-2显著提升了预测速度和准确性。其结合亲和力预测的平均皮尔逊相关系数达到0.62–0.66，将结构-亲和力设计周期从数周缩短至数小时，从而加速了对百万级化合物库的探索。
Recursion发布于 2026年7月27日阅读 0
结合亲和力预测的平均皮尔逊相关系数达到0.62–0.66
未披露
在单个A100 GPU上处理一个配体-蛋白质对约需20 GPU秒
未披露
将结构-亲和力设计周期从数周缩短至数小时，适用于百万级化合物库
未披露
01
业务背景
Recursion面临加速药物发现的挑战，传统方法预测蛋白质复合物及其结合亲和力耗时漫长。为此，他们与麻省理工学院Jameel Clinic和CSAIL合作，创建了开源生物分子基础模型Boltz-2。借助BioHive-2超级计算机和NVIDIA cuEquivariance内核，Boltz-2显著提升了预测速度和准确性。其结合亲和力预测的平均皮尔逊相关系数达到0.62–0.66，将结构-亲和力设计周期从数周缩短至数小时，从而加速了对百万级化合物库的探索。
02
遇到的问题
03
AI 解决方案
04
实施结果
结合亲和力预测的平均皮尔逊相关系数达到0.62–0.66：
在单个A100 GPU上处理一个配体-蛋白质对约需20 GPU秒：
将结构-亲和力设计周期从数周缩短至数小时，适用于百万级化合物库：
05
风险与边界
客户 / 负责人引述
“”
信息来源
1 个来源页面内容为结构化改写；关键结论应可追溯到以下材料。