文献来源

论文题目： BoltzMol-1: Towards Reliable Virtual Screening for Fast and Cost-Effective Hit Discovery
作者： Noah Getz、Geoffrey Smith、Avene Colgan、Vincent Fan、Luca Cavalleri、Francesco Capponi、Jeremy Wohlwend、Anthony Gitter、Joshua Kritzer、Madison Maiorano、Nathan Wlodarchak、Gabriele Corso、Saro Passaro 等
机构： Boltz PBC、MIT CSAIL 等
版本： bioRxiv preprint，posted July 6, 2026
论文类型： 方法工程化论文 + 前瞻性实验验证论文 + AI 虚拟筛选应用论文。它围绕 Boltz-2 构建一套小分子 hit discovery 管线，并用 10 个靶点的真实购买与实验测试来评价其有效性。

导读

BoltzMol-1 的核心价值不在于又提出了一个分子打分模型，而在于把 Boltz-2 的复合物共折叠与亲和力预测能力，改造成一个面向前瞻性虚拟筛选的低通量 hit discovery 系统。作者不再只做 retrospective benchmark，而是从商业可购化合物和可合成空间中挑选少量候选物，直接进入实验测试，并在 10 个多样化靶点中实现 6 个靶点获得 binder 或 functional active。更重要的是，论文把模型排序、药化过滤、virtual PAINS 排除、ADMET 早期筛选和采购可达性整合在同一流程中，试图回答一个更现实的问题：AI 能否在几十个化合物预算内，真正帮助早期 hit 发现？

一句话贡献

BoltzMol-1 将 Boltz-2 的蛋白–小分子复合物共折叠、亲和力预测与结合置信度信号，结合药化过滤、virtual PAINS 排除、商业目录采购和 ADMET 预筛选，构建成一套可前瞻性验证的小分子 hit discovery 管线，并在 10 个靶点、每个靶点 28–96 个化合物的预算下获得 6/10 靶点阳性结果。

为什么这篇论文值得关注？

过去几年，AI 制药领域出现了大量 docking、scoring、structure prediction 和分子生成模型。但一个长期尴尬的问题是：模型在 retrospective benchmark 上表现不错，并不等于它能在真实项目中少花钱、少测化合物、快速找到 hit。

虚拟筛选真正进入项目时，面对的不是一个干净的测试集，而是一组现实约束：靶点可能缺少小分子共晶结构；口袋可能是浅表面、变构位点或构象依赖位点；商业库里的分子并不都是好起点；模型可能把某些泛靶点化合物误判为高分；实验预算通常不能支持成千上万个化合物的验证；即使分子能结合，也可能因为溶解度、脂溶性或渗透性太差而无法继续推进。

BoltzMol-1 正是在这个语境下出现的。它不是把虚拟筛选做得更大，而是把筛选做得更接近真实 hit discovery：先用模型缩小候选空间，再用药化和 ADMET 过滤掉不值得测的分子，最后只采购几十个化合物进入实验验证。

这篇文章最值得关注的地方有三点。

第一，它把评价标准从 benchmark 分数转向前瞻性命中率。论文在 10 个靶点上开展实验验证，而不是只报告 ROC-AUC、EF 或 docking score。

第二，它强调可采购性。候选物必须来自商业目录或按需合成空间，意味着模型输出不是纸面上的高分分子，而是可以被快速买到、测到、反馈的化合物。

第三，它把 developability 前置。作者没有只问分子是否可能结合靶点，而是同时考虑 logS、logD 和 Caco-2 permeability，这对真实项目更重要。论文明确指出，候选物即使来自 drug-like screening libraries，也可能存在溶解度差、脂溶性不合适或渗透性差的问题，因此需要在实验前引入 ADMET triage。

 研究背景：为什么早期 hit discovery 仍然昂贵？

传统 hit discovery 主要有两条路。

一条是实验高通量筛选，即 HTS。它可以在真实实验体系里发现活性分子，但成本高、周期长、化合物消耗大。论文中引用的背景显示，HTS 命中率经常只有 0.01–0.14%，在缺少已知配体、非经典口袋或构象动态复杂的靶点上更低。

另一条是大规模虚拟筛选。它能把计算成本换成实验成本，先筛上百万到上十亿化合物，再挑选少量化合物实验验证。但传统 docking 和打分函数常常面临三个问题：构象采样不可靠、打分排序不稳定、对特殊靶点泛化有限。尤其是 GPCR 变构口袋、蛋白–蛋白相互作用表面、假激酶口袋、离子通道电压感受域等系统，经典 docking 往往难以给出可靠排序。

机器学习模型提升了结合预测能力，但多数论文仍停留在 retrospective evaluation。它们通常在已知数据集上切分训练集和测试集，然后报告相关性、AUC 或 enrichment。这类评价有价值，但它无法回答一个关键问题：当模型面对一个药企或实验室真正关心的新靶点、真实商业库和有限实验预算时，它能否找到可验证的分子？

BoltzMol-1 的切入点就是把这个问题具体化：不是证明模型在所有 benchmark 上最强，而是证明一个以 Boltz-2 为核心的流程，能否在每个靶点几十个化合物的预算下获得实验阳性。

以往方法

传统 HTS：真实但昂贵

HTS 的优势是实验读出直接，尤其适合机制不清、结构不足或功能复杂的靶点。但问题是成本和规模。一个项目可能需要测试数万到数百万化合物，命中率仍然很低。对小团队、早期靶点验证或学术实验室来说，这类规模往往不可承受。

传统 docking：可扩展但排序不稳

基于结构的虚拟筛选可以在大库中筛选候选物，但 docking 的核心依赖两个环节：生成合理结合构象，以及用打分函数区分真阳性和假阳性。许多系统中，打分函数对水、诱导契合、蛋白柔性和非经典相互作用处理不足。结果常见情况是 docking score 很好，但实验不结合；或者真实弱结合分子被排在很后面。

ligand-based 模型：有数据时强，缺数据时弱

QSAR、图神经网络和化学相似性方法在已有配体丰富的靶点上很有效。但 BoltzMol-1 关注的是更困难的场景：很多靶点缺少可用小分子先例，或者训练集中没有同靶点数据。此时 ligand-based 方法难以发挥，模型容易退化为已知 chemotype 的内插。

生成式模型：能提出新分子，但不一定能闭环

生成模型可以探索巨大化学空间，但生成分子未必可合成、可购买、可测，也未必具有合理 ADMET 属性。真实项目中，能够快速采购并进入实验的分子，比模型纸面生成的高分分子更有价值。

Retrospective benchmark：必要但不充分

很多模型的训练测试切分并不代表真实 hit discovery。尤其在 ADMET 任务上，论文指出常见 scaffold split 仍可能存在近邻泄漏：测试化合物可能在训练集中有高度相似分子或局部 analog。作者因此强调，hit triage 场景需要更严格的化学新颖性定义，而不能只依赖传统 scaffold split。

BoltzMol-1 的核心思想

BoltzMol-1 的核心不是单点模型创新，而是流程重构。

它把小分子 hit discovery 拆成四个相互衔接的问题：

1. 1. 目标蛋白和候选分子如何共同建模？
   通过 Boltz-2 对蛋白–小分子复合物进行共折叠，并输出亲和力和结合置信度相关信号。
2. 2. 如何把多个模型输出变成可排序分数？
   将 Boltz-2 的多个亲和力预测、结合概率、结构置信度等信号重新组合成 composite ranking score。
3. 3. 如何避免模型高分但药化无意义的分子？
   在评分前进行药化过滤、PAINS/反应性基团排除，并额外识别 virtual PAINS，即跨多个无关靶点都被模型打高分的模型干扰分子。
4. 4. 如何让预测结果能快速进入实验？
   候选物来自 WuXi off-the-shelf library、Enamine REAL 等可购买或可合成空间，并按每个靶点实验预算选择 top N。

因此，BoltzMol-1 不是单纯的 docking 替代品，而是一套把模型排序、可采购性、药化可推进性、ADMET 预筛和实验验证整合起来的 hit-finding workflow。论文明确说，这一流程支持两种部署模式：固定可枚举库的完整评分排序，以及针对过大组合合成空间的生成式主动学习式搜索。

5. 方法细节：BoltzMol-1 到底怎么做？

5.1 任务定义与输入输出

BoltzMol-1 解决的是前瞻性小分子 hit 发现问题。

输入包括：

• • 目标蛋白信息：蛋白序列、chain ID，必要时包括 pocket residues；
• • 参考配体信息：用于指定目标位点或引导模型识别口袋；
• • 候选分子库：每个分子以 SMILES 和 compound ID 表示；
• • 药化过滤规则：例如 Lipinski、分子量、logP、TPSA、氢键供受体、可旋转键、PAINS 等；
• • 每个靶点的实验预算：决定最终选多少个 top compounds。

论文附录中的 API 示例显示，BoltzMol-1 可以通过 Boltz API 接收 target、molecules 和 molecule_filters 等字段。固定库筛选时，用户可以上传一个商业库 CSV，其中每个分子包含 SMILES 和 Compound_ID；目标可以用蛋白序列、pocket residues 和 reference ligands 指定。对于 GPCR 正构口袋，作者有时不指定 pocket residues，以允许模型探索潜在 agonist 或 antagonist 结合位点；而对于 mGlu4 的 7TM PAM 位点，则指定 pocket residues 来排除胞外正构位点。

输出包括：

• • 每个候选分子的 BoltzMol-1 composite score；
• • 预测蛋白–小分子复合物结构；
• • 亲和力与小分子结合置信度相关信号；
• • ADMET 预测，包括 logD、logS bin 和 Caco-2 permeability；
• • 最终推荐采购和实验测试的 top N 分子列表。

5.2 数据表示：蛋白、口袋与小分子如何进入模型？

论文将 Boltz-2 作为核心结构与打分模块。对每个蛋白–小分子组合，Boltz-2 会进行复合物共折叠，并预测结合亲和力和小分子结合置信度。本文并未重新展开 Boltz-2 的完整网络结构和训练损失，因此这里需要区分两层贡献：Boltz-2 是结构预测与亲和力预测基础模型；BoltzMol-1 是围绕 Boltz-2 构建的筛选系统。

在 BoltzMol-1 层面，分子以 SMILES 形式进入候选库；蛋白以序列和 chain 信息进入 target；口袋可以通过 pocket residues 或 reference ligand 指定。这样的设计有一个实际好处：它不强制用户必须准备完整 docking-ready 结构、网格文件或复杂前处理脚本，而是把 target setup、library screen 和结果排序封装进平台或 API。

但这也带来一个限制：如果 pocket 指定错误、参考配体代表的构象不适合真实功能状态，或者目标体系需要特定蛋白构象，模型可能会在错误的结构状态上给出高分。这一点在 mGlu4、AMY3 和 Nav1.8 等失败案例中尤其值得注意。

5.3 核心打分：从 Boltz-2 输出到 composite ranking score

Boltz-2 会产生多个互补信号，包括多个预测亲和力、结合概率和结构置信度估计。BoltzMol-1 没有简单使用单一 affinity value，而是对这些输出进行重新加权组合，形成用于排序的 composite score。

作者的做法是：在内部 retrospective benchmark 上校准不同输出信号的相对权重。这些 benchmark 被设计成模拟前瞻性筛选场景，即模型需要从同一商业库分布中的大量 decoy chemistry 里识别真实 binder。校准后的 composite score 是最终排序的主要依据。

这个设计很关键。因为真实筛选中，单一预测亲和力可能会被模型不确定性、构象错误或化学偏差影响。把结构置信度、小分子结合置信度和亲和力信号合并，理论上可以减少某一类错误信号主导排序。

但论文没有公开 composite score 的具体公式、权重和内部校准集细节，这意味着外部读者还不能完全复现这一打分逻辑。这是后面需要重点讨论的局限之一。

5.4 药化过滤：先去掉不值得评分的分子

BoltzMol-1 的第二个关键步骤是药化过滤。它不是在模型打分后再人工挑选，而是在 catalog scoring 之前就过滤掉明显不适合推进的分子。

过滤内容包括：

• • 标准 PAINS 和反应性基团；
• • 分子量过大或过小；
• • 脂溶性过高；
• • 极性表面积不合适；
• • 氢键供体/受体过多；
• • 可旋转键过多；
• • 过多杂原子；
• • 特定 assay 中可能造成干扰的 substructure；
• • 不适合作为 early hit 的不良 property profile。

这种前置过滤的逻辑很清楚：计算预算不应该浪费在即使高分也不会被药化接受的分子上。特别是在每个靶点只测试几十个化合物时，每一个采购位点都很宝贵。

5.5 virtual PAINS：识别模型自己的干扰分子

论文中一个很有意思的概念是 virtual PAINS。

传统 PAINS 是实验 assay 干扰分子，可能通过聚集、反应性、荧光干扰等方式产生假阳性。BoltzMol-1 提出的 virtual PAINS 则是模型筛选中的假阳性：某些分子会被 Boltz-2 在多个无关靶点上反复打高分，似乎对什么靶点都强结合，但这种高分可能不是靶点特异性相互作用，而是模型偏好或评分漏洞。

作者的处理方式是，在一组多样化 held-out targets 上聚合 Boltz-2 分数，找出那些无论靶点是什么都经常排在前列的分子。随后将这些结构及其近邻 analog 从筛选池中移除。

这个步骤的启发很大。它说明 AI 虚拟筛选也需要自己的 counter-screen。过去我们习惯在实验中做 counter-screen，而 BoltzMol-1 把 counter-screen 思维搬到了模型排序阶段：如果一个化合物对所有靶点都被模型认为很好，它反而可能不是好分子，而是模型偏差的探针。

5.6 两种筛选模式：固定库与生成式主动学习

BoltzMol-1 支持两类化学空间。

第一类是固定可枚举库。
例如 WuXi off-the-shelf library。模型对库中每个化合物进行评分和排序，然后按预算选取 top N 采购测试。STAT6、GLP-2R、MRGPRX2、ROR1、MALT1、Nav1.8 等多类靶点主要采用这种模式。

第二类是过大组合合成空间。
例如 Enamine REAL。这个空间无法被完全枚举并逐一评分，因此 BoltzMol-1 使用生成式主动学习流程：模型迭代提出候选物、评分、再根据高分区域调整搜索方向，从而在固定计算预算下集中探索更可能有价值的区域。LC3B/GABARAP 使用这一模式。PknB 也使用了 BoltzMol-1 管线，但没有使用标准药化过滤，而是额外结合聚类、与已知 PknB 抑制剂的 Tanimoto 相似性、ProLIF 相互作用指纹、RDKit 过滤和药化专家审查，最终选择 96 个化合物进入 KinaseGlo assay。

5.7 ADMET 模型：为什么要把 developability 放在 hit selection 阶段？

BoltzMol-1 还引入了三个内部 ADMET 模型：

• • LogS / kinetic solubility： 判断化合物在水相环境中的溶解能力；
• • LogD： 描述生理 pH 下化合物在辛醇和水相之间的分配，反映有效脂溶性；
• • Caco-2 A→B permeability： 作为肠道吸收和跨膜运输的体外 proxy。

作者强调，hit 不是只要能结合就足够。溶解度太差会导致测不到真实活性，脂溶性过高可能带来非特异性结合和毒性风险，渗透性不足则会影响口服吸收或细胞内靶点可达性。

ADMET 模型的数据来自 ChEMBL 和 GOSTAR，并针对 LogS、LogD 和 Caco-2 A→B 构建训练、验证和 held-out test set。作者还特别处理了 ADMET benchmark 常见泄漏问题：不仅看全分子 ECFP4 Tanimoto 相似性，也看 matched molecular pair 形式的局部 analog overlap，以避免测试集化合物只是训练集近邻。

5.8 ADMET 网络结构：GPS-style graph transformer

ADMET 模型不是简单的 descriptor 回归。论文采用 GPS-style graph transformer，将局部图消息传递与全局原子对 attention 结合。

具体来说：

• • 局部更新模块： 使用 DMPNN，在有向化学键边上进行消息传递；
• • 原子和边特征： 使用 chemprop-style atom/edge featurization；
• • pKa 信息： 对酸性和碱性位点加入 UniPKa 预测的 per-atom pKa；
• • 全局 attention： 在所有原子对之间做 attention；
• • pair representation： 每对原子用原子/键特征、拓扑距离、RDKit 构象集合中的最小距离和平均距离构建 pair embedding；
• • attention bias： pair representation 作为 attention logits 的加性偏置，但不在层间更新。

这种结构的动机是：ADMET 属性既受局部官能团影响，也受整体分子形状、距离关系、脂溶性和电离状态影响。单纯 2D 图可能遗漏空间接近性，单纯 descriptor 又可能表达能力不足；图 Transformer 则试图同时捕捉局部化学和全局结构信息。

5.9 ADMET 输出形式：不是所有任务都适合连续值

BoltzMol-1 对不同 ADMET endpoint 采用不同输出形式。

• • LogD 和 Caco-2 permeability 输出连续预测值，因为它们更适合作为分级属性；
• • LogS 输出三分类 bin：
• • 高溶解度：LogS > −4；
• • 低溶解度：LogS < −6；
• • 中间不确定区间。

这个设计很实用。早期筛选中，溶解度模型不一定需要精确预测每个分子的连续 logS，而是要高置信度识别两类分子：可以放心推进的高溶解度分子，以及应该剔除的低溶解度分子。中间区间则保留不确定性。

5.10 方法流程小结

BoltzMol-1 可以概括为 7 步：

1. 1. 定义靶点： 输入蛋白序列、chain 信息，必要时指定口袋残基和参考配体。
2. 2. 准备候选库： 从 WuXi OTS、Enamine REAL 等商业可购或可合成空间读取 SMILES。
3. 3. 药化预过滤： 移除 PAINS、反应性基团、极端 property profile 和 assay 干扰结构。
4. 4. virtual PAINS 排除： 去掉跨靶点反复高分的模型干扰分子及其近邻。
5. 5. Boltz-2 共折叠与打分： 对蛋白–小分子复合物预测结构、亲和力和结合置信度。
6. 6. composite score 排序： 将多个模型输出组合成筛选排序分数。
7. 7. ADMET triage 与采购测试： 结合 logS、logD、Caco-2 permeability 和实验预算，选择 top N 化合物采购并进入 assay。

6. 实验设计与关键结果

6.1 总体设计：10 个靶点，28–96 个化合物/靶点

BoltzMol-1 的实验不是一个靶点的小规模展示，而是覆盖 10 个不同靶点类别，包括：

• • STAT6：转录因子 SH2 domain；
• • GLP-2R：class B GPCR；
• • MRGPRX2：class A GPCR；
• • ROR1：假激酶；
• • LC3B/GABARAP：ATG8-family PPI surface；
• • PknB：结核分枝杆菌丝/苏氨酸蛋白激酶；
• • mGlu4 PAM：class C GPCR 别构调节；
• • AMY3：amylin receptor complex；
• • MALT1：paracaspase；
• • Nav1.8：电压门控钠通道 VSD2 位点。

论文第 2 页 Figure 1 用一组结构预测图和小表格概括了所有前瞻性筛选结果：每个靶点列出测试数量、阳性数量和 assay 类型。总体来看，10 个靶点中有 6 个获得 binder 或 functional active，每个靶点测试 28–96 个化合物。

6.2 结果总览

这个结果不能简单理解为模型解决了虚拟筛选。更准确地说，它证明了在一组有挑战性的靶点上，BoltzMol-1 可以用低实验预算获得一批真实阳性，但也暴露出其对复杂构象、功能状态、位点定义和化学空间覆盖的依赖。

6.3 STAT6：PPI-like SH2 pocket 上的弱结合起点

STAT6 是 JAK–STAT 通路中的转录因子，其 SH2 domain 负责识别磷酸酪氨酸 motif，参与受体招募和二聚化。这个靶点不属于传统深口袋酶类，更接近 PPI interface，寻找小分子 binder 本身较难。

作者测试 37 个化合物，通过 SpS 找到 1 个 binder，KD 为 30.3 µM，并用 p38 counter-screen 排除非特异性结合。后续近邻 analog 也提供初步 SAR 支持。这个结果的意义在于：BoltzMol-1 不只在典型酶口袋上工作，也能在 SH2 这类偏 PPI 的结构节点上找到可验证弱 binder。

但它仍是早期 hit。KD 30 µM 级别离药物候选物很远，需要后续 SAR、结构确认、选择性和细胞功能验证。

6.4 GLP-2R：没有功能偏置，却找到 12 个拮抗剂

GLP-2R 是 class B GPCR，结构覆盖非常稀疏，主要已知结构是 peptide-bound GLP-2R–Gs cryo-EM complex，没有小分子结合结构。作者把筛选目标放在正构 GLP-2 peptide pocket，但没有在模型设置中加入 agonist 或 antagonist 功能偏置。

最终，51 个化合物中获得 12 个 functional antagonists，IC50 范围为 0.07–24 µM。这些化合物先经过 cAMP primary screen，再做 dose-response confirmation，并用 parental cell line counter-screen 排除细胞背景效应。

这个案例很重要，因为它说明模型排序可能捕捉了某种可结合性，但功能模式仍由实验决定。模型预测的是 binder，而不是直接预测 agonist/antagonist。因此它适合发现 tool compounds，但还不能替代功能药理学判断。

6.5 MRGPRX2：同一靶点中同时出现 agonist 和 antagonist

MRGPRX2 是 mast cell 上的重要 GPCR，与 IgE-independent hypersensitivity 和药物 pseudo-allergy 相关。作者用 FLIPR calcium efflux assay 测量 agonist 和 antagonist 活性。

38 个化合物中，BoltzMol-1 找到 10 个 agonists 和 3 个 antagonists。agonists 的 EC50 为 2.2–18 µM，antagonists 的 IC50 为 9.3–19 µM。论文强调，这些功能类别不是模型预设出来的，而是实验读出的结果。

这个结果有两层含义。积极的一面是，模型能够在 MRGPRX2 这样浅、溶剂暴露、构象复杂的 GPCR pocket 上找到功能活性分子。谨慎的一面是，如果项目目标明确需要 antagonist，当前流程并不能保证功能方向；筛选到 agonist 甚至可能成为安全风险信号。

6.6 ROR1：假激酶上的多实验确认 binder

ROR1 是 receptor tyrosine kinase-like orphan receptor，但其 intracellular kinase domain 是 pseudokinase，不是典型 ATP 催化激酶。作者认为更可行的小分子策略是邻近阻塞 nucleotide site 的 back-pocket 或 type-II-like binding mode。

34 个化合物经过 SPR、MST/SpS 和 nanoDSF 三种 biophysical assays 测试，得到一个三实验均阳性的 confirmed binder，SPR KD 为 5.13 µM。另有一个 putative binder 在 SPR 和 MST 中显示结合，SPR KD 为 10.1 µM，但 nanoDSF 未显示 thermal stabilization。

这个案例的说服力较强，因为它用了多个正交 biophysical assays，并且有初步 SAR 支持。对结构生物学而言，5 µM 级 binder 即使还不是药物级，也可能作为共晶或 cryo-EM 的起点。

6.7 LC3B/GABARAP：PPI docking surface 上的 peptide displacement inhibitor

LC3B 和 GABARAP 是 ATG8-family 蛋白，核心功能涉及 LIR motif docking surface。它们不是传统小分子深口袋靶点，而是蛋白–蛋白相互作用表面。作者从 Enamine REAL 空间中筛选，并测试 28 个 predicted binders。

实验使用 competitive AlphaScreen assay，检测小分子是否能置换 biotinylated peptide tracers。最终 3 个化合物被归为 inhibitors，对 GABARAP 的 IC50 大约 15–28 µM，对 LC3B 的 IC50 大约 15–40 µM。

这个结果说明 BoltzMol-1 对浅表面 PPI 也有一定探索能力。但由于 AlphaScreen assay 容易受到干扰，需要后续正交实验确认，例如 SPR、NMR、ITC、竞争突变或结构验证。

6.8 PknB：命中率高，但 potency 偏弱

PknB 是结核分枝杆菌中的丝/苏氨酸蛋白激酶，具有明确 ATP-binding pocket。作者购买 96 个 Enamine 化合物，用 KinaseGlo 测试 PknB 1–331 的 ATP 消耗活性。

结果显示，16 个化合物为 confirmed actives，IC50 为 23.2–399 µM，推导 Ki 为 6.8–118 µM。阳性率看起来很高，但 potency 多数偏弱。作者使用参考抑制剂 GSK690693 得到 IC50 0.47 µM，与文献一致，用于确认 assay 性能。

这个案例适合被解读为 early hit expansion，而不是直接药物候选物发现。它显示模型加药化 triage 能富集弱活性起点，但还需要选择性、抗菌细胞活性、细胞壁渗透性、代谢稳定性和 human kinase off-target profiling。

6.9 四个失败靶点同样重要

mGlu4 PAM、AMY3、MALT1 和 Nav1.8 均未获得明确阳性。这些失败不是附属信息，而是理解 BoltzMol-1 边界的关键。

mGlu4 PAM 是 class C GPCR 别构调节问题，功能结果依赖非常细微的构象状态。作者测试 41 个化合物，FLIPR 未检测到活性。

AMY3 是 calcitonin receptor 与 RAMP3 组成的 receptor complex，非单链 GPCR，且小分子非肽结合模式不清晰。49 个化合物 cAMP assay 未检测到活性。

MALT1 反而是有较多已知配体和结构信息的靶点，但 33 个化合物 SPR 未获得 confirmed binder。附录中提到一个弱 SPR signal 分子未被 MST/SpS 和 nanoDSF 支持，并受 autofluorescence 干扰，因此排除。这个案例提醒我们，即使模型有 in-distribution 经验，也不保证一定找到新 chemotype。

Nav1.8 的失败尤其有解释价值。虽然 Nav family 在训练数据中有较强序列覆盖，但目标是 VSD2 allosteric site，而已知小分子结构多来自 pore domain，不是 VSD2。也就是说，序列相似性不等于位点机制相似性，更不等于 binding mode 可迁移。

7. ADMET 结果说明了什么？

论文不仅做 target activity，还对筛选出来的一部分化合物做实验 ADMET profiling。

7.1 LogD：连续预测较可靠

在 59 个前瞻性 profiling compounds 上，预测 LogD 与实验 LogD 的 Pearson r 为 0.91，MAE 为 0.61 log units。作者认为这说明模型可用于 lipophilicity triage。

7.2 KSol：三分类比连续预测更贴近使用场景

KSol 模型输出高、中、低三类。实验结果显示：

• • predicted-high bin 中 12 个化合物全部为高溶解度；
• • predicted-low bin 中 34 个化合物里有 29 个确认为低溶解度，且没有被误分为高溶解度；
• • moderate bin 吸收了不确定分子。

这说明模型更像一个 early triage gate：低溶解度 bin 可以优先剔除，高溶解度 bin 可以优先推进。

7.3 Caco-2：对被动渗透性有用，但 efflux substrate 仍难

Caco-2 permeability 模型在具有可测溶解度的 16 个化合物上得到 r = 0.65、MAE = 0.21。加入 P-gp/BCRP efflux inhibitor GF120918 后，模型与实验更一致；如果不考虑 inhibitor runs，同一组上的 r 降至 0.53、MAE 升至 0.37。作者也承认模型不能稳定识别 efflux substrates，仍需要正交信息。

这个结果很现实：ADMET 模型可以减少明显不合适分子进入实验，但不能替代完整 DMPK profiling。尤其是 efflux、转运体、代谢稳定性和血浆蛋白结合等问题，仍然需要实验闭环。

启发

启发一：AI 虚拟筛选的目标不应只是更大规模，而是更高实验转化率

过去很多虚拟筛选工作强调能筛多少分子。BoltzMol-1 强调的是在有限实验预算下如何提高命中概率。对真实项目来说，10 亿分子虚拟筛选不一定比 50 个高质量采购候选更有价值。

启发二：模型排序必须和药化过滤绑定

如果模型只给出高分，但分子不可买、不可测、不可优化，项目价值有限。BoltzMol-1 把 drug-like filter、virtual PAINS 和 ADMET triage 放进同一流程，说明 AI 筛选正在从单模型分数走向项目流程设计。

启发三：functional activity 不能由 binding score 自动推出

GLP-2R 和 MRGPRX2 结果说明，模型可以发现 binder，但 agonist、antagonist、PAM、NAM、inverse agonist 等功能模式仍然需要实验确定。对 GPCR、离子通道和别构调节靶点来说，这是不可忽视的边界。

启发四：前瞻性失败比 retrospective 高分更有信息量

mGlu4、AMY3、MALT1 和 Nav1.8 的失败帮助我们理解模型边界：构象状态不对、位点机制不匹配、复合体结构复杂、训练先验与目标位点错位，都可能导致失败。真正有价值的 AI 制药论文不应该只展示成功案例，也应该系统解释失败案例。

启发五：ADMET 应该从 hit selection 阶段就介入

很多项目先找 binder，再补 ADMET。BoltzMol-1 的逻辑是：如果实验预算很少，应该尽早避免把机会浪费在明显不可推进分子上。尤其在几十个化合物预算下，ADMET 不是后处理，而是筛选前置条件。

局限性

1. composite score 的权重和校准细节不够透明

作者提到通过内部 retrospective benchmark 校准多个输出信号权重，但没有充分公开这些 benchmark 的构成、权重公式和消融结果。因此外部研究者难以判断提升来自哪一部分：是 Boltz-2 本身、score recombination、药化过滤、virtual PAINS 排除，还是 target selection 与人工 triage。

2. 缺少严格同条件 baseline

论文没有系统展示在相同商业库、相同预算、相同靶点上与强 docking workflow、传统 ligand-based 筛选、随机采购、相似性筛选或人工药化筛选的 head-to-head 对照。没有这个对照，就很难量化 BoltzMol-1 相对于最佳传统流程到底提升多少。

3. 成功靶点中的 potency 多数仍是 early hit 水平

GLP-2R 中有 0.07 µM 的较强拮抗剂，但许多命中仍在微摩尔到几十微摩尔水平。PknB 虽有 16 个 actives，但 IC50 范围为 23.2–399 µM。STAT6 binder KD 约 30 µM。它们更适合作为 hit 或 tool starting points，而不是直接 lead 或 preclinical candidate。

4. 功能模式不可控

GLP-2R 和 MRGPRX2 的筛选没有功能偏置，模型排序的是结合置信度，不是功能方向。对 GPCR 项目而言，如果目标是 antagonist，却筛到 agonist，可能会改变项目意义甚至带来安全性风险。因此，BoltzMol-1 还需要与状态选择性建模、构象集合筛选或功能 readout 数据结合。

5. 靶点构象和口袋定义仍是关键风险

mGlu4 PAM、Nav1.8 VSD2 和 AMY3 的失败提示，正确的 target setup 可能比模型本身更重要。蛋白构象、变构状态、复合体组装、参考配体、口袋残基选择，都会决定模型在什么结构状态上评分。BoltzMol-1 降低了用户进入门槛，但没有消除结构生物学判断的必要性。

8. ADMET 模型仍处于 triage 层面

LogD 和 LogS 结果比较有用，Caco-2 对 efflux substrates 的识别仍然有限。论文也明确表示，对 active efflux 的捕捉仍困难，不能仅靠模型 triage efflux-substrate chemistry。

9. commercial catalog bias 不可忽视

BoltzMol-1 的优势是可采购，但这也意味着搜索空间受到供应商库的化学偏置限制。如果某个靶点需要特殊 chemotype，而商业库覆盖不足，即使模型排序正确，也可能没有真正合适的分子可选。MALT1 的失败就可能与筛选集合中缺少合适 allosteric pocket chemotype 有关。

对 AI 制药未来发展的意义

1. 虚拟筛选评价会从 retrospective benchmark 转向 prospective hit rate

BoltzMol-1 这类工作推动领域重新思考评价标准。未来评价模型时，可能不能只看 PDBBind、DUD-E、DEKOIS 或 CASF 上的指标，而要看：

• • 每个靶点测试多少化合物；
• • 命中率是多少；
• • hit potency 是否可优化；
• • 是否有正交 assay；
• • 是否有 counter-screen；
• • 是否出现 SAR；
• • 分子是否可采购、可合成、可推进；
• • 从计算到实验需要多久；
• • 每个 confirmed hit 的成本是多少。

这比单纯报告 ROC-AUC 更接近药物发现真实目标。

2. AI 模型需要变成 workflow，而不是单点打分器

BoltzMol-1 的一个重要信号是：未来 AI 制药系统可能不再以单个模型为核心，而是以 workflow 为核心。一个有用的系统至少需要包括：

• • target setup；
• • binding prediction；
• • uncertainty/confidence；
• • library design；
• • drug-like filtering；
• • virtual PAINS/counter-screen；
• • ADMET triage；
• • procurement；
• • assay selection；
• • SAR follow-up；
• • feedback loop。

这也是 AI agentic workflow 在药物发现中更现实的落点。

3. 小团队可能获得更低门槛的 hit discovery 能力

如果一个平台能让非计算背景研究者通过 GUI 或 API 输入靶点和分子库，并在几十个化合物预算内获得实验起点，那么它对学术实验室、早期 biotech 和靶点验证项目有实际意义。论文也强调 Boltz Lab GUI 为非计算导向的生物学团队提供入口，API 则适合计算或 agentic workflow。

4. 结构生物学可能受益于弱 binder 发现

很多新靶点缺少小分子配体，不是因为没有药理价值，而是因为缺少能稳定结构状态的 binder。BoltzMol-1 找到的微摩尔级 binder 即使不能直接成药，也可能帮助共晶、cryo-EM、竞争实验或构象稳定，从而反过来推动基于结构的药物设计。

5. 失败案例会推动更好的状态选择性和构象集合建模

mGlu4、AMY3 和 Nav1.8 说明，仅靠单一结构状态或序列相似性不够。未来改进方向可能包括：

• • 多构象 ensemble screening；
• • 状态选择性 GPCR/ion channel 建模；
• • pocket-specific fine-tuning；
• • ligand-induced fit 与蛋白柔性建模；
• • 结合功能 readout 的多任务学习；
• • 用失败实验反馈更新排序模型；
• • 将 orthogonal assays 纳入主动学习闭环。