Naukowcy z MIT stworzyli AI, która projektuje białkowe leki od podstaw — i może zaoszczędzić farmaceutycznym gigantom miliardy dolarów rocznie.
Rewolucja, która nadeszła z Cambridge
Przez dekady odkrywanie nowych leków przypominało szukanie igły w stogu siana. Laboratoryjni naukowcy testowali tysiące związków chemicznych, zanim znaleźli jeden obiecujący kandydat. Koszt wprowadzenia pojedynczego leku na rynek sięgał 2,6 miliarda dolarów, a czas od odkrycia do apteki wynosił średnio 12 lat.
MIT AI drug discovery właśnie wywróciło ten model do góry nogami. W ciągu zaledwie 18 miesięcy laboratoria Massachusetts Institute of Technology opublikowały serię przełomów: Boltz-1 (listopad 2024), Boltz-2 (czerwiec 2025), BoltzGen (październik 2025) i Pichia-CLM (luty 2026). Każdy kolejny model rozwiązywał nowy, konkretny problem w procesie tworzenia leków — od przewidywania struktury białek, przez modelowanie wiązań, aż po projektowanie nowych cząsteczek od zera.
BoltzGen, flagowy projekt prof. Reginy Barzilay, jest modelem generatywnym. Nie szuka gotowych cząsteczek — on je tworzy. Projektuje białkowe binders dla dowolnego biologicznego celu, w tym dla tzw. “undruggable targets”, czyli celów, które dotychczas uważano za niemożliwe do zaatakowania lekiem. W niezależnych testach laboratoryjnych BoltzGen skutecznie zaprojektował aktywne cząsteczki dla 66% zupełnie nowych, wcześniej nieznanych celów terapeutycznych.
Jak działa BoltzGen? Cztery innowacje, które zmieniają wszystko
BoltzGen wyróżnia cztery kluczowe cechy techniczne. Po pierwsze — unifikacja: model jednocześnie projektuje białka i przewiduje ich strukturę, co wcześniej wymagało dwóch oddzielnych narzędzi. Po drugie — elastyczny język specyfikacji projektowania, umożliwiający pracę z białkami, peptydami, nanociałami i innymi cząsteczkami w jednym systemie.
Po trzecie — reprezentacja geometryczna reszt aminokwasowych, która zastąpiła tradycyjne, dyskretne etykiety. Dzięki temu model może uczyć się wzorców na ogromnych, zróżnicowanych zbiorach danych biologicznych. Po czwarte — rygorystyczna walidacja w mokrym laboratorium: BoltzGen jest testowany na celach, dla których nie istnieją znane ligandy, co odzwierciedla realne warunki odkrywania leków. Wyniki walidacji obejmują antybiotyki, onkologię i inhibitory GLP-1.
Kod BoltzGen jest w pełni otwarty i dostępny dla każdego badacza na świecie — to świadomy wybór MIT, który demokratyzuje dostęp do narzędzi na poziomie Big Pharmy.
Pichia-CLM: AI tnie koszty produkcji leków białkowych
Równolegle, w lutym 2026, MIT opublikował w prestiżowym piśmie Proceedings of the National Academy of Sciences badanie dotyczące modelu Pichia-CLM. Model ten rozwiązuje zupełnie inny, ale równie kosztowny problem: produkcję leków białkowych w przemysłowych drożdżach Komagataella phaffii.
Optymalizacja sekwencji kodonów — genetycznych instrukcji dla drożdży — to proces, który bezpośrednio wpływa na wydajność produkcji. Pichia-CLM przeanalizował pełny kod genetyczny drożdży i nauczył się wzorców kodonowych jak model językowy uczy się wzorców słów. Następnie zoptymalizował sekwencje dla sześciu różnych białek: hormonu wzrostu, albuminy ludzkiej i trastuzumabu — przeciwciała monoklonalnego stosowanego w leczeniu raka piersi.
Wynik: dla pięciu z sześciu białek model przewyższył wszystkie dostępne komercyjne narzędzia do optymalizacji kodonów. Dla szóstego zajął drugie miejsce. To oznacza niższe koszty produkcji biologicznych leków na skalę przemysłową, co bezpośrednio przekłada się na ich cenę dla pacjentów.
Warto poczytać też o wcześniejszych przełomach AI w medycynie — sztuczna inteligencja w diagnostyce oraz o tym, jak algorytmy ML zmieniają farmację.
Co to oznacza dla pacjentów w Polsce i Europie?
Firmy farmaceutyczne w Europie wydają rocznie łącznie ponad 40 miliardów euro na badania i rozwój. Każde narzędzie, które skraca fazę wczesnego odkrycia — nawet o 30–40% — oznacza oszczędności przekładające się na szybsze dostępność terapii. BoltzGen i Pichia-CLM atakują właśnie te najbardziej kosztowne i czasochłonne etapy procesu.
Dla polskich pacjentów najważniejsza może okazać się perspektywa nowych terapii w onkologii i chorobach rzadkich. BoltzGen wykazał szczególną skuteczność w projektowaniu cząsteczek dla celów związanych z nowotworami i chorobami neurodegeneracyjnymi — schorzeniami, na które wciąż brakuje skutecznych leków. W Polsce co roku diagnozuje się ponad 170 000 nowych przypadków nowotworów — każde przyspieszenie w odkrywaniu leków ratuje życie.
Europejska Agencja Leków (EMA) obserwuje rozwój AI w farmacji uważnie. Regulatorzy szukają ram prawnych, które pozwolą certyfikować leki opracowane przy wsparciu generatywnych modeli AI. To kwestia najbliższych 2–3 lat — i moment, w którym przełomy z MIT przejdą z laboratorium do apteki.
Warto śledzić też, jak europejskie regulacje AI wpływają na przemysł farmaceutyczny.
Podsumowanie
- MIT opracował serię modeli AI (BoltzGen, Boltz-2, Pichia-CLM), które rewolucjonizują odkrywanie i produkcję leków białkowych.
- BoltzGen projektuje białkowe cząsteczki od zera dla 66% nowych celów terapeutycznych — w tym dla nowotworów i chorób neurodegeneracyjnych.
- Pichia-CLM obniża koszty produkcji leków biologicznych, przewyższając wszystkie komercyjne narzędzia w 5 z 6 testów.
- Dla pacjentów w Polsce i Europie oznacza to perspektywę szybszych, tańszych terapii — szczególnie w onkologii i chorobach rzadkich.
📌 Źródła
- MIT News – New AI model could cut the costs of developing protein drugs (Feb 2026)
- The Prompt Buddy – How MIT’s BoltzGen and Boltz-2 slash drug discovery costs (Mar 2026)
- MIT News – BoltzGen generative AI model for hard-to-treat diseases (Nov 2025)
- National Today – AI Model May Slash Protein Drug Development Costs (Feb 2026)
