Intology Locus: AI-kutató rendszer molekulatervezésre

Mi történt?

Az Intology november 3-án bemutatta, hogyan használja Locus nevű autonóm AI-kutató rendszerét gyógyszerkutatási modellek fejlesztésére (Intology). A Locus maga tervez, tanít és értékel modelleket, emberi beavatkozás nélkül. Az Intology a Codexszel és a Claude Code-dal is összevetette.

Az eredmények

• Kötési affinitás: a Locus a Boltz-2 modellt hat célfehérjére (köztük EGFR, MAO-B, PLK4) adaptálta 12 H100-óra alatt. Spearman-korrelációja 0,622 lett, a Boltz-2.1 API 0,225-öt, a Claude Code (Opus 5 Max) 0,450-et, a Codex (GPT-6 Astra Max) 0,569-et ért el.
• Tulajdonság-előrejelzés: egy zárt feladaton kb. 1 millió szintetikus címkéig és milliárdos paraméterszámig skálázta a megoldást.
• Antitest-munkafolyamatok: 1,5–2,8-szor kevesebb jelöltből jutott el ugyanoda.
• ESM-alapú munkafolyamat: top-2 pontszáma 0,797, a Codexé 0,758, az ESMFold2-é 0,704, kb. hatszoros jelölthatékonysággal.

A korlátok

Az antitestes eredmények in silico proxy metrikán (ipSAE) alapulnak, a laboratóriumi validáció még hátravan. Érdekes részlet, hogy a Claude Opus és a GPT-6 Astra az antitestes feladatoknál biológiai biztonsági szűrőket aktivált, ezért ott a GPT-5.6 Sol High modellt használták.

Miért fontos?

Az AI-t kutató AI eddig főleg gépi tanulási benchmarkokon mutatkozott meg. Itt egy valódi iparági területen, a molekulatervezésben ad jobb modelleket, mint az általános kódoló agentek. A Benchling és a Boltz szakemberei is méltatták az eredményt. A végső mérce viszont a nedves labor lesz. Kérdés az is, mennyire korlátozzák a biztonsági szűrők az ilyen munkát.