BoltzMol-1 的 ADMET 模型采用 Excelra 旗下 GOSTAR™ 中经过整理的 ADME 数据进行训练。

印度海得拉巴和马萨诸塞州剑桥2026年11月11日 /美通社/ -- Boltz PBC 与 Excelra 达成合作，利用 GOSTAR™ 数据支持其 AI 药物发现模型。GOSTAR™ 中经过整理的动力学溶解度、亲脂性及 Caco-2 细胞通透性测量数据，被用于训练 BoltzMol-1 中的 ADMET 模型。这些模型承担早期筛选功能，在购买或合成化合物之前，剔除性质不理想的候选化合物。

Excelra’s GOSTAR™ Powers Boltz’s AI Models for Drug Discovery

在近期的一份技术报告中，Boltz 对 10 个具有挑战性的靶点开展了前瞻性测试，其中大多数靶点未包含在其亲和力训练数据中。每个靶点仅测试 28 至 96 种化合物，便确认了针对其中 6 个靶点的结合分子或活性化合物。相比之下，传统高通量筛选需要测试数千至数百万种化合物，而命中率往往低于 0.15%。在严格的分布外化学数据测试中，其采用 GOSTAR™ 数据训练的 ADMET 模型，性能已达到或超过了领先的开源 ADMET 软件包，其中溶解度和通透性预测的提升最为显著。

Boltz PBC 联合创始人兼首席执行官 Gabriele Corso 表示：“GOSTAR™ 数据集的规模优势，有助于我们构建能够适用于远超常规训练数据覆盖范围的化学空间的模型。它已成为 Boltz 各项建模工作的重要数据来源，为我们节省了大量时间。”

Excelra 首席执行官 Anandbir Brar 表示：“我们很自豪能够支持 Boltz，不断拓展 AI 驱动药物发现的前沿。公开数据源恰恰缺乏如此规模的经整理数据和溶解度数据，而这正是 GOSTAR™ 旨在提供的：为模型奠定基础，使其不仅在回顾性基准测试中表现可靠，也能经得起前瞻性数据的检验。”