boltz

Boltz 構造予測

前提条件

要件	最小	推奨
Python	3.10+	3.11
CUDA	12.0+	12.1+
GPU VRAM	24GB	48GB (L40S)
RAM	32GB	64GB

実行方法

初めてですか？ Modal と biomodals のセットアップについては、はじめにをご覧ください。

オプション 1：Modal

cd biomodals
modal run modal_boltz.py \
  --input-faa complex.fasta \
  --out-dir predictions/

GPU：L40S (48GB) | タイムアウト：デフォルトで 1800s

オプション 2：ローカルインストール

pip install boltz

boltz predict \
  --fasta complex.fasta \
  --output predictions/

主なパラメーター

パラメーター	デフォルト	範囲	説明
--recycling_steps	3	1-10	リサイクル反復回数
--sampling_steps	200	50-500	拡散ステップ数
--use_msa_server	true	bool	MSA サーバーを使用

FASTA 形式

>protein_A
MKTAYIAKQRQISFVK...
>protein_B
MVLSPADKTNVKAAWG...

出力形式

predictions/
├── model_0.cif       # Best model (CIF format)
├── confidence.json   # pLDDT, pTM, ipTM
└── pae.npy          # PAE matrix

注：Boltz は CIF 形式で出力します。必要に応じて PDB に変換してください：

from Bio.PDB import MMCIFParser, PDBIO
parser = MMCIFParser()
structure = parser.get_structure("model", "model_0.cif")
io = PDBIO()
io.set_structure(structure)
io.save("model_0.pdb")

比較

機能	Boltz-1	Boltz-2	AF2-Multimer
MSA フリーモード	はい	はい	いいえ
拡散	はい	はい	いいえ
速度	高速	より高速	より低速
オープンソース	はい	はい	はい

出力例

実行成功

$ boltz predict --fasta complex.fasta --output predictions/
[INFO] Loading Boltz-1 weights...
[INFO] Predicting structure...
[INFO] Saved model to predictions/model_0.cif

predictions/confidence.json:
{
  "ptm": 0.78,
  "iptm": 0.65,
  "plddt": 0.81
}

良好な出力の目安：

• pTM：> 0.7（全体構造の信頼度が高い）
• ipTM：> 0.5（インターフェースの信頼度が高い）
• pLDDT：> 0.7（残基ごとの信頼度が高い）
• CIF ファイル：一般的な複合体で約 100～500 KB

判断フロー

Should I use Boltz?
│
├─ What are you predicting?
│  ├─ Protein-protein complex → Boltz ✓ or Chai or ColabFold
│  ├─ Protein + ligand → Boltz ✓ or Chai
│  └─ Single protein → Use ESMFold (faster)
│
├─ Need MSA?
│  ├─ No / want speed → Boltz ✓
│  └─ Yes / maximum accuracy → ColabFold
│
└─ Why Boltz over Chai?
   ├─ Open weights preference → Boltz ✓
   ├─ Boltz-2 speed → Boltz ✓
   └─ DNA/RNA support → Consider Chai

一般的なパフォーマンス

キャンペーン規模	所要時間 (L40S)	コスト (Modal)	備考
100 複合体	30-45 min	~$8	標準的な検証
500 複合体	2-3h	~$35	大規模キャンペーン
1000 複合体	4-6h	~$70	包括的

複合体あたり：一般的なバインダーと標的の複合体で約 15～30 秒です。

---

検証

find predictions -name "*.cif" | wc -l  # Should match input count

---

トラブルシューティング

信頼度が低い場合：recycling_steps を増やしてください OOM エラー：MSA フリーモードまたは A100-80GB を使用してください 予測が遅い場合：sampling_steps を減らしてください

エラーの解釈

エラー	原因	対処方法
RuntimeError: CUDA out of memory	複合体が大きすぎます	--use_msa_server false またはより大きな GPU を使用してください
KeyError: 'iptm'	単一鎖のみです	FASTA に 2 本以上の鎖が含まれていることを確認してください
FileNotFoundError: weights	モデルがありません	先に boltz download を実行してください
ValueError: invalid residue	標準外アミノ酸です	配列に修飾残基がないか確認してください

Boltz-1 と Boltz-2 の比較

項目	Boltz-1	Boltz-2
速度	高速	より高速
精度	良好	向上、特に抗体と抗原
リガンド	基本的	より優れたサポート
親和性予測	いいえ	はい（低分子結合）
リリース	2024	2025

現在のデフォルトは Boltz-2 です。設計パイプラインで v1 モデルを逆向きに使う場合は、引き続き Boltz-1 が使用されます。

親和性予測（Boltz-2）

Boltz-2 は、自由エネルギー摂動に近い精度を、わずかなコストで実現する親和性予測モジュールを追加しています。低分子の結合データで学習されているため、タンパク質とリガンド、および低分子を扱う際に使用してください。タンパク質間の結合親和性は予測しません。タンパク質バインダーの場合は、インターフェースの信頼度（ipTM、ipSAE）を参考にしてください。

---

次へ：フィルタリングとランキングには protein-qc を使用してください。