Structure Prediction (Boltz-2)

简介

基于MIT（麻省理工学院）的Boltz-2算法的AF3 like结构预测模型。Boltz-2是一种开源深度学习模型，融合了模型架构、速度优化和数据处理方面的创新，在预测生物分子复合物的 3D结构方面达到了 AlphaFold3 级的准确度。Boltz-2 在一系列不同的基准测试中表现出与最先进的商业模型相当的性能，为结构生物学中可商业化使用的工具树立了新的标杆。

更新
相比于Boltz-1x，Boltz-2新增亲和力预测。

Boltz-2介绍

Boltz-2介绍

什么是 Boltz-2？

Boltz-2 是一个专为“生物分子交互”设计的 AI 大模型，它可以：

• 预测蛋白质与小分子之间的结合位置
• 判断结合是否牢固（亲和力）
• 模拟结构在不同实验条件下的变化
  一句话：从结构到功能，Boltz-2 一网打尽。
  

它解决了哪些痛点？

目前，最准确的亲和力预测方法是“自由能微扰（FEP）”，但它计算成本高，跑一次可能要几天。
相比之下：

• Boltz-2 预测速度比 FEP 快 1000 倍
• 预测准确度接近 FEP
• 还能支持海量筛选和分子设计
  更重要的是，Boltz-2 是开源的，科研/药企都可以免费使用！
  

实际表现如何？

Boltz-2 在多个实际药物研发场景中展现了优异性能：

• 药物优化在测试集中，Boltz-2 能准确判断出哪个小分子“粘得更牢”，效果逼近 FEP，却快了 1000 倍。
• 虚拟筛选面对几十万小分子，Boltz-2 迅速筛出潜在活性物。比如在 TYK2 靶点测试中，Boltz-2 筛出的 top10 中有 8 个被后续模拟证实有效。
• 结构预测升级比起上代模型，Boltz-2 在 RNA、抗体等复杂结构中表现更好，还能根据“实验方式”个性化调整预测结果。
  

它背后的“秘密武器”有哪些？

虽然我们不展开技术细节，但 Boltz-2 之所以强大，主要靠以下三点：

• 更聪明的数据整理方式 团队从海量的公开数据库中精挑细选了高质量数据，并去除噪音，训练出更可靠的模型。
• 结合生成模型，一边筛一边设计 Boltz-2 不仅能“判断好坏”，还能与分子生成模型搭配，设计全新的小分子，大大拓展化合物空间。
• 可控性更强 研究者可以指定结构预测使用的条件，比如使用 NMR 实验数据，或加入自己感兴趣的结合位点，模型都能灵活应对。
  

它能做什么？你能用它做什么？

Boltz-2 为药物研发、蛋白结构预测、AI 驱动分子设计提供了一个强大的通用平台：

• 制药企业可以大规模筛选候选药物
• 生物研究者可以探索蛋白-小分子交互机制
• AI 从业者可以基于它开发更多垂直应用
  

Boltz-2 让 AI 第一次真正具备了“预测小分子是否好用”的能力，速度快、准确率高，开启新一代智能药物发现时代。

模型机制类 Q&A

• Q1：Boltz‑2 为什么不默认开启 Steering（结构引导）？
  A：Steering 会让推理变慢约 2 倍，而且当前参数是在不使用 Steering 的情况下优化的。未来可能默认开启，但需重新调参。

• Q2：Steering Potential 会不会让结构偏离真实构象？
  A：Steering 的目的是将采样引导回“真实分布流形”，不会盲目收缩采样空间，但需要在“有效性”与“物理合理性”之间找到平衡。

• Q3：结构相似性是按口袋还是全结构算的？会不会数据泄漏？
  A：使用的是全结构相似性，这确实存在争议，但现实中药物研发常常面对有序列信息的靶点。我们已尽力控制信息泄漏风险。

结构与亲和力预测相关 Q&A

• Q4：Boltz‑2 的亲和力预测是回归还是分类？
  A：两者都有，输出包括：

  • 连续亲和力值（如 ∆Ki）
  • 二分类概率（binder vs decoy）

• Q5：亲和力数据怎么处理？不准确怎么办？
  A：主要训练 ∆Ki（同一实验内的相对值），因为原始 Ki/IC50 数据误差大。用 Cheng–Prusoff 公式统一 Ki 与 IC50。训练集只保留剂量-反应测量，删除噪声高/不可重复实验。

• Q6：Boltz‑2 对结构准确性要求高吗？
  A：是的，只训练了 ipTM ≥ 0.75 的结构。结构质量是亲和力预测成功的前提。

• Q7：Boltz‑2 是否支持金属离子相关配体？
  A：不支持。带金属离子的复合物在数据准备阶段已被过滤掉。

适用范围与局限 Q&A

• Q8：适用于哪些分子体系？
  A：蛋白、小分子、RNA、DNA 等多模态复合物。对于大构象变化或柔性蛋白，性能会下降。

• Q9：Boltz‑2 和 OpenFE、FEP+ 比如何？
  A：在公开 benchmark 上性能优于 OpenFE，略低于商业级 FEP+，但速度优势巨大（~1000× 快）。

• Q10：在 Recursion 内部数据集上效果好吗？
  A：效果一般，说明模型仍对真实分布存在泛化问题。

拓展与未来方向 Q&A

• Q11：能用于蛋白–蛋白亲和力预测吗？
  A：还不支持，但开发中，预计未来几个月会发布 PPI affinity 模块。

• Q12：能预测 ADME 或毒性吗？
  A：某些毒性通路是结合驱动的，可以利用结构模型辅助预测。参考 BioEmu（Frank Noé）相关研究。

• Q13：能预测药物耐药性吗？
  A：我们也想知道，希望后续能验证。

• Q14：Boltz‑2 可以与 MD 数据结合使用吗？
  A：有讨论过，但还没有标准策略，未来可能探索“Boltz + MD”混合建模框架。

动态计算量扣除规则

数量 <= 5时，  token消耗 = 数量*500
数量 <= 100时，token消耗 = 2000 + (数量- 5) * 300 
数量 > 100时， token消耗 = 2000 + 95 * 300 + (数量- 100) * 100

注意：Virtual Screening Mode中数量指小分子的个数

参数说明

Single Mode

Protein Sequence

蛋白的序列文件，FASTA格式，支持多条序列。
注意：多蛋白复合物结构预测，其氨基酸序列输入格式如下：

>protein1
AASJ...
>protein2
AASJ...
>peptide
ASDF...

DNA Sequence

DNA核酸的序列文件，FASTA格式，支持多条序列。

RNA Sequence

RNA核酸分子的序列文件，FASTA格式，支持多条序列。

备注：当前24GB的GPU显存支持计算的残基/碱基数量在1000个左右。

Ligand

文本文件包含小分子信息，TXT格式。支持SMILES或 CCD Code（化学组分词典编号）。如果使用SMILES格式，每行应包含一个小分子；如果使用CCD Code，每行可以包含一个或多个小分子，使用逗号分隔，并加上CCD前缀。示例如下：

CC(=O)OC1C[NH+]2CCC1CC2
CCD,ATP,HY3,P1L
CCD,MG

注意：不适用于配体蛋白或多肽的氨基酸序列格式输入。

Modification

包含翻译后修饰（PTM）信息的文本文件，TXT格式。每行放置一个PTM信息，每个PTM信息由三部分组成：

• 发生PTM序列的顺序编号
• PTM类型的CCD编号
• 发生PTM的残基位置编号
  三部分由逗号分隔，例如：1,HY3,1 表示第一条序列的第一个残基，发生了类型为HY3（CCD编号，为3-羟基脯氨酸，为脯氨酸的羟基化）的PTM
  备注：
• 序列的顺序编号，是依次按上述参数Protein、DNA、RNA中的序列顺序与数量，从1开始进行编号，例如：当有2条蛋白序列，1条DNA序列，1条RNA序列时，各序列对应的编号为：第一条蛋白序列编号为1，第二条蛋白序列编号为2，DNA序列编号为3，RNA序列编号为4
• CCD的介绍参考https://www.wwpdb.org/data/ccd 编号查询网址为https://www.ebi.ac.uk/pdbe-srv/pdbechem/
  包含多个PTM信息的文件内容示例如下：

1,HY3,1
1,P1L,5
2,HY3,3

Cycle

指定需要环化的序列的顺序编号，如1,2表示第一和第二条序列都进行首尾相连的环化。

Covalent Bond

共价键信息的文本文件，TXT格式。每行放置一个共价键信息，每个共价键信息包含两个原子信息，每个原子信息由三部分组成：

• 原子所在序列或小分子的顺序编号（编号规则在Modification中定义的序列编号规则基础上，在最后加入小分子的顺序即可）
• 原子所在残基的位置编号（如残基为小分子时，编号为1）
• 原子的标准名称（CCD中定义）
  三部分由逗号分隔，例如：3,1,CA表示第三个实体（序列或小分子）中的第一个残基（或小分子）的CA原子
  一个共价键是由两个原子信息组成，原子间用分号分隔，如：1,1,CA;2,1,CA
  表示一个共价键，该共价键由两个原子组成，第一个原子为1,1,CA，第二个原子为2,1,CA
  包含多个共价键信息的文件内容示例如下：

1,1,CA;2,1,CA
1,1,CA;3,1,CHA

Contact

接触类型限制信息的文本文件，TXT格式。每行放置一个接触对（残基或小分子CCD中的标准原子名称）的信息，每个接触对信息由三部分组成：

• 接触对中的第一个残基或原子信息，由其所在序列/小分子顺序编号与残基位置编号/原子名称组成，逗号分隔，如：1,25 表示第一个实体（序列）的第25个残基，2,CA表示第二个实体（小分子）中的CA原子。
• 接触对中的第二个残基或原子信息，格式如上述。
• 接触对残基或原子之间的最大距离（单位为埃），如6.0,支持范围为4.0-20.0之间

上述三部信息之间也用英文分号“;”进行分隔，例如：1,35;2,62;6.0表示第一条序列中的第35号残基，与第二条序列的第62号残基，靠近接触，且两者之间的最大距离为6埃。1,35;2,CA;6.0表示第一条序列中的第35号残基，与第二个实体（小分子）的CA原子，靠近接触，且两者之间的最大距离为6埃。
包含多个结合位点信息的文件内容示例如下：

1,35;2,62;6.0
1,48;2,CA;6.0

注意：Boltz2不支持SMILES格式的小分子定义Contact

Pocket

结合位点类型限制信息的文本文件，TXT格式。每行放置一个结合位点信息，每个结合位点信息由三部分组成：

• Binder的顺序编号（与共价键定义中的序列或小分子的顺序编号一致），Binder可以是小分子，蛋白/核酸序列的任意一种，目前一个结合位点只支持定义一条Binder（即一个编号）
• 结合位点的残基信息，每个残基信息由其所在序列编号与残基位置编号组成，逗号分隔，如：1,25 表示第一条序列中的第25个残基；可以定义多个残基信息，由英文分号“;”进行分隔，如1,25;1,27;1,32;1,38表示第一条序列中的第25/27/32/38号残基形成结合位点
• Binder与结合位点残基之间的最大距离（单位为埃），如6.0,支持范围为4.0-20.0之间

上述三部信息之间也用英文分号“;”进行分隔，例如：2;1,55;1,62;1,91;1,92;1,99;1,110;6.0表示第二个实体（序列或小分子）作为Binder，与第一条序列的第55/62/91/92/99/110号残基所形成的结合位点进行结合。且两者之间的最大距离为6埃。
包含多个结合位点信息的文件内容示例如下：

2;1,55;1,62;1,91;1,92;1,99;1,110;6.0
3;1,25;1,27;1,32;1,38;8.0

Template

指定结构建模时，使用的模板结构文件，PDB或CIF格式(推荐CIF格式，PDB格式缺失头信息时Boltz处理会报错)，当前仅适用于蛋白序列。从PDB下载的结构作为模板时，建议先调用Structure Preparation模块进行结构预处理

Force

在使用模板进行结构建模时，是否增加强制约束:
True：模板作为硬约束，预测的结构会被"强制"向模板结构靠拢，而非仅作为参考信息。通过在能量函数中引入约束势能（restraint potential）来实现。注意：此模式可能会引起部分结构的断裂。
False：模板仅作为参考信息，允许预测结构与模板结构之间存在较大偏离。
默认为False。

Chain

在设置了Template参数时，如果只希望部分蛋白序列基于模板进行建模，可指定该参数，设置需要进行模板建模的蛋白序列顺序编号（同Modification参数中定义），支持多条蛋白序列，用英文逗号分隔。
例如：只希望第一条蛋白序列使用模版建模，该参数设置为1即可。如果希望第一条与第二条蛋白序列使用模版建模，该参数设置为1,2即可。

Affinity

指定小分子顺序编号（定义见Bond参数），进行亲和力评估，格式为正整数，且只能指定1个小分子，如：3表示要进行亲和力评估的是顺序编号为3的小分子。模型会评估复合物体系中该小分子与其他部分的结合亲和力。

Domain

定义的残基区域信息。模块将输出区域中所有残基平均的pLDDT数值。一个残基区域由序列顺序编号与残基组合编号组成：

• 序列顺序编号（同Modification参数中的定义），值为1时，可省略（即默认为1）
• 残基组合编号，使用残基位置编号，多个残基用逗号分隔，指定残基范围用横杠符号。如：“3,10,24-30”表示目标序列上的第3、第10与第24至30号残基。
  例如：1:24,28,32-40 表示第一条序列中的第24/28/32至40号残基所组成的区域，因为是第一条序列，数值1可以省略，等同于24,28,32-40 ，该区域的所有残基的平均pLDDT值将输出到结果文件中。

残基区域支持定义多个，每个残基区域之间用英文“;”分隔，例如：
1:24,28,32-40;2:15,23,50-60表示定义了两个区域，区域一为第一条序列的第24/28/32至40号残基，区域二为第二条序列的第15/23/50至60号残基。两个区域各自的残基平均pLDDT值，将输出到结果文件中。

Use Potentials

该参数对结构进行物理能量方面的微调，主要是优化clash、链重叠、配体的键长键角等。但对显存的要求高出许多（30%~60%），时间方面也会显著增长。

Format

输出结构的格式，支持PDB或CIF格式，默认为PDB格式。

Output_Score

结构打分的结果文件名，默认为pred_scores_boltz.csv

Output_Affinity

亲和力打分的结果文件名，默认为pred_affinity_boltz.csv

Batch Mode

动态计算量

≤ 5 条序列：500 计算量 / 条
第 6–100 条序列：300 计算量 / 条
超过 100 条的部分：100 计算量 / 条

注意：
1.当前系统最多支持 1000 个结构的批量预测
2.一条fasta序列为一个结构

Protein Sequence

蛋白的序列文件，FASTA格式，支持多条序列。
每一条记录代表一个待预测的结构，每条记录的名称要唯一不能重复。一条记录中有多条链时，通过英文冒号（:）相连，文件内容示例如下：

>1
EVQLVESGGGVVQPGRSLRLS:NFMLTQPHSVSVL:ELFPQWHLPIKIAAIIAS
>2
YYCAKDRRDMGYFQHWGQGTLVTVSSQWYQQRPGSAPTTVIYEDNQRPSGTPPTFMIAVFLPIVVLIFKSILFL

表示有两个待预测的结构，第一条记录的名称为1，有三条蛋白链，用:进行分隔。第二条记录的名称为2，为单链。

DNA Sequence

DNA核酸的序列文件，FASTA格式，支持多条序列。
每一条序列记录代表一个待预测的结构，每条记录的名称要唯一不能重复（可与Protein参数中的记录名称一致，表示该记录的DNA序列与Protein序列归属于同一结构）。一条记录中有多条链时，通过英文冒号（:）相连，文件内容示例如下：

>dna
GACCTCT:CCTAGCT
>1
CCTAGCT

表示有两条记录，第一条的名称为dna，有两条DNA链，用:进行分隔，因为该名称不存在与Protein示例记录中，属于新结构。第二条的名称为1，有一条DNA链，因为该名称存在于Protein示例记录中，则表示同属一个结构（该结构同时包含Protein序列和该DNA序列）。

RNA Sequence

RNA核酸分子的序列文件，FASTA格式，支持多条序列。
每一条序列记录代表一个待预测的结构，每条记录的名称要唯一不能重复（可与DNA或Protein参数中的记录名称一致，表示该记录的RNA序列与上面的DNA序列或Protein序列归属于同一结构）。一条记录中有多条链时，通过英文冒号（:）相连，文件内容示例如下：

>1
AGCU
>rna
AGGCU:UGAUC

表示有两条记录，第一条的名称为1，为单链，因为该名称存在于DNA及Protein示例记录中，表示同属一个结构（该结构同时包含了Protein序列、DNA序列及该RNA序列）。第二条的名称为rna，有两条RNA链，用:进行分隔，因为该名称不存在于DNA或Protein示例记录中，属于新结构。

Ligand

文本文件包含小分子信息，TXT格式。支持SMILES或 CCD Code（化学组分词典编号）。如果使用SMILES格式，每行应包含一个小分子；如果使用CCD Code，每行可以包含一个或多个小分子，使用逗号分隔。
每行代表一个待预测的结构，每行可放置多个ligand，且以唯一不重复的名称开头（该名称可与上述RNA，DNA或Protein参数中的记录名称一致，表示该行的所有ligands，与上述的RNA或DNA或Protein序列归属于同一结构），名称与所有ligands都以英文冒号（:）分隔。文件内容示例如下：

1:CC(=O)OC1C[NH+]2CCC1CC2:CCD,ATP,HY3
lig:CC1CC(CN2NC[N+](=C3CCC(OC(F)(F)F)CC3)C2=O)CC(C)C1OC(C)(C)C(=O)[O-]

表示有两条记录，第一条的名称为1，有三个ligand（一个SMILES，两个CCD codes），因为该名称存在于上述的RNA或DNA或Protein示例记录中，表示同属一个结构。第二条的名称为lig，有一个ligand（为SMILES），因为该名称不存在上述的RNA或DNA或Protein示例记录中，属于新结构。
注意：
1.不适用于配体蛋白或多肽的氨基酸序列格式输入。
2.可为所有待预测结构设置相同的小分子信息，设置方式为输入一行小分子信息（可多个），且不设置结构名称，如CC(=O)OC1C[NH+]2CCC1CC2:CCD,ATP，表示为所有结构都加入小分子CC(=O)OC1C[NH+]2CCC1CC2与ATP。

Modification

包含翻译后修饰（PTM）信息的文本文件，TXT格式。每个PTM的信息与Single模式中一致（参考Single模式中的定义）。
每行定义一个结构的所有PTM信息，且以唯一名称开头（该名称必须存在于前述的Protein或DNA或RNA记录中），都以英文冒号（:）分隔。文件内容示例如下：

1:1,HY3,1:1,P1L,5:2,HY3,3
2:1,HY3,1:2,HY3,3

表示前述名称为1的结构中（Protein或DNA或RNA），有三个PTM。名称为2的结构中，有两个PTM。
注意：在预测每个结构的序列数量相同的情况下，可为所有待预测结构设置相同的PTM信息，设置方式为输入一行PTM信息，且不设置结构名称，如：1,HY3,1:1,P1L,5:2,HY3,3表示这些PTM信息将应用到所有结构。

Cycle

包含需要环化的序列顺序编号的文本文件，TXT格式。每行定义一个结构的所有环化序列信息，且以唯一名称开头（该名称必须存在于前述的Protein或DNA或RNA记录中），都以英文冒号（:）分隔。文件内容示例如下：

complexA:2
complexB:2,3

表示前述名称为complexA的结构中（Protein或DNA或RNA），顺序编号为2的序列进行首尾相连的环化。名称为complexB的结构中，顺序编号为2和3的序列都进行首尾相连的环化。
注意：在预测每个结构的序列数量相同的情况下，可为所有待预测结构设置相同的环化信息，设置方式为输入一行环化信息，且不设置结构名称，如：2，表示为所有结构设置环化序列编号为2。

Covalent Bond

共价键信息的文本文件，TXT格式。每个共价键的信息与Single模式中一致（参考Single模式中的定义）。
Batch模式下，每行定义一个结构的所有共价键，且以唯一名称开头（该名称必须存在于前述的Protein或DNA或RNA记录中），都以英文冒号（:）分隔。文件内容示例如下：

1:1,1,CA;2,1,CA:1,1,CA;3,1,CHA
2:1,1,CA;3,1,CHA

表示前述名称为1的结构中（Protein或DNA或RNA），有两个共价键。名称为2的结构中，有一个共价键。
注意：在预测每个结构的序列数量相同的情况下，可为所有待预测结构设置相同的共价键信息，设置方式为输入一行共价键信息，且不设置结构名称，如：1,1,CA;3,1,CHA表示该共价键信息将应用到所有结构。

Contact

接触类型限制信息的文本文件，TXT格式。每个接触信息的定义与Single模式中一致（参考Single模式中的定义）。
Batch模式下，每行定义一个结构的所有接触信息，且以唯一名称开头（该名称必须存在于前述的Protein或DNA或RNA记录中），都以英文冒号（:）分隔。文件内容示例如下：

1:1,35;2,62;6.0
2:1,48;2,CA;6.0:1,35;2,62;6.0

表示前述名称为1的结构中（Protein或DNA或RNA），有一个接触限制。名称为2的结构中，有两个接触限制。
注意：在预测每个结构的序列数量相同的情况下，可为所有待预测结构设置相同的接触信息，设置方式为输入一行接触信息，且不设置结构名称，如：1,35;2,62;6.0表示该Contact信息将被应用到所有结构。

Pocket

结合位点类型限制信息的文本文件，TXT格式。每个结合位点信息的定义与Single模式中一致（参考Single模式中的定义）。
Batch模式下，每行定义一个结构的所有结合位点限制信息，且以唯一名称开头（该名称必须存在于前述的Protein或DNA或RNA记录中），都以英文冒号（:）分隔。文件内容示例如下：

1:2;1,55;1,62;1,91;1,92;1,99;1,110;6.0
2:1;2,15;2,17;2,18;2,56;6.0:1;3,76;3,78;3,96;8.0

表示前述名称为1的结构中（Protein或DNA或RNA），有一个结合位点限制。名称为2的结构中，有两个结合位点限制。
注意：在预测每个结构的序列数量相同的情况下，可为所有待预测结构设置相同的限制信息，设置方式为输入一行限制信息，且不设置结构名称。如：2;1,55;1,62;1,91;1,92;1,99;1,110;6.0表示该pocket信息将被应用到所有结构。

Affinity

指定小分子顺序编号（定义见Bond参数），进行亲和力评估，每个亲和力信息的定义与Single模式一致。
Batch模式下，每行定义一个亲和力信息，且以唯一名称开头（该名称必须存在于前述的Protein或DNA或RNA记录中），都以英文冒号（:）分隔。文件内容示例如下：

1:4
2:5

表示前述名称为1的结构中（Protein或DNA或RNA），有亲和力计算，其小分子Binder的顺序编号为4。名称为2的结构中，有亲和力计算，其小分子Binder的顺序编号为5。

注意：
1.Batch模式中如果设置该参数Affinity，则需要批量预测的每个结构中都有设置Affinity信息，否则会提示错误。
2.小分子 Binder 排序仅依赖 Protein、DNA、RNA 参数的序列顺序与数量，Ligand 不参与排序。**
3.在预测每个结构的序列数量相同的情况下，可为所有待预测结构设置相同的亲和力信息，设置方式为输入小分子的顺序编号，如：4，且不设置结构名称，表示所有结构中都进行亲和力计算，且小分子Binder的顺序编号为4。

Template

指定结构建模时，使用的模板结构文件(同Single模式)，当前仅适用于蛋白序列。从PDB下载的结构作为模板时，建议先调用Structure Preparation模块进行结构预处理

Force

在使用模板进行结构建模时，是否增加强制约束(同Single模式)。

Seed

随机数种子，用于控制预测过程中的随机性。

Use Potentials

该参数对结构进行物理能量方面的微调，主要是优化clash、链重叠、配体的键长键角等，但对显存的要求高出许客(30%6-60%)，时间方面也会显善增长。

Format

输出结构的格式，支持PDB或CIF格式，默认为PDB格式。

Virtual Screening Mode

虚拟筛选模式中，可一次性提交多个小分子，每个小分子会单独与蛋白/核酸体系计算亲和力。当前一次运行支持最大100个小分子。

Protein Sequence

蛋白的序列文件，FASTA格式，支持多条序列。(同Single模式)

DNA Sequence

DNA核酸的序列文件，FASTA格式，支持多条序列。(同Single模式)

RNA Sequence

RNA核酸分子的序列文件，FASTA格式，支持多条序列。(同Single模式)

备注：当前24GB的GPU显存支持计算的残基/碱基数量在1000个左右。

Ligand

文本文件包含小分子信息，TXT格式。支持SMILES或 CCD Code（化学组分词典编号）。如果使用SMILES格式，每行应包含一个小分子；如果使用CCD Code，每行可以包含一个或多个小分子，使用逗号分隔，并加上CCD前缀。示例如下：

CC(=O)OC1C[NH+]2CCC1CC2
CCD,ATP,HY3,P1L
CCD,MG

Modification

包含翻译后修饰（PTM）信息的文本文件，TXT格式。(同Single模式)

Cycle

指定需要环化的序列的顺序编号，如1,2表示第一和第二条序列都进行首尾相连的环化。（同Single模式）

Covalent Bond

共价键信息的文本文件，TXT格式。(同Single模式，但共价键中小分子不能参与)

Pocket

结合位点类型限制信息的文本文件，TXT格式。(同Single模式)

Use Potentials

该参数对结构进行物理能量方面的微调，主要是优化clash、链重叠、配体的键长键角等，但对显存的要求高出许客(30%6-60%)，时间方面也会显善增长。

Template

指定结构建模时，使用的模板结构文件(同Single模式)，当前仅适用于蛋白序列。从PDB下载的结构作为模板时，建议先调用Structure Preparation模块进行结构预处理

Output_Affinity

亲和力打分的结果文件名，默认为pred_affinity_boltz.csv

结果说明

• Single模式

输出结果文件为排名前5的复合物结构rank_1-5.cif，pred_scores_boltz.csv,pred_affinity_boltz.csv（如果指定了Affinity参数）和可视化交互式工具PAE Viewer生成的boltz_report.html和pae_report_Model_1-5.html。
pred_scores_boltz.csv中包含信息如下：

• pDockQ2阈值（继承自 DockQ）：

pred_affinity_boltz.csv中包含信息如下：

• Batch模式

输出final_results.tar.gz、pred_scores_boltz.csv以及pred_affinity_boltz.csv（如果指定了Affinity参数）
final_results.tar.gz文件为Batch模式下生成一个所有预测结果的打包文件，包含预测结构PDB文件、打分CSV文件。
pred_scores_boltz.csv以及pred_affinity_boltz.csv。(同Single模式)

• Virtual Screening模式：

输出pred_affinity_boltz.csv文件为亲和力预测结果，包含如下信息：

final_results.tar.gz文件为所有预测结果的打包文件，包含预测结构PDB文件、打分CSV文件。

参考文献

• Boltz-1 Democratizing Biomolecular Interaction Modeling. Jeremy Wohlwend, Gabriele Corso, Saro Passaro, Mateo Reveiz, Ken Leidal, Wojtek Swiderski, Tally Portnoi, Itamar Chinn, Jacob Silterra, Tommi Jaakkola, Regina Barzilay. DOI:10.1101/2024.11.19.624167
• Boltz-2: Towards Accurate and Efficient Binding Affinity Prediction, Saro Passaro, Gabriele Corso, Jeremy Wohlwend, Mateo Reveiz, Stephan Thaler, Vignesh Ram Somnath, Noah Getz, Tally Portnoi, Julien Roy, Hannes Stark, David Kwabi-Addo, Dominique Beaini, Tommi Jaakkola, Regina Barzilay.DOI:10.1101/2025.06.14.659707