ウルトララージバーチャルスクリーニング（ULVS）は10億化合物オーダーの探索を可能にしたが、ドッキングのスコアリング関数は依然として偽陽性に弱い。物理ベースの力場や経験則ベースのスコア（Vina、Glide等）はULVS特化のチャレンジングなベンチマーク（プロパティマッチドデコイ）でROC-AUCが低下しがち。一方Boltz-2はAlphaFold3代替のオープンソース共フォールディングモデルとして公開され、構造予測と親和性予測を同時に行える点で注目を集めている。
→ Boltz-2の親和性スコアをULVS分類器として体系的にベンチマークし、予測機構を相関分析で解剖する
Boltz-2はEF1%でも既存全SFを上回り、デコイ識別力が際立つ。物理ベース勢は AUC 0.55–0.62 帯に密集。
| 項目 | 値・所見 |
|---|---|
| ベンチマーク | ULVSチャレンジング集合 (活性 + propmatched decoy) |
| Boltz-2 ROC-AUC | 全SF中で最高、Gnina/Vina/Glide/Uni-Dockを大幅超過 |
| Boltz-2 EF1% | 最高濃縮率を記録 |
| 化学的類似性バイアス | 有意な偏りなし（多様なケミカルスペースで頑健） |
| ポーズRMSDとスコア | 相関弱い（物理ポーズに依存していない） |
| Ala変異体 | 分類性能ほぼ不変（標的特異性に鈍感） |
| 標的スワップ | 化合物スコア順位が保存されるケースあり |
| 計算コスト | 1化合物あたり数分（10⁹級ULVSには非現実的） |