В исследовании проводится детальная оценка модели Boltz-2 (реализация NVIDIA NIM) для решения критической задачи в разработке лекарств — скрининга взаимодействий между терапевтическими моноклональными антителами и их мишенями. Авторы протестировали модель на базе 519 антител из базы Thera-SAbDab, сравнивая пары с родными антигенами и случайными неродственными парами. Результаты показали, что стандартные метрики уверенности модели демонстрируют слабую способность к дискриминации (ROC-AUC в диапазоне 0.5–0.60). Наиболее эффективным показателем была определена минимальная предсказанная метрика ipTM-min (interface predicted TM-score) среди различных случайных выборок (seeds). Было установлено, что увеличение количества стохастических предсказаний дает эффект только до 15–20 образцов, после чего наступает плато. Также выявлено, что использование инференса без множественного выравнивания последовательностей (MSA) незначительно улучшает точность для некристаллизованных антител (delta AUROC ≈ +0.027) и ускоряет процесс на ~8 секунд на каждое предсказание. Исследование подчеркивает, что универсальных моделей предсказания структуры недостаточно для надежного скрининга антител, и требуется разработка специализированных оптимизированных под конкретные задачи алгоритмов.