河北
編輯丨&
在谷歌 DeepMind 發布了針對藥物發現的更新版 AlphaFold3 近兩年后，其生物制藥衍生公司 Isomorphic Labs 宣布了更強大的人工智能模型——而且他們對此保密。
這家總部位于倫敦的 Isomorphic Labs 在一份 27 頁的技術報告中宣傳其「藥物發現引擎」——即 IsoDDE——的能力，該報告于 2 月 10 日發布 。包括對蛋白質與潛在藥物及抗體結構相互作用的精確預測在內的成就，令該領域科學家印象深刻。
https://zenodo.org/records/18606681
但與已經向研究人員開放并取得深入研究成果的 AlphaFold 不同，IsoDDE 是專有的，技術論文對如何實現類似結果幾乎沒有提供見解。
藥物-蛋白質相互作用
AlphaFold 3 的開發初衷是藥物發現。與其諾貝爾獎得主前身 AlphaFold2 不同，該模型能夠預測蛋白質與其他分子相互作用的結構——包括潛在藥物。
類似的 AI 仿照 AlphaFold 3，已擁有接近它的完全體的性能，并開發出了新能力。一個名為 Boltz-2 的開源模型，由麻省理工學院劍橋分校的科學家開發，并于去年發布。其可以預測潛在藥物與蛋白質結合的強度，或藥物的結合親和力。這是開發治療藥物的關鍵特性，通常通過計算密集型的物理方法進行預測。
圖示：英偉達托管下的 Boltz-2。
根據 Isomorphic 的報告，他們推出的新 AI 在確定結合親和力方面優于 Boltz-2 和基于物理的方法。報告稱，預測抗體——這些是每年銷售額數百億英鎊的療法基礎——與其靶標的相互作用，也是最先進的技術。
該研究團隊表示，IsoDDE在具有挑戰性蛋白質-配體結構預測泛化基準測試上的準確率是AlphaFold 3的兩倍多，預測小分子結合親和力的準確度超過了基于黃金標準的物理方法，且時間和成本都極低，并且能夠僅用氨基酸序列作為輸入，準確識別目標蛋白上的新型結合口袋。
圖示：IsoDDE 功能特性。
研發團隊通過多個實例證明，他們能成功模擬復雜的分布外事件，如誘導擬合（蛋白質調整形狀以適應結合配體）和隱蔽囊（缺乏結合配體時隱藏的隱蔽囊）——這些關鍵的生物學機制，即使這些系統與此類模型的訓練集相距甚遠。
除此之外，IsoDDE 還在抗體設計與親和力預測等測試中全方面優于現有模型，且它還能協助發現大腦蛋白上的一種新型隱蔽位點，這項技術突破為以往無藥可施的靶點帶來了新的治療視角。
圖示：在一系列公開基準測試中具有約束力的親和力預測表現。
AlQuraishi 表示，他對 IsoDDE 能夠預測與模型訓練數據截然不同的分子藥物-蛋白質相互作用的能力印象深刻。「這才是真正難題，也說明他們一定做了些相當新穎的事情，」他說。
秘密武器
Isomorphic 總裁 Max Jaderberg 表示，IsoDDE 背后的模型「與其他項目有著深刻不同」。但公司無意透露其背后的「秘密武器」。Jaderberg 補充道：「就像大多數大型機器學習和人工智能進步一樣，它是計算、數據和算法的結合。」他希望團隊的報告能「激勵」其他構建藥物發現人工智能團隊的努力。
武田制藥計算結構生物學家 Diego del Alamo 在劍橋的社交媒體網站 X 上寫道：「這份報告是在與業界廣泛合作并可能訪問其私人結構數據之后發布的，因此我們尚不清楚這些額外數據對 IsoDDE 表現的影響有多大。」
Isomorphic 與強生、禮來和諾華等制藥公司達成了潛在價值數十億英鎊的藥物開發協議。它也有自己的內部研發流程，臨床試驗即將啟動。Jaderberg 表示，公司開發了與技術報告不同版本的 IsoDDE，包括與合作伙伴合作，包含了不同的數據源。
https://www.nature.com/articles/d41586-026-00365-7
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
