近日，由谷歌DeepMind与Isomorphic Labs两大顶尖人工智能研究机构合作推出的AI药物设计引擎IsoDDE正式发布。该模型的问世标志着AI在生物医药领域的应用取得了重大突破，其在预测准确性和泛化能力上均实现了对现有先进模型（包括AlphaFold 3与Boltz-2）的显著超越。
在核心的蛋白质-小分子配体结构预测测试中，IsoDDE的准确率达到了AlphaFold 3的两倍以上，展现了卓越的性能。这标志着人工智能正从理解生物分子结构的模型，进化为能够赋能真实世界药物研发流程的强大引擎。
IsoDDE的核心技术优势体现在以下几个层面：
一、 开创药物研发新纪元：精准预测新颖生物结构
精确预测生物分子及其相互作用的结构，是重塑现代药物设计的关键。尽管AlphaFold3在蛋白质-配体结构预测方面取得了革命性进展，其开放的数据库已被全球数百万研究人员广泛使用，但后续的基准测试表明，其对于训练数据之外的新颖结构，泛化能力和预测精度存在局限。这正是药物发现中最具挑战性也最具价值的未知领域。
IsoDDE在此实现了质的飞跃。在专为测试“新口袋+新配体”泛化能力而设计的基准测试中，IsoDDE在处理最具挑战性的案例时，其准确率是AlphaFold3的两倍以上。
二、 赋能复杂生物制剂研发：高精度建模抗体-抗原界面
随着治疗手段从传统小分子药物向抗体等复杂生物制剂拓展，精准建模抗体与抗原的相互作用界面变得至关重要。IsoDDE在这一前沿领域同样取得了显著突破。在一个全新的高精度（DockQ > 0.8）抗体-抗原测试集上，IsoDDE的预测精度是AlphaFold 3的2.3倍，更是Boltz-2的19.8倍，为开发新型抗体药物提供了强大的计算工具。
三、 树立结合亲和力预测的“新金标准”
药物优化的核心在于精确预测分子与靶点的结合强度（即结合亲和力）。传统方法中，基于深度学习的方法速度快但精度不足，而基于物理的自由能微扰（FEP）等方法虽被视为“金标准”，却计算成本高昂、耗时长，且高度依赖实验解析的晶体结构。
IsoDDE成功打破了这一困境。在FEP+4、OpenFE和CASP16盲测任务等三大公开基准测试中，IsoDDE的性能不仅大幅领先于所有现有的深度学习方法，甚至超越了FEP等物理模拟方法，且无需任何实验结构作为输入，极大地降低了药物筛选的时间与经济成本。
四、 拓展可成药靶点范围：高效识别全新结合口袋
在缺乏已知配体信息的情况下，识别蛋白质上所有潜在的结合口袋，对于攻克既往被视为“不可成药”的靶点具有重大战略意义。IsoDDE展现了强大的“从头”预测能力。即使面对与训练集差异巨大的蛋白质，它依然能够识别出全新的、具有成药潜力的结合口袋，性能已接近实验方法，而计算时间则从数月缩短至数秒。
以cereblon蛋白为例，该蛋白在过去15年间被认为仅有一个主要的成药位点。直至2026年，实验才意外发现一个全新的结合口袋。IsoDDE仅通过输入cereblon的氨基酸序列，便成功地同时预测出了这个经典口袋与全新发现的口袋，验证了其强大的探索未知能力。
背后力量：诺奖得主领衔的AI制药新锐
打造IsoDDE的Isomorphic Labs于2021年从DeepMind分拆，成为谷歌母公司Alphabet的独立子公司，但双方始终保持紧密合作。公司的创始人兼CEO正是DeepMind的创始人Demis Hassabis。Hassabis因其在AI蛋白质结构预测领域的杰出贡献，荣获2024年诺贝尔化学奖。
Isomorphic Labs自成立以来便备受瞩目，不仅在首次外部融资中即募得6亿美元，更与诺华、礼来、强生等全球制药巨头达成总金额超过30亿美元的战略合作。公司正致力于利用AI构建一个通用的药物设计引擎，旨在应用于任何疾病领域，其内部研发的首款AI设计药物也即将进入临床试验阶段。
展望未来：AI驱动的医药创新新时代
IsoDDE的发布，不仅仅是一次技术的迭代，更是AI赋能药物研发进入新阶段的里程碑。它将极大加速新药发现的进程，降低研发成本，并有望攻克 heretofore 无法成药的靶点，实现Demis Hassabis“未来十年，AI将治愈所有疾病”的宏伟愿景。随着此类先进AI工具的不断涌现和应用，一个由数据和智能驱动的生物医药创新时代正加速到来，将为全球患者带来前所未有的希望。
