位于伦敦的等距实验室（Isomorphic Labs）——谷歌DeepMind的衍生公司——近日宣布其最新药物发现人工智能模型IsoDDE取得重大突破。该公司于2月10日发布的技术报告详细介绍了这一专有系统，该系统凭借准确预测蛋白质与潜在治疗分子相互作用的能力，已在科学界引起广泛关注——这是开发新药的关键步骤。专家们将这一进展描述为DeepMind技术的下一代升级版，非正式地称为"AlphaFold 4"。
与包括开创性的AlphaFold2和AlphaFold3在内的前辈不同，IsoDDE的内部工作机制仍被严密保护。这种保密性在科学界引发了既钦佩又沮丧的复杂情绪，特别是对那些致力于开源替代方案的研究人员。虽然AlphaFold的早期版本都是公开共享的，允许协作开发和完善，但IsoDDE代表了药物发现AI领域向更商业化方向的转变。
IsoDDE的核心能力在于预测结合亲和力——即潜在药物分子与靶标蛋白质结合的强度。根据等距实验室的报告，该模型在这一关键领域超越了现有的基于物理的方法以及麻省理工学院研究人员开发的开源Boltz-2模型。报告指出，这种改进的准确性还延伸到了对抗体相互作用的预测上，而抗体是年销售额达数百亿英镑的疗法的关键组成部分。
预测不可预测：IsoDDE的创新方法
哥伦比亚大学计算生物学家穆罕默德·阿尔库里希（Mohammed AlQuraishi）强调了该模型预测与训练数据中分子显著不同的分子相互作用的惊人能力。"这确实是难题，表明他们一定做了相当创新的工作，"阿尔库里希表示。这表明IsoDDE已超越了简单识别已知数据中的模式，能够泛化到新的和不熟悉的化学结构。
等距实验室总裁马克斯·杰德伯格（Max Jaderberg）承认模型的复杂性，将底层技术描述为"与其他领域努力有本质不同"。然而，该公司目前没有计划透露其架构或算法的具体细节，引用计算能力、数据和算法创新的结合是关键因素。杰德伯格希望这份技术报告将激励更广泛的AI药物发现领域的进一步发展。
数据策略与行业合作
IsoDDE的成功同样引发了关于数据角色的疑问。武田制药（Takeda Pharmaceuticals）计算结构生物学家迭戈·德尔阿拉莫（Diego del Alamo）在X上指出，等距实验室与制药公司的广泛合作伙伴关系可能提供了对有价值的私人结构数据的访问，这可能有助于模型的性能。等距实验室确实已与强生（Johnson & Johnson）、礼来（Eli Lilly）和诺华（Novartis）等行业巨头建立了合作关系，并且拥有自己的内部临床试验管道。
根据机器学习总监迈克尔·沙尔施密特（Michael Schaarschmidt）的说法，等距实验室的数据策略"相当全面"，包括公开可用数据、合成生成的训练数据和许可数据集。然而，Boltz-2的共同开发者、非营利组织Boltz的领导者加布里埃莱·科尔索（Gabriele Corso）认为，专有数据不一定是关键区别因素。科尔索认为，使用公开可用数据仍然可以实现显著改进，这表明IsoDDE的成功可能在于算法进步，而非对信息的独家访问。
AI驱动药物发现的未来
IsoDDE的出现标志着人工智能应用于药物发现的一个关键时刻。虽然该模型的专有性质在那些能访问和开发开源替代方案的人之间造成了鸿沟，但它也凸显了AI在制药行业日益增长的商业潜力。由IsoDDE进步引发的竞争可能会加速整个领域的创新，有可能更快、更高效地开发救命疗法。
展望未来，重点将放在将这些AI驱动的预测转化为切实的临床效益上。等距实验室已与合作伙伴合作，探索将IsoDDE应用于特定药物开发项目，科学界将密切关注这些合作的结果。像IsoDDE这样的AI模型的持续进化有望在未来几年重塑制药研发的格局。
【全文结束】
