谷歌旗下人工智能公司Isomorphic Labs近日低調推出新一代藥物設計引擎IsoDDE，盡管未以"AlphaFold 4"正式命名，但因其技術延續性被業界廣泛關聯。這款專有模型在蛋白質-配體相互作用預測領域實現突破性進展，其核心優勢在于同時解決結合位點識別與結合強度計算兩大難題。
傳統藥物研發中，確定藥物分子與靶點蛋白的結合方式需耗費數周進行分子動力學模擬。2025年開源的Boltz-2模型雖將計算速度提升百倍，但準確率仍落后于物理模擬方法。IsoDDE通過創新算法架構，在保持毫秒級響應速度的同時，預測精度超越傳統物理方法，尤其擅長處理未見過的分子結構。哥倫比亞大學計算生物學家穆罕默德·阿爾庫萊希指出，該模型可能采用了全新的神經網絡架構或數據增強技術。
在抗體藥物設計領域，IsoDDE展現出顯著優勢。針對抗體CDR-H3環狀結構這一行業痛點，其預測準確率較AlphaFold 3提升230%，較Boltz-2提高1900%。該區域因高度可變且構象復雜，長期阻礙抗體藥物的理性設計。測試數據顯示，模型對新冠抗體結合位點的預測誤差控制在0.3埃以內，達到冷凍電鏡解析精度。
更引人注目的是其"口袋發現"能力。通過分析蛋白質氨基酸序列，IsoDDE可定位表面凹陷區域及隱藏結合位點。在cereblon蛋白測試中，模型成功識別出已知經典口袋及2026年新發現的隱蔽位點，而傳統方法僅能檢測到前者。這項突破為"不可成藥"靶點開發提供新路徑，特別是針對表面光滑或深腔結構的蛋白。
與前代AlphaFold系列不同，Isomorphic Labs選擇將IsoDDE作為商業機密保護。目前僅發布技術報告而非學術論文，且不公開源代碼。這種策略轉變反映制藥行業競爭格局變化——全球抗體藥物市場規模已突破400億英鎊，AI驅動的藥物發現被視為下一個價值高地。公司已啟動多個針對難成藥靶點的研發項目，重點攻克傳統方法無法解決的結合位點可及性問題。
該公司的科研實力堪稱豪華：創始人戴密斯·哈薩比斯為AlphaFold項目領軍人，科學顧問委員會匯聚兩位諾貝爾獎得主——CRISPR基因編輯技術開發者詹妮弗·杜德納，以及不對稱有機催化領域先驅大衛·麥克米倫。這種頂尖學術陣容與谷歌技術資源的結合，使其成為AI制藥領域最具競爭力的創新主體。
技術文檔顯示，IsoDDE采用多尺度表征學習框架，整合蛋白質序列、結構及相互作用熱力學信息。其訓練數據涵蓋PDB數據庫中所有已知蛋白-配體復合物，并通過生成對抗網絡增強罕見構象采樣。模型輸出包含結合自由能、構象變化路徑等關鍵參數，可直接用于虛擬篩選和先導化合物優化。
行業觀察人士指出，Isomorphic Labs的閉源策略可能引發連鎖反應。藥物發現AI的驗證需要跨實驗室數據比對，封閉生態可能減緩技術迭代速度。但考慮到制藥行業的高回報特性，這種商業模式或將成為主流。隨著IsoDDE進入實際藥物研發流程，AI制藥領域有望在3-5年內迎來首個完全由算法設計的上市新藥。
