Isomorphic Labs药物设计引擎开创超越AlphaFold新前沿

背景

2024年，Isomorphic Labs与Google DeepMind联合发布了AlphaFold 3，在蛋白质结构预测领域实现了显著突破。然而，仅凭生物分子结构理解并不足以在计算机上真正推动药物发现项目。现实中的理性药物设计需要高度准确的预测模型，覆盖广泛的生化性质和相互作用，并且这些模型必须能够协同工作。更重要的是，大量生物和化学空间尚未被探索，模型需要具备超越训练集、泛化到全新未知系统的能力。为了应对这些挑战，Isomorphic Labs推出了统一的计算药物设计系统——Isomorphic Labs Drug Design Engine（IsoDDE），并在一份技术报告中预览了其部分能力。

核心内容

IsoDDE是一个统一的计算药物设计系统，在预测精度上超越了AlphaFold 3（AF3），并引入了弥合结构预测与真实药物发现之间差距的新能力。其核心进展包括：

1. 蛋白质-配体结构预测的泛化能力：在专门测试泛化到新型口袋和配体的“Runs N' Poses”基准（Škrinjar et al. 2025）上，IsoDDE在最困难系统中的精度比AlphaFold 3提高了一倍以上。它能够成功建模复杂、分布外的事件，例如诱导契合（蛋白质为适应配体而改变形状）和隐蔽口袋的打开（在无配体结合时隐藏的口袋），即使这些系统远离训练集。

2. 抗体-抗原界面预测：在挑战性的新型抗体-抗原测试集上，IsoDDE在高保真度区间（DockQ > 0.8）的性能比AlphaFold 3高出2.3倍，比Boltz-2高出19.8倍。尤其对抗体最可变、最难预测的CDR-H3环表现出色，为从头抗体设计开辟了新可能。

3. 小分子结合亲和力预测：IsoDDE在三个公开基准（FEP+ 4、OpenFE和最近的CASP16盲测结合亲和力预测任务）上大幅超越所有深度学习方法，甚至超过了基于物理的方法（如FEP），而后者需要依赖实验晶体结构，IsoDDE则不需要。这使得研究人员可以在药物设计程序中快速排序和优化潜在分子。

4. 盲口袋识别：IsoDDE能够在没有已知配体的情况下，仅使用氨基酸序列作为输入，识别出蛋白质上所有潜在的可配体口袋，包括新颖的隐蔽位点。例如，在cereblon蛋白（CRL4 E3连接酶复合体的底物受体）上，IsoDDE仅凭序列就准确预测了已知的沙利度胺结合口袋以及一个最近实验发现的新型别构隐蔽口袋，而无需指定配体身份。一旦指定配体，它还能将配体以正确方向折叠到各自口袋中。

关键要点

• IsoDDE在蛋白质-配体结构预测泛化基准上，精度比AlphaFold 3提高超过一倍。
• 在抗体-抗原界面高保真度预测上，IsoDDE性能是AlphaFold 3的2.3倍，是Boltz-2的19.8倍。
• 在结合亲和力预测上，IsoDDE超越所有深度学习方法，并达到或超过基于物理的黄金标准方法，且计算时间和成本大幅降低。
• 仅凭氨基酸序列，IsoDDE就能盲识别出新颖的隐蔽口袋，性能接近实验方法（如片段浸泡），但只需数秒即可在计算机上运行。
• 通过cereblon蛋白案例，IsoDDE成功复现了实验发现的新型别构隐蔽口袋，证明了其强大的泛化能力。
• IsoDDE为AI药物设计提供了可扩展的基础，能够以空前的精度导航新型生物系统。

意义与影响

IsoDDE代表了药物设计领域的一次跃升，它超越了单纯的结构预测，将AI的预测精度和泛化能力提升到了可以实际指导药物发现的程度。通过能够准确预测蛋白质-配体相互作用、结合亲和力以及识别未知口袋，IsoDDE使研究人员能够在计算机上理性设计新药，减少对耗时、昂贵实验的依赖。其“盲”口袋识别能力尤其重要，因为许多药物靶点尚未有结构注释，而IsoDDE仅凭序列就能揭示潜在的药物作用机制。Isomorphic Labs的专用药物设计团队已经在日常工作中使用这些能力，用于理解未知结构、识别未表征的口袋以及创造新型化学实体。这一进展有望加速从靶点发现到候选药物优化的整个流程，为治疗人类疾病开辟新的前沿。