Isomorphic Labs 介绍 AI 药物设计引擎 IsoDDE 的分子搜索能力
Building a new path to make medicines with AI
Isomorphic Labs 介绍其 AI 药物设计引擎 IsoDDE,并称该引擎可在 2-4 天内由设计智能体自主生成和优化候选分子。文章以 Target D 为例,称智能体把传统上每步需 1-3 个月的迭代改为计算搜索,实验室测试的响应曲线显示设计分子能调节目标且性质良好。IsoDDE 还整合基础模型、数据生成和预测能力,用于处理结构、结合、分子性质与毒性等问题。
规模
攻克所有疾病是科学领域最艰巨复杂的挑战之一。如今,人工智能首次提供了让这一目标成为可能的基础。
应对人类健康的前沿领域是我们的使命,这意味着要准确识别现代 AI 能在何处产生最大影响。我们将药物发现视为攻克所有疾病的关键突破口,因此这也是我们最初的聚焦点——AI 能在此对人类健康产生变革性影响。开发一种能成功且有效治疗疾病的药物,从根本上涉及理解生物学机制,并设计出能够安全调节这些机制的、精巧构建的分子。
因此,我们正全力将这一目标变为现实。我们正在生成数据、训练 AI 模型、开发软件,并搭建用于制造新药的物理基础设施;将这些潜在疗法一路带到临床,送达患者手中。我们正在以一种能够跨多个疾病领域和不同类型药物(从小分子到抗体、肽等)扩展的方式构建这一全新架构。
2021 年,当我们创立 Isomorphic Labs 时,AI 药物发现还只是一个假设。传统方法受限于缓慢且耗费资源的迭代设计—合成—测试周期,AI 仅被视为用于狭窄任务的实验性工具。与此同时,AI 革命已在多个行业全面展开。随着基础模型的出现,一场巨大的变革正在发生——从单一任务算法转向高度通用的系统,这些系统具备理解世界、零样本推理以及生成复杂文本和图像的能力。

在此之前,我的教育和职业生涯一直专注于核心 AI,通过扩大神经网络和深度强化学习的规模来构建智能系统,以超人水平解决最难的问题。但在一个医学世家长大的我,意识到可以将这项超人般的新技术应用于人类最有意义的挑战:人类健康。与 Demis Hassabis 爵士合作,我们在 Isomorphic Labs 创建了创始团队,将 AI 的突破性进展转向解决药物发现的问题。我们踏上了一条将药物发现视为工程过程的道路,回归第一性原理,重建药物设计流程。过去 50 年里,几乎每个工程领域都曾被计算机辅助设计所革新,但我相信它在药物制造领域的变革性进展才刚刚开始。我们看到了巨大的机遇:利用 AI 驱动计算方法,将这一领域转变为更系统化的工程学科,最终为需要的患者带来改变生命的药物。
转变
我们正从经验医学转向精巧构建的分子,而 AI 正是推动这一转变的引擎。通过回归第一性原理,我们正在构建 AI,帮助我们在分子层面理解健康与疾病状态。随后,我们可以利用卓越的预测和生成能力,在药物到达患者之前就设计出可能极为精巧、展现最佳功能特性的分子。
我们的方法:
- 一家垂直整合的公司:我们将重建新药研发方式所需的所有要素汇聚于同一屋檐下。我们开发 AI 模型、生成数据、发现新的生物学机制,随后将这些潜在药物带入临床,送达患者手中。
- 世界级与前沿推理模型:我们的 AI 引擎将对物理和生物环境的理解与先进的推理能力相结合,为新药设计有前景的分子。借助基础模型,我们解决复杂的结构、结合、分子性质和毒性问题,同时理解细胞生物学。我们通过一个由强大的生成式设计智能体驱动的端到端一体化平台来完成这一切。
- 一支多学科团队:我们汇聚了最优秀的人才——从 AI 研究人员和工程师,到生物学家、化学家、临床医生、技术项目经理、产品负责人和运营专家——以重新定义我们研发新药的方式。
如今,AI 药物发现已不再只是一个假设。AI 在蛋白质结构预测方面的巨大贡献,因 AlphaFold 2 的工作而获得 2024 年诺贝尔奖的认可。在 Isomorphic Labs,我们过去五年一直在这一突破的基础上继续推进,更进一步创建了 Isomorphic Labs 药物设计引擎(IsoDDE)。IsoDDE 超越了结构预测,成为一个具备一系列预测能力的系统,能够加速独特分子的设计和临床前开发。我们的引擎在设计分子方面持续超越迄今为止所有现有的深度学习模型和行业标准计算方法。我们已围绕这一新的预测能力重塑了我们的药物设计流程。
一个示例:优化分子搜索
我想深入探讨我们药物设计引擎的一项核心能力:加速新药候选分子的设计与优化。可供搜索的小型类药分子的理论化学空间极其广阔(有人认为约为 1060)。传统的实验方法,如高通量文库筛选,可能需要 数月(甚至数年)时间来评估固定的化合物文库(105-109)与蛋白质的相互作用。随后,要将任何初始命中优化为临床候选药物,则需要在化学空间中进行长达数年的迭代搜索,逐步改进并平衡分子进入临床试验所需的众多性质。
相比之下,我们的药物设计引擎可以在计算机上仅用几天时间智能地搜索化学空间,设计出可直接用于现实世界的功能性分子。我很高兴能与大家分享这方面的实例。
以下视频展示了 IsoDDE 在 2-4 天内自主运行、创建新分子设计的进展过程。我们的药物设计师输入一份设计规范,即他们想要创造的内容的一系列标准和目标:生物学靶点、分子类型和调节模式、所需的特异性,以及分子的期望性质(例如溶解度、细胞渗透性等)。我们的设计智能体以批量迭代的方式生成分子,并搜索化学空间,以提升其相对于我们设计规范的匹配度。绿色代表一次理想的搜索:颜色越绿,分子越好。
这段视频放大到目标 D,展示了一次单一的搜索过程,为命中分子的发现大幅加快了路径。传统上,这条路径上的每一步都需要 1–3 个月的工作——由化学家团队手动设计并合成这些分子,由生物学家团队进行测试,并对新数据进行迭代分析。我们的 AI 药物设计智能体通过依赖我们的前沿 AI 预测模型,而非直接进入实验室,在数天内以计算方式完成了同样的推进过程。在这个开放式学习问题中,该智能体的过程动态地平衡了对广阔、未知化学空间的探索与对有前景骨架的定向利用。随着智能体设计并评估候选分子,它推动着多目标帕累托前沿,即效力和生物利用度等相互竞争的属性达到平衡的最优边界。我们可以看到智能体的内部注意力(以热力图表示)的推进过程,计算焦点随之转移:早期探索时注意力广泛,随后收窄,以利用并微调帕累托前沿,同时仍保持探索。
在智能体优化结束时,我们选取多种多样的化合物进行合成,然后测试最终设计,以在实验室中进行验证。下图展示了对上述分子搜索过程输出结果进行真实世界实验测试所得的功能性浓度响应曲线,并以一个源自文献的分子作为参考(作者估计需要 3–5 年的工作成果)。实验曲线表明,智能体设计的分子成功地调节了生物靶点且具有良好的性质,这是设计潜在治疗药物的一个绝佳起点。
.png&mode=full&exp=1795046400&sig=15f0042807e77bc5)
我们上面展示的只是数十个案例中的一个。根据我们迄今为止将 IsoDDE 应用于诸多问题的经验,我们发现我们能够为他人曾苦苦挣扎的问题找到功能性分子。我们可以用更少的真实世界实验室时间做到这一点,并且是在具有潜力获得卓越性质、调节生物机制的全新化学空间中——那些从未被尝试或验证过的东西。我们无需在真实世界中测试成千上万乃至数百万个分子,只需合成少量分子就能获得更好的实验结果。IsoDDE 的能力使我们不仅能提出关于新分子的科学假说,还能进行大量预测性验证,从而当我们真正在实验室中检验这些假说时,它们成功的概率要高得多。
前进之路
Isomorphic Labs 起步于一间单间办公室,怀揣着一个深信不疑的假设,以及少数几位世界上最优秀的科学家和工程师。起初,我们在药物发现项目上的首批科学突破来得很缓慢。过去五年里,我们不懈努力,持续提升能力的准确性和广度,因此科学突破的速度大幅提高。借助 IsoDDE,我们发现了新的生物学机制,设计出能够打开此前未知口袋的分子,并通过湿实验验证了结果,证明了其独特的生物学功能。我们的假设已被证实。我们的临床前数据正帮助我们为临床开发做好准备。我们正全力以赴,以期实现 AI 驱动的药物设计能够为患者带来的影响,让发现与开发不再像魔法,而更像精确、可重复的工程。能够投身于解决这一问题,是莫大的荣幸,我们正全神贯注地将这些成果带给最需要它们的人。
来源:Isomorphic Labs · isomorphiclabs.com