跳到正文
Isomorphic Labs·· 2026-02-10精选AI 评分75

Isomorphic Labs 公布 IsoDDE 药物设计引擎,称预测精度超过 AlphaFold 3

The Isomorphic Labs Drug Design Engine unlocks a new frontier beyond AlphaFold

AI 导读

Isomorphic Labs 公布 IsoDDE 药物设计引擎及技术报告,称其在蛋白配体结构预测、抗体抗原界面和结合亲和力预测上超过 AlphaFold 3。

推荐理由

材料给出 IsoDDE 与 AlphaFold 3、Boltz-2 在结构预测和结合亲和力上的对比数据,可帮助判断 AI 药物设计系统的能力边界。

正文 · AI 翻译

今天,我们很高兴地分享我们在药物设计新前沿领域取得的进展。我们在理解生物分子世界方面实现了预测精度的新范式,使我们能够在计算机上以前所未有的理解和精度理性设计新药。

我们将一窥 Isomorphic Labs 药物设计引擎(IsoDDE)强大而广泛的能力之一部分。IsoDDE 是一个统一的计算药物设计系统,其预测精度超越了 AlphaFold 3(AF3),并引入了弥合结构预测与真实世界药物发现之间鸿沟的新能力。

我们证明,我们的 IsoDDE 在一项具有挑战性的蛋白质-配体结构预测泛化基准测试上,将 AlphaFold 3 的精度提高了一倍以上;它预测小分子结合亲和度的精度超过了基于物理的金标准方法,而所需的时间和成本只是后者的一小部分;并且它能够仅以氨基酸序列作为输入,准确识别目标蛋白质上的新型结合口袋。

IsoDDE 为 AI 药物设计提供了一个可扩展的基础,提供了以前所未有的精度探索全新生物分子系统所需的预测保真度。

自 2024 年我们与 Google DeepMind 发布 AlphaFold 3 以来,AI 药物发现领域的发展速度非同寻常。虽然 AlphaFold 3 相比前几代结构预测模型实现了性能的巨大飞跃,但一个关键挑战依然存在:仅靠了解生物分子结构,不足以在计算机上(in silico)推动真实世界的药物发现项目。

理性药物设计的进展——对于解决人类疾病至关重要——需要高度精确的预测模型,涵盖广泛的生化性质和相互作用,并且这些模型能够协同工作。关键在于,在生物和化学空间仍有如此多领域尚未被探索的情况下,这些模型需要具备将其预测能力泛化到训练集之外的全新未知系统的能力。

在我们持续应对这些挑战的过程中,我们很高兴地推出 Isomorphic Labs 药物设计引擎(IsoDDE),并在此处及我们的技术报告中预览 IsoDDE 的部分能力。

阅读我们的技术报告

全新未知系统的结构预测

准确预测生物分子的结构及其相互作用方式,仍然是理性药物设计的一项关键能力。许多关键的下游任务都依赖于能够精确建模蛋白质几何结构中的细微差别——无论是理解致病突变的影响,还是预测哪些分子会与目标蛋白质结合。

AlphaFold 3 在发布时彻底改变了蛋白质-配体结构预测,而免费开放的 AlphaFold 蛋白质数据库则以此前难以想象的规模推动了科学进步。迄今为止,它已被 190 多个国家的 300 多万名研究人员使用。

随后的基准测试显示,对于与 AlphaFold 3 训练示例差异较大的结构,其精度仍存在差距。换句话说,它在泛化到生物分子空间中未被探索的区域时可能会遇到困难,而这些区域恰恰蕴含着药物发现中最大的挑战和机遇。

IsoDDE 在泛化到与其训练集高度不同的蛋白质-配体结构方面,展现出了阶跃式的性能提升。 

在 'Runs N' Poses' 基准测试(Škrinjar et al. 2025)——该基准专为测试对全新口袋和配体的泛化能力而设计——中,IsoDDE 在最困难的系统上将 AlphaFold 3 的准确率提高了一倍以上。

在 'Runs N’ Poses' 基准测试中,最困难泛化类别((0-20],即与训练集差异最大)的蛋白质-配体结构预测准确率

在报告中,我们通过几个例子展示了我们能够成功地对复杂的、分布外的事件进行建模,例如诱导契合(蛋白质改变其形状以容纳结合的配体)和隐性口袋的开启(在没有结合配体时隐藏的口袋)——这些关键的生物学机制——即使这些系统远离此类模型的训练集。

为复杂生物制剂开启新窗口

但小分子(如阿司匹林)只是拼图的一部分。随着治疗方式向复杂生物制剂(如胰岛素)扩展,准确建模抗体-抗原界面的能力至关重要。 

IsoDDE 在这一领域实现了准确率的阶跃式提升。在一个具有挑战性的全新抗体-抗原测试集上,在高保真度区间(DockQ > 0.8),它比 AlphaFold 3 高出 2.3 倍,比 Boltz-2 高出 19.8 倍。 

至关重要的是,IsoDDE 在 CDR-H3 环——抗体中最易变、最难预测的部分——上表现出色,有效地为从头抗体设计解锁了新的可能性。

在一个具有挑战性的低同源性测试集(𝑛=334)上的抗体-抗原结构预测准确率,展示了随着推理时计算量的增加,蛋白质界面处高质量预测(DockQ >0.8)的比例。IsoDDE 比 AlphaFold 3 高出 2.3 倍,比 Boltz-2 高出 19.8 倍

结合亲和力预测的新黄金标准 

了解生化系统的三维结构只是第一步;有效的药物优化需要知道分子与其靶点结合的强度。 

传统方法要么局限于与训练数据相似的化学空间,要么受限于其高计算成本和执行难度(例如基于物理的方法)。近年来出现了基于深度学习的方法,为这项任务带来了新的速度,但在准确率上仍落后于基于物理的方法。  

在三个公开基准——FEP+ 4、OpenFE 以及最近的 CASP16 盲测结合亲和力预测任务——上,IsoDDE 以相当大的优势超越了所有深度学习方法。

事实上,令人瞩目的是,IsoDDE 能够超越 FEP 等基于物理的方法的性能,尽管这些方法需要以实验晶体结构为基础,而 IsoDDE 不需要。

通过以高速度提供高精度的结合亲和力预测,IsoDDE 使研究人员能够在药物设计项目中快速对各种化学系列中的潜在分子进行排序和优化。

一系列公开基准上的结合亲和力预测性能

拓展可成药蛋白质组

在没有已知配体的情况下,识别蛋白质上所有潜在口袋的能力,为我们解锁了许多独特的机会。无论是面对一个缺乏结构注释的首创(first-in-class)药物发现靶点,还是探索一种调控已被充分研究的蛋白质的新方法,通用的口袋识别能力都可以用来揭示可供分子设计探索的全部潜在作用机制。

IsoDDE 即使在没有已知配体、且与模型训练集相距甚远的情况下,也具备识别新颖的、可成药口袋的能力。这种“盲”口袋识别能力所展现出的性能水平,已接近片段浸泡(fragment-soaking)等实验技术,而后者需要投入大量时间、可观的成本以及真实的实验工作。相比之下,IsoDDE 在计算机上仅需数秒即可完成运行。

我们可以在 cereblon 的例子中看到这种能力的强大之处——cereblon 是 CRL4 E3 连接酶复合物的一种底物受体,在为受损或错误折叠的蛋白质打上标记以使其进入蛋白酶体降解的过程中发挥着关键作用。在过去 15 年里,人们一直认为成药 cereblon 只有一种主要途径:通过经典的沙利度胺结合口袋。然而,最近的一项研究(Dippon et al. 2026)通过实验发现了一个新颖的结合口袋,它既是变构的(远离传统结合位点),又是隐秘的(在没有结合配体时处于隐藏状态)。

IsoDDE 成功重现了这一口袋的发现过程,仅以 cereblon 的序列作为输入,无需指定配体的身份,就预测出了已知位点和新颖隐秘位点的位置。此外,一旦指定了配体,IsoDDE 就能将它们以正确的方向正确地对接到各自的口袋中。

IsoDDE 成功重现了近期在 cereblon 上发现的新颖隐秘位点(Dippon et al., 2026),仅以 cereblon 的序列作为输入,无需指定配体的身份,就预测出了已知位点和新颖隐秘位点的位置。

推动药物发现

IsoDDE 代表着准确性和能力的一次飞跃,它让我们对构成人体的分子机器有了更深入的理解,并推动了设计药物来调控它们的进程。

我们在 Isomorphic Labs 专门的药物设计团队每天都在我们的各个项目中运用这些能力——去理解未知的结构、识别未被表征的口袋,并创造新颖的化学物质,以期为患者带来新药。

我们期待继续推动计算机模拟(in silico)药物设计的前沿,并将我们新的、更强大的能力应用于历来具有挑战性的药物靶点上。

我们感谢 Google DeepMind 的朋友们富有成效的讨论与合作。

‍

如果您引用本工作,请使用以下引用格式:

@manual{isodde2026,
  title = {Accurate Predictions of Novel Biomolecular Interactions with IsoDDE},
  author = {Isomorphic Labs Team},
  month = feb,
  year = 2026,
  doi = {10.5281/zenodo.19699685},
  url = {https://zenodo.org/records/19699685},
}

来源:Isomorphic Labs · isomorphiclabs.com