DeepMind 子公司推出专有“AlphaFold 4”级别AI，在药物发现领域引发兴奋和保密担忧

全球 - 艾赫巴里通讯社

DeepMind 子公司推出专有“AlphaFold 4”级别AI，在药物发现领域引发兴奋和保密担忧

在一项有望重塑制药研究格局的举措中，Google DeepMind 位于伦敦的生物制药子公司 Isomorphic Labs 宣布推出一款用于药物发现的突破性人工智能模型。这款名为“IsoDDE”（Isomorphic DeepMind 药物引擎）的专有 AI 被一些科学家誉为一代人的飞跃，可与“AlphaFold 4”媲美，因为它在预测复杂分子相互作用方面具有前所未有的能力。然而，该公司决定对其底层方法保密，这在科学界引发了一场争论，因为科学界长期以来一直受益于 DeepMind 之前项目的开源精神。

这份于 2 月 10 日发布的 27 页技术报告详细介绍了 IsoDDE 在精确预测蛋白质如何与潜在治疗分子以及抗体的复杂结构相互作用方面的卓越能力。这些能力代表了现有工具的重大进步，包括 DeepMind 自己的 AlphaFold3，后者大约两年前发布，专注于药物发现。AlphaFold3 与其获得诺贝尔奖的前身 AlphaFold2 不同，旨在预测蛋白质与其他分子（包括潜在药物）相互作用的结构。

纽约市哥伦比亚大学的计算生物学家 Mohammed AlQuraishi 正在积极开发 AlphaFold 的完全开源版本，他对此既感到敬畏又充满忧虑。“这是一项重大进展，达到了 AlphaFold4 的水平，”AlQuraishi 指出，他指的是 Google DeepMind 尚未发布的未来一代技术。然而，他的热情被一个关键的警告所冲淡：“当然，问题是我们对细节一无所知。”这种情绪反映了研究人员普遍存在的担忧，他们依赖透明度和开放获取来在基础科学发现的基础上进行建设。

IsoDDE 的专有性质与用于预测蛋白质结构的 AlphaFold AI 系统形成鲜明对比，后者已向研究界公开共享，并在同行评审期刊中进行了详细记录。虽然 Isomorphic Labs 的技术论文展示了令人印象深刻的结果，但它对使 IsoDDE 表现卓越的新颖机制提供了最少的见解，使得独立科学家不得不猜测如何复制甚至接近类似的结果。

IsoDDE 的报告声称，它在确定结合亲和力（潜在药物与蛋白质结合的强度）方面，明显优于当代开源模型和传统的基于物理的计算方法。这是药物开发中的一个关键指标，通常需要大量的计算资源。例如，麻省理工学院科学家开发并于去年发布的一款名为 Boltz-2 的开源模型，也旨在预测结合亲和力并显示出有希望的结果。IsoDDE 在这一领域的卓越表现，以及其在抗体-靶标相互作用方面的最先进预测，突显了其加速药物研发流程和产生巨大市场价值的潜力，鉴于仅抗体疗法每年就带来数百亿英镑的销售额。

Isomorphic 总裁 Max Jaderberg 证实了 IsoDDE 基础模型的独特性，称其“与众不同”。然而，他证实公司打算对其“秘方”保密，将其进步归因于“计算、数据 [和] 算法”的协同作用。Jaderberg 表示希望该报告能“激发”其他从事药物发现 AI 开发的团队的努力，表明一种信念，即即使没有完全披露，所展示的能力也能激发进一步的创新。

专有数据在 IsoDDE 卓越性能中的作用仍然是一个猜测点。武田制药公司的计算结构生物学家 Diego del Alamo 强调了这种不确定性，指出 Isomorphic 的报告是在“与行业建立广泛合作并可能获取其私人结构数据”之后发布的。相反，机器学习科学家和 Boltz-2 的共同开发者 Gabriele Corso 认为，专有数据可能不是唯一的区别因素。基于他的团队正在利用公开数据取得的进展，Corso 建议：“我们可以利用现有数据进行很多改进。我认为这是一个新的基线，既要匹配——也要超越。”

Isomorphic Labs 已经与强生、礼来和诺华等制药巨头建立了利润丰厚的药物开发合作伙伴关系，潜在价值达数十亿英镑。该公司还在推进自己的内部药物研发管线，临床试验即将展开。Jaderberg 透露，IsoDDE 存在多个版本，根据特定的合作伙伴协作进行定制，并整合了不同的数据源。他的同事 Michael Schaarschmidt，Isomorphic 的机器学习总监，详细阐述了公司“相当全面”的数据策略，该策略整合了公开可用数据、合成训练数据以及他们将“尝试许可”的数据源。这种多方面的数据获取和模型开发方法将 Isomorphic Labs 置于 AI 驱动药物发现的最前沿，即使它在科学进步和商业机密之间的微妙平衡中航行。

艾赫巴里通讯社