谷歌DeepMind分拆公司如何追踪隐藏的药物靶点

在过去十多年里，人工智能一直被吹捧为加速药物发现的革命性工具。然而，尽管投入了数十亿美元，真正由AI设计的药物进入患者手中的却寥寥无几。这既是因为药物测试的漫长周期难以压缩，也是因为药物开发本身极其困难。在这样的背景下，谷歌DeepMind的分拆公司Isomorphic Labs或许是取得最大进展的机构之一。

Isomorphic Labs在DeepMind诺贝尔奖级别的蛋白质结构预测工作基础上，推出了Isomorphic药物设计引擎（IsoDDE）。这一系统不仅能够预测蛋白质结构，还能发现蛋白质上可供药物结合的“口袋”，并预测药物分子与蛋白质结合的强度。该公司已与诺华和礼来签署了重大药物发现合作协议，并在近期获得了21亿美元融资，将其AI药物设计引擎推向规模化。

IsoDDE的核心突破在于识别“隐秘口袋”——这些口袋在蛋白质未结合状态时并不存在空腔，只有特定配体结合时才会打开。Isomorphic Labs利用2026年1月《自然》杂志报道的cereblon蛋白上的新隐秘口袋进行了验证。仅凭蛋白质序列输入，IsoDDE就完美预测了该口袋的位置，并准确模拟了正构和异构配体的结合方式。

与AlphaFold相比，IsoDDE更专注于药物设计中的实际挑战。AlphaFold虽然解决了蛋白质折叠问题，但对于药物设计而言，还需要理解蛋白质与配体的相互作用、结合强度等众多属性。IsoDDE集成了结构预测、口袋识别和结合亲和力预测三个端点，形成一个统一的计算系统。

Isomorphic Labs的研究负责人Adrian Stecuła指出，IsoDDE不仅适用于小分子药物，还能推广到抗体、分子胶和肽类等治疗模式。这有望使许多此前被认为“不可成药”的蛋白质靶点变得可行。然而，他也强调，能够准确建模结构并不意味着药物发现已解决，未来需要继续改进模型，并开发更多未公开的端点。

展望未来，Stecuła认为AI系统将越来越多地自动化药物发现流程，从生成假设到测试和分析结果。公司总裁Max Jaderberg也在TED AI演讲中探讨了这一愿景，认为智能体工作流是药物发现未来的组成部分。