谷歌DeepMind分拆公司如何追蹤隱藏的藥物靶點

在過去十多年裏，人工智能一直被吹捧為加速藥物發現的革命性工具。然而，儘管投入了數十億美元，真正由AI設計的藥物進入患者手中的卻寥寥無幾。這既是因為藥物測試的漫長週期難以壓縮，也是因為藥物開發本身極其困難。在這樣的背景下，谷歌DeepMind的分拆公司Isomorphic Labs或許是取得最大進展的機構之一。

Isomorphic Labs在DeepMind諾貝爾獎級別的蛋白質結構預測工作基礎上，推出了Isomorphic藥物設計引擎（IsoDDE）。這一系統不僅能夠預測蛋白質結構，還能發現蛋白質上可供藥物結合的“口袋”，並預測藥物分子與蛋白質結合的強度。該公司已與諾華和禮來簽署了重大藥物發現合作協議，並在近期獲得了21億美元融資，將其AI藥物設計引擎推向規模化。

IsoDDE的核心突破在於識別“隱秘口袋”——這些口袋在蛋白質未結合狀態時並不存在空腔，只有特定配體結合時才會打開。Isomorphic Labs利用2026年1月《自然》雜誌報道的cereblon蛋白上的新隱秘口袋進行了驗證。僅憑蛋白質序列輸入，IsoDDE就完美預測了該口袋的位置，並準確模擬了正構和異構配體的結合方式。

與AlphaFold相比，IsoDDE更專注於藥物設計中的實際挑戰。AlphaFold雖然解決了蛋白質摺疊問題，但對於藥物設計而言，還需要理解蛋白質與配體的相互作用、結合強度等眾多屬性。IsoDDE集成了結構預測、口袋識別和結合親和力預測三個端點，形成一個統一的計算系統。

Isomorphic Labs的研究負責人Adrian Stecuła指出，IsoDDE不僅適用於小分子藥物，還能推廣到抗體、分子膠和肽類等治療模式。這有望使許多此前被認為“不可成藥”的蛋白質靶點變得可行。然而，他也強調，能夠準確建模結構並不意味着藥物發現已解決，未來需要繼續改進模型，並開發更多未公開的端點。

展望未來，Stecuła認為AI系統將越來越多地自動化藥物發現流程，從生成假設到測試和分析結果。公司總裁Max Jaderberg也在TED AI演講中探討了這一願景，認為智能體工作流是藥物發現未來的組成部分。