Isomorphic Labs Limited

2025年3月27日，Nature发表文章AlphaFold is running out of data — so drug firms are building their own version，主要描述了面对AlphaFold在蛋白质与药物相互作用数据上的不足，多家制药公司合作利用内部专有数据开发不向学术界开放的私有AI模型，以提升药物研发能力。AlphaFold这一革命性的诺贝尔奖获奖蛋白质结构预测工具正面临一个问题：数据即将耗尽。David Baker、Demis Hassabis和John Jumper（从左到右）因开发出可以预测和设计蛋白质结构的计算工具而获得诺贝尔化学奖。最新版本的人工智能模型AlphaFold 3被誉为药物研发领域的颠覆者，因为它能模拟蛋白质与其他分子（包括药物）的相互作用。但科学家指出，由于AlphaFold的基础数据（数十万公开的蛋白质结构）中缺乏这些相互作用的实例，该工具在制药公司最关注的应用领域仍受限制。近日，由多家领先制药公司组成的联盟宣布计划利用其内部数据库中数千个目前保密的蛋白质结构，开发一款受AlphaFold 3启发的AI模型。这些数据将补充蛋白质数据库（Protein Data Bank, PDB）中已有的20多万个公开蛋白质结构。“PDB中缺失的数据正是我们内部数据所包含的部分”，艾伯维计算药物发现负责人、参与该项目的John Karanicolas表示。该联盟名为“AI结构生物学联盟(AI Structural Biology Consortium)”。AISB联盟是一项旨在帮助改变药物发现和开发的新型合作来源：https://www.apheris.com/industries/aisb该联盟的模型基于OpenFold 3，将于4月发布。但该模型仅限成员公司（包括艾伯维、强生、赛诺菲和勃林格殷格翰）使用，暂无向外界开放的计划。开发AlphaFold的DeepMind未参与此项目且拒绝置评。其子公司Isomorphic Labs正将AlphaFold 3用于与诺华和礼来等药企的合作中。药物数据短缺AlphaFold通过蛋白质序列预测其3D结构的能力依赖于PDB中通过X射线晶体学等实验方法获得的海量蛋白质结构数据。Karanicolas指出，这些结构数据中虽包含相互作用分子，但多为ATP（细胞能量来源）等生物分子，而非药物化合物。哥伦比亚大学计算生物学家、OpenFold开发负责人Mohammed AlQuraishi表示，AlphaFold 3在预测蛋白质与潜在药物相互作用方面表现尚可，但“这仍是一个开放性问题”。药企内部极少公开的蛋白质结构可能为此提供帮助。在药物开发过程中，企业通常会针对同一蛋白质与多种候选药物结合的结构进行测定。罗格斯大学结构生物学家Stephen K. Burley称，这些专有蛋白质结构数据的完整规模尚不明确，但其总量可能与PDB相当甚至更大。仅艾伯维一家公司就为联盟的AI模型贡献了超过9,000个结构。AlQuraishi感叹道：“这些封闭数据库中的数据量令人震惊。”为开发新模型，制药公司不会彼此共享实际蛋白质结构数据，也不会与AlQuraishi分享。取而代之的是，他们将使用柏林初创公司Apheris开发的平台，在数据不离开企业数字防火墙的前提下，利用专有数据对OpenFold 3进行再训练。Karanicolas强调，该模型无法通过逆向工程识别其训练所用的保密结构。AlQuraishi表示，额外数据能否提升AlphaFold对蛋白质-药物相互作用的建模能力仍不明确。“关键问题在于提升幅度有多大？”他的团队将通过对比模型预测与实验结果来评估性能，并公开详细分析。“无论结果积极或消极，这项实验都极具价值”，他补充道。AlQuraishi指出，一些科学家和资助机构正计划建立类似药企的结构数据库以训练AI模型，而验证更多数据是否真正有用将至关重要。显著提升田纳西州纳什维尔范德堡大学计算结构生物学家Stephanie Wankowicz表示：“仅凭制药公司的保密数据可能无法提升AlphaFold在蛋白质预测方面本已卓越的准确性。企业数据中蕴含的化学多样性或能“极大改善”药物相互作用的预测。”加州大学旧金山分校药物化学家Brian Shoichet则质疑药企是否拥有足够数据推动AlphaFold实现重大突破。“他们能从这颗‘柠檬’中榨取的创新终究有限”，他说道。然而，Shoichet指出，即使小幅改进也可能极具价值，例如更精准预测药物是否会与特定蛋白质结合——这能间接反映药物有效性。他的团队正在进行“虚拟对接”实验：通过基于物理原理的软件，从数十亿化合物中筛选可能与目标蛋白质结合的候选分子，再通过实验室测试验证预测结果。“若20%的预测有效，我们已感欣慰。若能提升至50%，将是质的飞跃。”他解释道。数据开放的争议与希望目前，联盟模型仅限成员使用，Karanicolas希望更多药企加入。他称，联盟计划先评估模型表现，再考虑向学术界开放。Wankowicz更希望药企能从根本上公开更多结构数据。Burley指出，在PDB的23.3万个结构中，仅6%由制药公司提交。Shoichet虽认同药企有充分理由应共享更多结构数据，但对实际进展不抱期待。“这类讨论我参与了30年，却从未实现过。如今我已不再提及此事。”Burley则更乐观，他认为企业终将认识到开放带来的益处（如更强大的药物研发工具）。“在后AlphaFold 2和AlphaFold 3时代，企业会更愿意迈出这信念的飞跃。”参考资料：https://doi.org/10.1038/d41586-025-00868-9--------- End ---------感兴趣的读者，可以添加小邦微信加入读者实名讨论微信群。添加时请主动注明姓名-企业-职位/岗位或姓名-学校-职务/研究方向。

2025年3月19日，据TechCrunch报道，谷歌首席健康官Karen DeSalvo在近期波士顿的一场医疗科技会议上宣布谷歌将很快发布TxGemma，这是一组开放的人工智能模型。她还在博客文章中对此进行了说明。图1 TxGemma概述DeSalvo表示：“从概念到获批使用，治疗药物的开发是一个漫长且昂贵的过程，因此我们正与更广泛的研究界合作，寻找新方法以提高这一过程的效率。”据谷歌介绍，TxGemma能够理解常规文本以及不同治疗实体（如小分子、化学物质和蛋白质）的结构。研究人员可以向TxGemma提问，以帮助预测潜在新疗法的特性。图2 TxGemma聊天可以被提示解释其推理或提供额外的上下文这一工具可能会吸引大量需求者，但目前模型的许可条款尚未明确。据估计，目前有数百家人工智能初创公司专注于药物研发领域，而该领域的全球人工智能市场规模预计将从2023年的35亿美元增长至2030年的79亿美元，年增长率达12.2%。谷歌曾是该领域的先驱。2020年，其旗下DeepMind的AlphaFold首次亮相时，这款新型蛋白质结构预测程序被誉为突破性技术，有望解决药物研发中成本高昂和失败率居高不下的问题。AlphaFold采用端到端深度神经网络，通过训练从氨基酸序列、多序列比对和同源蛋白中生成蛋白质结构。借助AlphaFold的成功，其发布约两年后，DeepMind的人工智能子公司Isomorphic宣布与礼来（Eli Lilly）和诺华（Novartis）达成两项药物研发协议，每项价值30亿美元。今年2月，Isomorphic宣布扩大与诺华的战略研究合作。根据协议条款，双方将扩展初始合作范围，在原有财务条款基础上新增最多三个研究项目。然而，人工智能在药物研发领域已出现一些备受关注的失败案例，包括Exscientia和BenevolentA的项目。尽管如此，人工智能在该领域的应用势头仍在持续增强。正如医学博士Eric Topol在Substack文章（2023年10月1日）中所写：“不久前，科学家可能需要花费2到3年时间确定一种蛋白质的三维结构……如今，借助人工智能的进步，几乎所有蛋白质的结构都能在几分钟内完成解析。甚至自然界中不存在、此前从未构想过的全新蛋白质，现在也能被创造出来。”参考资料：https://www.insideprecisionmedicine.com/topics/precision-medicine/google-to-launch-open-ai-models-for-drug-discovery/https://storage.googleapis.com/research-media/txgemma/txgemma-report.pdf--------- End ---------感兴趣的读者，可以添加小邦微信加入读者实名讨论微信群。添加时请主动注明姓名-企业-职位/岗位或姓名-学校-职务/研究方向。

来源：药渡撰文：Pharmadeep    近日，人工智能优先的药物设计和开发公司Isomorphic Labs宣布在其首轮外部融资中成功筹集了6亿美元。这笔资金将用于进一步开发其下一代人工智能药物设计引擎，并推动治疗项目进入临床阶段。1公司背景与技术基础Isomorphic Labs成立于2021年，源自谷歌的DeepMind团队。公司致力于利用人工智能技术重新定义药物发现和开发流程，其核心技术包括AlphaFold等革命性AI模型。AlphaFold是一种能够预测蛋白质三维结构的AI模型，在2020年的CASP14蛋白质结构预测竞赛中取得了突破性成果，将预测误差从传统方法的10Å级别压缩至原子尺度（1.6Å）。基于AlphaFold的技术基础，Isomorphic Labs开发了PhoenixAI平台，该平台通过图神经网络（GNN）与扩散模型（Diffusion Model）的融合架构，能够模拟药物分子与蛋白质口袋的原子级相互作用，显著缩短了先导化合物优化周期。2融资详情与战略意义此次融资由Thrive Capital领投，谷歌母公司Alphabet及其风险投资部门GV也参与其中。这是Isomorphic Labs首次获得外部资金支持。这笔资金将主要用于以下几个方面：技术开发：进一步优化其AI药物设计引擎，扩展其在多个治疗领域和药物模式中的应用能力。临床推进：支持公司研发的药物项目进入临床试验阶段。人才招募：吸引顶尖的研究科学家，增强公司的研发实力。3从蛋白质预测到多模态AI平台Isomorphic Labs的核心竞争力在于其技术体系的延展性。基于AlphaFold的蛋白质结构预测能力，公司开发了多模态生成式AI平台，覆盖以下关键模块：靶点发现：通过分析数亿级生物医学文献与实验数据，识别疾病相关靶点；分子生成：利用扩散模型与强化学习设计高结合力、低毒性的候选分子；虚拟验证：构建患者数字孪生模型，预测药物代谢动力学与疗效风险。据内部披露，公司已建立10余条研发管线，覆盖肿瘤、神经退行性疾病等领域，其中两项预计于2025年底进入临床试验阶段。4合作伙伴与商业潜力Isomorphic Labs已与制药巨头礼来（Eli Lilly）和诺华（Novartis）建立了战略合作关系。这些合作可能为公司带来高达30亿美元的里程碑付款，用于获取其AI模型的使用权。例如，Isomorphic Labs针对KRAS G12D靶点设计的口服小分子抑制剂ISOL-003，在临床前研究中展现了比现有药物更高的结合亲和力，并成功突破血脑屏障。此外，公司还与礼来合作开发针对多个靶点的小分子治疗方案，并与诺华合作研究三个未公开的靶点。5行业影响与未来展望Isomorphic Labs的技术路线被认为能够显著降低新药研发成本，并提高临床成功率。据摩根士丹利预测，该技术若完全落地，可将新药研发成本从当前平均26亿美元压缩至1.7亿美元，同时将临床成功率从9.6%提升至34%。公司创始人兼首席执行官Demis Hassabis表示：“这笔资金将进一步推动我们下一代AI药物设计引擎的开发，帮助我们将自己的项目推进到临床开发中，这是我们朝着解决所有疾病的使命迈出的重要一步。”随着AI技术在药物研发领域的不断深入，Isomorphic Labs的崛起正在改写生物医药创新的范式。其技术不仅有望打破传统药企的化合物库优势，还可能为全球医药市场带来革命性的变化。结语2024年诺贝尔化学奖授予AlphaFold团队与计算蛋白设计先驱，标志着AI在生命科学中的价值获得最高学术认可。Isomorphic Labs的6亿美元融资，则是这一趋势在产业端的缩影。随着技术迭代与临床数据的积累，AI有望在未来十年推动30%的新药研发，而Isomorphic Labs的目标正是引领这场效率革命。