近日Google旗下的 Isomorphic Labs发布了AI药物设计新利器——Isomorphic Labs Drug Design Engine (IsoDDE)，Nature号称为“AlphaFold 4”。

值得一提的是：

Isomorphic Labs的CEO为2024年诺贝尔奖化学奖获得者 Demis Hassabis。

Isomorphic Labs的核心产品包括在2024年和礼来、诺华等大药企就小分子药物发现发现展开合作，在2025年和蔡磊团队合作开发渐冻症AI治疗方案，同年宣布启动AI设计的药物进入人体临床试验阶段，其研发管线主要聚焦于肿瘤学与免疫学领域，并致力于攻克以胰腺癌、肺癌为代表的“不可成药”靶点难题。

Isomorphic Labs在2026年2月10日发布了一份长达27页的技术报告，大力宣传IsoDDE的“药物发现”能力。

报告中提到的成就——包括对蛋白质如何与潜在药物相互作用以及抗体结构的精确预测——其能力惊呆了该领域的科学家们。

报告透露了IsoDDE在不同领域的预测能力：

• Protein-ligand structure prediction，在与训练集差异最大的Runs N’ Poses蛋白质-配体共折叠基准测试（Škrinjar et al.，2025）子集中，IsoDDE实现了比此前最优模型（AF3）超过两倍的共折叠精度提升。此外，该模型成功模拟了复杂的分布外效应——例如隐藏口袋的开启——这些效应均不在模型的训练集范围内。

• Antibody-antigen structure prediction，在预测抗体-抗原界面时，IsoDDE展现出显著的精度提升。在一个具有挑战性的保留抗体测试集上，其高质量预测的比例超过AF3模型2.3倍，超过Boltz-2模型（Passaro et al.，2025）19.8倍。同时，IsoDDE在互补决定区重链3（CDR-H3）环的预测方面也表现出业界领先的性能（Hitawala and Gray 2025、Regep et al.2017），分别比AF3模型和Boltz-2模型提高了1.2倍和1.6倍。

• Binding affinity，在现实药物化学基准测试中超越了当前最先进的深度学习模型，并且在适用于物理模拟的精选数据集上，其表现超越了金标准的自由能微扰方法（Passaro et al.，2025）。

• Pocket identification，在通用测试集上，IsoDDE以1.5倍AUPRC的显著优势超越了常居榜首的开源方法P2Rank，成功识别出此前仅能通过实验方法发现的全新口袋（参考Krivák and Hoksza，2018）。

but，区别于2021年的AlphaFold2，2024年的AlphaFold3，IsoDDE不开源，技术细节也没公开。

Yet unlike the AlphaFold AI systems for predicting protein structure — which were made accessible to other researchers and described in depth in journal articles — IsoDDE is proprietary, and the technical paper offers scant insight into how to achieve similar results.

感兴趣的可以进一步学习：

-more-

2026可视化工具TOP3

《保姆级R可视化教程》来了！

Python matplotlib保姆级教程

嫌Matplotlib繁琐？试试Seaborn！