今天，我们很高兴地分享我们在药物设计新领域进展的最新消息。我们在理解生物分子世界方面解锁了一种新的预测准确性范式，使我们能够以前所未有的理解和精度在计算机上合理设计新药物。我们展示了 Isomorphic Labs 药物设计引擎 (IsoDDE) 强大而广泛的能力的一小部分，这是一种统一的计算药物设计系统，在其预测准确性上超越了 AlphaFold 3 (AF3)，并引入了新的能力，弥合结构预测与实际药物发现之间的鸿沟。我们证明，IsoDDE 在一个具有挑战性的蛋白质-配体结构预测泛化基准上，其准确性是 AlphaFold 3 的两倍以上，能够以比黄金标准的基于物理的方法更高的精度预测小分子结合亲和力，同时耗时和成本却少得多，并且仅使用氨基酸序列作为输入就能准确识别目标蛋白质的新结合口袋。IsoDDE 为人工智能药物设计提供了可扩展的基础，提供了在前所未有的准确性下导航新型生物系统所需的预测保真度。自从我们在 2024 年与 Google DeepMind 一起发布 AlphaFold 3 以来，人工智能药物发现领域发展的速度极为迅猛。尽管 AlphaFold 3 从以往阶段的结构预测模型中实现了性能的显著跃升，但仍然存在一个关键挑战：仅理解生物分子结构并不足以解锁实际药物发现程序的计算机实现。合理药物设计的进展——对于解决人类疾病至关重要——需要高度准确的预测模型，这些模型能够在广泛的生化性质和相互作用范围内协调工作。关键是，在仍有许多生物和化学空间未被探索的情况下，这些模型需要具备将其预测能力推广到新的、未见过的系统的能力。在我们继续解决这些挑战时，我们很高兴地介绍 Isomorphic Labs 药物设计引擎 (IsoDDE)，并在下文及我们的技术报告中预览 IsoDDE 一部分的能力。 阅读我们的技术报告 真正新系统的结构预测 准确预测生物分子的结构及其如何相互作用仍然是合理药物设计的关键能力。通过准确建模蛋白质几何形状中的小细微差别——无论是理解致病突变的影响，还是预测哪些分子将与目标蛋白质结合——许多关键的下游任务得以解锁。AlphaFold 3 于发布时改进了蛋白质-配体结构预测，而开放的 AlphaFold 蛋白质数据库以一种之前无法想象的规模加速了科学发展。迄今为止，它已被来自190多个国家的300多万研究人员使用。基准测试随之显示，存在与 AlphaFold 3 培训示例不同的结构的准确性差距。换句话说，在一些药物发现面临的最大挑战和机遇所在的生物分子空间中，它可能在推广方面遇到困难。IsoDDE 显示出在推广到与其训练集高度不同的蛋白质-配体结构方面的显著进步。在 "Runs N Poses" 基准（Škrinjar 等 2025）中——专门设计用于测试对新结合口袋和配体的推广能力——IsoDDE 在最困难的系统上其准确性是 AlphaFold 3 的两倍以上。 在 "Runs N’ Poses" 基准的最难泛化类别 ((0-20]) 上，蛋白质-配体结构预测的准确性 - 与训练集最不同 在报告中，我们通过多个例子展示了，即使这些系统与此类模型的训练集相距甚远，我们也能成功建模复杂的分布外事件，如诱导适应（蛋白质适应其形状以容纳结合的配体）和隐性口袋的打开（在没有结合的配体时隐藏的口袋）——这些都是关键的生物机制。 为复杂生物制剂开启新的窗口 但小分子（如阿司匹林）只是整个难题的一部分。当治疗模式向复杂的生物制剂（如胰岛素）扩展时，准确建模抗体-抗原界面的能力至关重要。IsoDDE 在这一领域提供了准确性的显著提升。在高保真度的范围内（DockQ > 0.8），它在一个具有挑战性的新的抗体-抗原测试集上，比 AlphaFold 3 提升了 2.3 倍，比 Boltz-2 提升了 19.8 倍。关键是，IsoDDE 在 CDR-H3 环（抗体中最易变和最难预测的部分）上表现出色，有效开启了新型抗体设计的新可能性。抗体-抗原结构预测