Google DeepMind 拆分出来的英国生物技术公司 Isomorphic Labs ，准备把由人工智能设计的药物推进人体试验。这将是 AlphaFold 从“预测蛋白质结构”的科研工具，迈向“设计安全有效药物”的关键考验。
4 月 16 日， Isomorphic Labs 总裁 Max Jaderberg 在伦敦 WIRED Health 大会上表示，公司正在为进入临床阶段做准备。他说，随着临床试验启动，团队将开始真正观察这些分子的疗效。这批候选药物来自获得诺贝尔奖的 AI 技术体系。
不过， Jaderberg 没有给出明确时间表。按公司原本计划，这一步应该更早发生。去年， Isomorphic Labs 首席执行官 Demis Hassabis 曾表示，公司将在 2025 年底前把 AI 设计药物送入临床试验。现在的说法变成“正在准备进入临床”，说明计划已有延后。
Isomorphic Labs 成立于 2021 年，是 Alphabet 旗下 AI 研究机构 Google DeepMind 拆分出的公司。它的核心工具，是 DeepMind 开发的 AlphaFold 。这个 AI 平台能够预测蛋白质结构，也因此成为近几年生命科学领域最有影响力的技术之一。
蛋白质由 20 种不同氨基酸构成，是所有生命体运行的基础。长链氨基酸会折叠成特定的三维结构，而结构决定了蛋白质的功能。自 20 世纪 70 年代以来，科学家一直试图预测蛋白质结构，但一条蛋白质链可能形成的形状数量极其庞大，传统方法推进得很慢。
转折出现在 2020 年。 DeepMind 的 Demis Hassabis 和 John Jumper 公布了 AlphaFold 2 的结果。这个基于深度学习 （ deep learning ） 的系统，在蛋白质结构预测上取得了突破性进展。 2021 年， DeepMind 又发布了可供外部研究人员使用的开源版本 AlphaFold 。
到 2024 年， DeepMind 和 Isomorphic Labs 发布 AlphaFold 3 。它不再只处理单个蛋白质结构，而是开始预测 DNA 、 RNA 等关键分子，以及它们与蛋白质之间的相互作用。对药物发现来说，这一步很重要：研究人员需要知道一个小分子会如何与药物靶点结合，结合强度有多大，还会不会误绑定到其他对象上。 Hassabis 表示，这正是药物发现所需要的能力。
AlphaFold 平台发布后，已经能够预测研究人员已知的近 2 亿种蛋白质结构，并被来自 190 个国家的 200 多万人使用。 2024 年， Demis Hassabis 和 John Jumper 凭借这一突破获得诺贝尔化学奖。诺贝尔委员会当时提到， AlphaFold 已经推动了多项科学应用，包括帮助理解抗生素耐药性，以及生成能够分解塑料的酶的结构图像。
今年早些时候， Isomorphic Labs 又公布了一套更强的工具，名为 IsoDDE 。公司称，这是其专有药物设计引擎。在一篇技术论文中， Isomorphic Labs 表示， IsoDDE 的准确率达到 AlphaFold 3 的两倍以上。
商业化也在同步推进。 Isomorphic Labs 已经与 Eli Lilly 和 Novartis 建立合作，共同开展 AI 药物发现。与此同时，公司也在推进自己的药物管线。 Jaderberg 称，这是一条“广泛且令人兴奋的新药管线”，主要覆盖肿瘤学 （ oncology ） 和免疫学 （ immunology ）。
Jaderberg 对 WIRED Health 现场观众表示，公司正在设计的分子之所以令人期待，是因为团队对这些分子的作用方式有了更深入理解，因此能够把它们工程化为效力很强的候选药物。按照他的说法，这类药物有望以更低剂量服用，并减少副作用和脱靶效应。
为了迎接临床试验， Isomorphic Labs 去年任命了首席医学官，并宣布完成首轮 6 亿美元融资。公司也在组建临床开发团队。它给自己设定的使命很大：解决所有疾病。
Jaderberg 承认，这是一个疯狂的使命。但他强调，公司是认真这么说的，因为团队相信这件事应该可以实现。
创艺洞察
AlphaFold 的科研价值已经被证明， Isomorphic Labs 现在要证明的是另一件事： AI 能否把对生命系统的理解，转化为可被监管、临床和市场共同接受的药物。这里的难点并非生成一个看起来合理的分子，更重要的是，它能否穿过毒性、剂量、药代动力学、人体差异和长期疗效这些现实关卡。 AI 设计药物进入临床试验，是技术叙事的高潮，也是检验叙事的起点。
