Una nueva era en el descubrimiento computacional de fármacos: Isomorphic Labs presenta IsoDDE

El panorama de la inteligencia artificial en la atención médica ha sido testigo de un cambio fundamental con la introducción por parte de Isomorphic Labs del Isomorphic Labs Drug Design Engine (IsoDDE). Representando un salto evolutivo significativo más allá del ampliamente aclamado AlphaFold 3, IsoDDE traslada a la industria más allá de la mera predicción de estructuras hacia el ámbito del diseño racional de fármacos (Rational Drug Design) de alta fidelidad. Este desarrollo marca una transición de preguntar "¿cómo se ve esta proteína?" a responder la pregunta farmacéutica crítica: "¿cómo podemos diseñar una molécula para tratarla?".

Para el equipo de Creati.ai, este anuncio subraya la rápida maduración de la biología generativa (Generative Biology). Mientras que AlphaFold 3 democratizó el acceso a los datos estructurales, IsoDDE aborda la realidad compleja y desordenada de la I+D farmacéutica, enfrentando desafíos como los sitios de unión difíciles de predecir y la afinidad de los posibles candidatos a fármacos.

Redefiniendo la precisión en la generalización

La promesa central de IsoDDE radica en su capacidad para generalizar a objetivos biológicos "no vistos": proteínas y ligandos que difieren significativamente de los datos disponibles en los conjuntos de entrenamiento públicos. En biología computacional, los modelos a menudo tienen dificultades con los datos "fuera de distribución" (Out-of-distribution), rindiendo bien en estructuras familiares pero fallando cuando se les presentan nuevos objetivos terapéuticos.

Isomorphic Labs ha informado que IsoDDE más que duplica la precisión de AlphaFold 3 en el desafiante benchmark "Runs N' Poses". Este benchmark está diseñado específicamente para probar el rendimiento de un modelo en estructuras de proteína-ligando que son distintas de los ejemplos de entrenamiento. Al sobresalir aquí, IsoDDE demuestra una robustez que es esencial para el descubrimiento de fármacos primero en su clase (First-in-class), donde los objetivos a menudo carecen de datos históricos extensos.

Dominando la naturaleza dinámica de las proteínas

Las proteínas no son estatuas estáticas; son entidades dinámicas que cambian de forma. Una limitación importante de los modelos anteriores era su incapacidad para tener en cuenta el "ajuste inducido" (Induced fit), el fenómeno en el que una proteína altera su estructura para acomodar un fármaco de unión. IsoDDE modela con éxito estas interacciones complejas, incluida la apertura de "bolsillos crípticos (cryptic pockets)".

Los bolsillos crípticos son sitios de unión que suelen estar ocultos y solo se revelan cuando se une un ligando específico. Representan una mina de oro para los cazadores de fármacos porque ofrecen formas alternativas de atacar proteínas causantes de enfermedades que anteriormente se consideraban "no aptas para fármacos". En una validación sorprendente de sus capacidades, IsoDDE recapituló de forma autónoma el reciente descubrimiento de un sitio críptico en la proteína cereblon, un objetivo clave en la terapia contra el cáncer y la degradación de proteínas, utilizando solo la secuencia de aminoácidos de la proteína como entrada.

Rendimiento superior en biológicos y anticuerpos

Más allá de las moléculas pequeñas, la industria farmacéutica está pivotando cada vez más hacia los biológicos (Biologics), particularmente los anticuerpos. El diseño de estas moléculas complejas requiere predecir la estructura de la interfaz anticuerpo-antígeno con extrema precisión. El bucle CDR-H3 de un anticuerpo es particularmente notorio por su alta variabilidad y flexibilidad, lo que lo convierte en un obstáculo para los métodos computacionales tradicionales.

IsoDDE ha demostrado una mejora de 2.3 veces en la precisión con respecto a AlphaFold 3 y una asombrosa mejora de 19.8 veces con respecto a Boltz-2 en la predicción de estructuras de anticuerpo-antígeno. Este salto en el rendimiento es crítico para el diseño de anticuerpos de novo, reduciendo potencialmente el tiempo requerido para cribar y optimizar candidatos biológicos de meses a días.

Rompiendo la barrera de la afinidad de unión

Quizás el avance comercialmente más significativo es la capacidad de IsoDDE para predecir la afinidad de unión (Binding Affinity), la medida de con qué fuerza se une un fármaco a su objetivo. Históricamente, este ha sido el dominio de los métodos basados en la física como la perturbación de la energía libre (Free Energy Perturbation - FEP). Aunque precisos, los FEP son computacionalmente costosos, lentos y requieren estructuras cristalinas de alta calidad como punto de partida.

Según se informa, IsoDDE iguala o supera la precisión de estos métodos basados en la física que son el "estándar de oro", pero opera a una fracción del costo y la velocidad. Crucialmente, no requiere estructuras cristalinas experimentales para comenzar su análisis. Esto permite a los investigadores clasificar rápidamente miles de posibles candidatos a fármacos in silico antes de comprometerse con una costosa síntesis en el laboratorio húmedo (Wet-lab).

Análisis comparativo: IsoDDE frente a métodos establecidos

La siguiente tabla describe los diferenciadores clave de rendimiento entre el nuevo motor, su predecesor y los enfoques tradicionales basados en la física.

Implicaciones estratégicas para la industria farmacéutica

El lanzamiento de IsoDDE no es simplemente un hito técnico; es un activo estratégico que valida el modelo de negocio de Isomorphic Labs. Desde su escisión de DeepMind, la empresa ha asegurado asociaciones de alto perfil con gigantes farmacéuticos como Eli Lilly, Novartis y, más recientemente, Johnson & Johnson. Estas colaboraciones se basan en la premisa de que la IA puede hacer más que solo visualizar la biología: puede diseñar soluciones.

El motor ya se está implementando internamente para impulsar la propia cartera de candidatos a fármacos de Isomorphic Labs. El CEO Demis Hassabis ha indicado que la empresa espera que sus primeros fármacos diseñados por IA entren en ensayos clínicos para finales de 2026. Este cronograma sugiere una transición rápida del prototipado digital a la aplicación humana, un ritmo que era inimaginable hace una década.

De la predicción a la prescripción

Para los observadores de la industria, la distinción entre "predicción de estructura" y "diseño de fármacos" es primordial. AlphaFold resolvió el problema de la geometría estática. IsoDDE intenta resolver el problema de la interacción funcional. Al predecir con precisión no solo dónde se sitúan los átomos, sino con qué fuerza interactúan y cómo se mueven, IsoDDE cierra el ciclo entre la hipótesis computacional y la realidad biológica.

Esta capacidad es particularmente vital para la identificación de bolsillos "a ciegas". La capacidad de escanear la superficie de una proteína e identificar bolsillos nuevos y ligables sin conocimiento previo permite a los científicos atacar las vías de la enfermedad desde ángulos completamente nuevos. Este enfoque es similar a encontrar una puerta trasera en una fortaleza que anteriormente se pensaba que era impenetrable.

Conclusión

Isomorphic Labs ha elevado efectivamente el listón de lo que se considera el estado del arte en la atención médica impulsada por IA. Al abordar los puntos críticos específicos del descubrimiento de fármacos (generalización, predicción de afinidad e identificación de bolsillos crípticos), IsoDDE se posiciona como una herramienta esencial para la I+D farmacéutica moderna.

Para Creati.ai, este desarrollo indica que la fase de "promesas" de la IA en la biología está pasando a una fase de "impacto". Las métricas proporcionadas por Isomorphic Labs sugieren que las herramientas ya no son solo experimentos fascinantes, sino que ahora son lo suficientemente robustas como para impulsar carteras comerciales de fármacos. Mientras miramos hacia finales de 2026, la industria observará de cerca para ver si estas predicciones nacidas en el silicio pueden traducirse con éxito en medicamentos seguros y eficaces para los pacientes.