Новая эра в компьютерной разработке лекарств: Isomorphic Labs представляет IsoDDE

Ландшафт искусственного интеллекта в здравоохранении претерпел кардинальные изменения с представлением компанией Isomorphic Labs системы проектирования лекарств Isomorphic Labs Drug Design Engine (IsoDDE). Являясь значительным эволюционным скачком по сравнению с широко признанным AlphaFold 3, IsoDDE выводит отрасль за рамки простого предсказания структуры в область высокоточной рациональной разработки лекарств. Это событие знаменует переход от вопроса «как выглядит этот белок?» к ответу на критически важный фармацевтический вопрос: «как мы можем спроектировать молекулу для его лечения?».

Для команды Creati.ai этот анонс подчеркивает быстрое созревание Генеративной биологии (Generative Biology). В то время как AlphaFold 3 демократизировал доступ к структурным данным, IsoDDE решает сложные и запутанные задачи фармацевтических НИОКР (R&D), такие как труднопредсказуемые сайты связывания и сродство потенциальных кандидатов в лекарственные препараты.

Переосмысление точности в обобщении

Основное преимущество IsoDDE заключается в его способности к обобщению на «невидимые» биологические мишени — белки и лиганды, которые значительно отличаются от данных, доступных в открытых обучающих наборах. В вычислительной биологии модели часто испытывают трудности с данными, выходящими за рамки распределения (out-of-distribution), хорошо работая со знакомыми структурами, но терпя неудачу при столкновении с новыми терапевтическими мишенями.

Isomorphic Labs сообщила, что IsoDDE более чем вдвое превосходит точность AlphaFold 3 в сложном бенчмарке «Runs N' Poses». Этот тест специально разработан для проверки производительности модели на структурах белок-лиганд, которые отличаются от обучающих примеров. Демонстрируя здесь превосходные результаты, IsoDDE доказывает надежность, необходимую для разработки первых в своем классе (first-in-class) лекарств, где мишеням часто не хватает обширных исторических данных.

Освоение динамической природы белков

Белки — это не статичные статуи; это динамические сущности, меняющие свою форму. Основным ограничением предыдущих моделей была их неспособность учитывать «индуцированное соответствие» (induced fit) — явление, при котором белок изменяет свою структуру для размещения связывающегося лекарства. IsoDDE успешно моделирует эти сложные взаимодействия, включая открытие «скрытых карманов (cryptic pockets)».

Скрытые карманы — это сайты связывания, которые обычно скрыты и обнаруживают себя только тогда, когда связывается специфический лиганд. Они представляют собой золотую жилу для разработчиков лекарств, поскольку предлагают альтернативные способы воздействия на вызывающие болезни белки, которые ранее считались «не поддающимися медикаментозному лечению» (undruggable). В качестве яркого подтверждения своих возможностей IsoDDE автономно воспроизвел недавнее открытие скрытого сайта на белке цереблон (cereblon), ключевой мишени в терапии рака и деградации белков, используя в качестве входных данных только аминокислотную последовательность белка.

Превосходные результаты в биопрепаратах и антителах

Помимо малых молекул, фармацевтическая промышленность все чаще обращается к биопрепаратам (biologics), особенно к антителам. Проектирование этих сложных молекул требует предсказания структуры интерфейса антитело-антиген с экстремальной точностью. Петля CDR-H3 антитела особенно известна своей высокой вариабельностью и гибкостью, что делает ее камнем преткновения для традиционных вычислительных методов.

IsoDDE продемонстрировал улучшение точности в 2,3 раза по сравнению с AlphaFold 3 и ошеломляющее улучшение в 19,8 раза по сравнению с Boltz-2 в предсказании структур антитело-антиген. Этот скачок в производительности имеет решающее значение для дизайна антител de novo, потенциально сокращая время, необходимое для скрининга и оптимизации биологических кандидатов, с месяцев до дней.

Преодоление барьера сродства связывания

Возможно, наиболее коммерчески значимым достижением является способность IsoDDE прогнозировать сродство связывания (binding affinity) — меру того, насколько сильно лекарство связывается со своей мишенью. Исторически это было областью методов, основанных на физике, таких как возмущение свободной энергии (Free Energy Perturbation, FEP). Несмотря на точность, FEP требует больших вычислительных затрат, медлителен и нуждается в высококачественных кристаллических структурах в качестве отправной точки.

Сообщается, что IsoDDE соответствует или превосходит по точности эти «золотые стандарты» физических методов, но работает при гораздо меньших затратах и с более высокой скоростью. Что крайне важно, он не требует экспериментальных кристаллических структур для начала анализа. Это позволяет исследователям быстро ранжировать тысячи потенциальных кандидатов в лекарства in silico, прежде чем приступать к дорогостоящему лабораторному синтезу.

Сравнительный анализ: IsoDDE против существующих методов

В следующей таблице представлены основные отличия в производительности между новой системой, ее предшественником и традиционными методами, основанными на физике.

Стратегические последствия для фармацевтической отрасли

Запуск IsoDDE — это не просто техническое достижение; это стратегический актив, который подтверждает бизнес-модель Isomorphic Labs. С момента своего выделения из DeepMind компания заключила высокопрофильные партнерские соглашения с фармацевтическими гигантами, такими как Eli Lilly, Novartis и, совсем недавно, Johnson & Johnson. Эти коллаборации строятся на предпосылке, что ИИ может делать больше, чем просто визуализировать биологию — он может проектировать решения.

Система уже внедряется внутри компании для продвижения собственного портфеля кандидатов в лекарства Isomorphic Labs. Генеральный директор Демис Хассабис (Demis Hassabis) указал, что компания ожидает выхода своих первых препаратов, спроектированных ИИ, на стадию клинических испытаний к концу 2026 года. Эти сроки предполагают быстрый переход от цифрового прототипирования к применению на людях — темп, который был немыслим еще десятилетие назад.

От предсказания к назначению

Для отраслевых наблюдателей различие между «предсказанием структуры» и «разработкой лекарств» имеет первостепенное значение. AlphaFold решил проблему статической геометрии. IsoDDE пытается решить проблему функционального взаимодействия. Точно предсказывая не только то, где находятся атомы, но и то, насколько сильно они взаимодействуют и как они движутся, IsoDDE замыкает цикл между вычислительной гипотезой и биологической реальностью.

Эта возможность особенно важна для идентификации «слепых» карманов. Способность сканировать поверхность белка и выявлять новые сайты связывания без предварительных знаний позволяет ученым атаковать пути заболевания с совершенно новых углов. Этот подход сродни поиску потайной двери в крепость, которая ранее считалась неприступной.

Заключение

Isomorphic Labs эффективно подняла планку того, что считается передовым уровнем в области ИИ для здравоохранения. Решая специфические болевые точки разработки лекарств — обобщение, прогнозирование сродства и идентификацию скрытых карманов — IsoDDE позиционирует себя как важный инструмент для современных фармацевтических НИОКР.

Для Creati.ai это развитие событий сигнализирует о том, что фаза «хайпа» вокруг ИИ в биологии переходит в фазу «влияния». Метрики, предоставленные Isomorphic Labs, свидетельствуют о том, что эти инструменты больше не являются просто увлекательными экспериментами, а стали достаточно надежными, чтобы управлять коммерческими цепочками разработки лекарств. Приближаясь к концу 2026 года, отрасль будет внимательно следить за тем, смогут ли эти предсказания, рожденные in silico, успешно воплотиться в безопасные и эффективные лекарства для пациентов.