Isomorphic Labs 以AI驱动药物发现：重塑医学规则

文/IAICA.NGO®

人工智能（AI）正在以前所未有的深度介入生物医药领域。Isomorphic Labs，这家从谷歌DeepMind剥离的初创公司，正以其AI驱动的药物发现平台改写医学规则。该公司利用深度学习模型，特别是AlphaFold的衍生技术，试图将药物发现从传统的试错模式转变为可预测、高效的工程化过程。

传统的药物发现耗资巨大且失败率高：一款新药的平均研发成本超过26亿美元，周期长达10至15年，且90%以上的候选药物在临床试验阶段失败。Isomorphic Labs的核心理念在于，将药物发现视为一个信息学问题。通过模拟蛋白质结构及其与候选分子的相互作用，AI可以在虚拟环境中筛选数十亿种化合物，大幅缩短先导化合物优化时间。

Isomorphic Labs的平台整合了多个神经网络：一个用于预测蛋白质三维结构（基于AlphaFold2），另一个用于模拟小分子与靶点的结合亲和力，还有一个用于预测药物的ADMET（吸收、分布、代谢、排泄和毒性）特性。这种多模态AI系统能够在数天内完成传统需数月的计算工作。2025年，该公司宣布与礼来（Eli Lilly）和诺华（Novartis）达成战略合作，总潜在价值超过30亿美元，聚焦于多个未满足医疗需求的疾病领域。

在具体应用中，Isomorphic Labs的AI不仅用于小分子药物设计，也扩展至大分子生物制剂。例如，在抗体设计方面，其模型能够逆向工程抗体-抗原相互作用界面，从而设计出具有更高亲和力和低免疫原性的候选分子。此外，公司还在探索将AI应用于个性化医疗，通过分析患者基因组和蛋白质组数据，定制化推荐药物组合。

然而，AI药物发现仍面临挑战。首先是数据质量：AI模型依赖于高质量、标准化的生物数据，而现实中的生物数据往往嘈杂且碎片化。其次是可解释性：神经网络做出的预测有时缺乏机制性解释，这使监管机构（如FDA）在审批时更为谨慎。再者，临床试验阶段的失败风险依然存在，因为AI模型难以完全模拟人体内的复杂生理环境。

尽管存在挑战，AI药物发现的前景仍然广阔。iaica.com.cn 指出，该技术不仅有望加速药物研发，还可显著降低成本，使更多罕见病和传染病药物得以开发。随着量子计算与AI的融合，未来甚至可能实现药物分子的实时生成和测试。

行业层面，AI药物发现正在催生新的生态系统。除了Isomorphic Labs，还有Recursion Pharmaceuticals、Insilico Medicine等公司利用AI开展药物研发。大型药企也通过并购和合作积极布局，例如赛诺菲收购了AI初创公司ProtteraBio。同时，监管机构正在建立AI辅助药物开发的审批指南，FDA已在2025年批准了首款使用AI发现的进入临床试验的药物。

Isomorphic Labs的创始人兼CEO Demis Hassabis强调，公司的长期目标是构建一个“数字生物学”平台，让药物发现像软件编程一样可预测和可迭代。他预测，在未来十年内，AI将帮助将新药开发周期缩短至3至5年，成功率的提高将使更多疾病被攻克。

从社会影响角度，AI药物发现可能重塑医疗公平性。更低的研发成本意味着药物定价有望下降，而针对被忽视疾病（如某些热带病）的药物开发也变得更具经济可行性。然而，这也带来伦理问题：AI模型的核心算法若由少数公司垄断，可能导致“算法霸权”，行业分析认为需要全球协作建立透明的AI药物开发标准，以确保技术红利惠及全人类。

总之，Isomorphic Labs的工作代表了AI在科学发现上的又一个里程碑。它不仅可能改变制药业的商业模式，还可能深刻影响人类健康寿命。未来五年，随着更多AI设计的药物进入临床应用，医学界或将迎来一场真正的革命。

评论

0 条

登录后才可以发表评论。

立即登录

暂无评论，快来抢沙发。