概述
這很重要,因為它不僅旨在預測蛋白質形狀,還旨在預測分子如何結合,從而有可能重新設計藥物的發現方式。
深入探討
Isomorphic Labs 成立於 2021 年,由 Demis Hassabis 領導,直接脫胎於 DeepMind 的 AlphaFold,後者透過根據氨基酸序列預測 3D 結構解決了數十年之久的蛋白質折疊問題。 Isomorphic 的論點是,生物學可以被視為一個資訊處理系統,因此人工智慧可以足夠準確地模擬分子相互作用,從而合理地設計藥物,而不是透過反覆試驗。 2024 年,該團隊協助發布了 AlphaFold 3,它可以預測蛋白質以及 DNA、RNA、配體和其他分子的結構,這對於理解藥物結合至關重要。 Isomorphic 與禮來公司 (Eli Lilly) 和諾華公司 (Novartis) 簽署了價值可能達數十億美元的交易,並於 2025 年籌集了 6 億美元的外部資金,以將其內部藥物項目推向臨床。
現實世界的實施
在任何實驗室合成之前,使用 AlphaFold 3 模擬候選小分子如何在疾病標靶蛋白的口袋內結合。
與禮來公司和諾華公司合作,設計跨多個疾病領域的新型小分子藥物。
預測蛋白質-DNA 和蛋白質-RNA 複合物,以研究舊工具無法代表的目標。
優先考慮要合成和測試的化合物,減少濕實驗室循環的浪費。
同構實驗室藥物發現的未來
Isomorphic 的既定目標是有一天用人工智慧「解決所有疾病」。短期內,預計首批完全由人工智慧設計的候選藥物將進入臨床試驗,建立更多的製藥合作夥伴關係,以及結構預測、產生化學和性質預測之間更緊密的循環。懸而未決的問題仍然存在:預測的結構不是實驗證明,結合親和力預測仍然不完善,臨床成功將成為合理設計承諾的真正基準。
付諸實踐
為什麼這很重要
- 供應商策略. 供應商路線圖會影響您的團隊接下來可以建立的功能。
- 成本與預算. 商業條款和部署選項會影響長期成本和風險。
- 風險與安全. 公司激勵措施塑造了產品預設、安全態勢和開放性。
留意
- 發佈公告可能會超過實際生產工作流程的穩定性。
- API 定價或政策轉變可能會在一夜之間打破假設。
- 單一供應商依賴性增加了鎖定和遷移成本。
後續步驟
- 使用您自己的任務和資料集評估提供者。
- 在整合之前查看隱私、安全和法律條款。
- 維護跨模型或供應商的後備計劃。
- 監控發行說明,以便路線圖的變更不會讓團隊感到意外。
不斷探索
常見問題
什麼是同構實驗室藥物發現?
Isomorphic Labs 是 Alphabet/DeepMind 的衍生公司,將 AlphaFold 的突破轉變為人工智慧優先的藥物設計引擎。這很重要,因為它不僅旨在預測蛋白質形狀,還旨在預測分子如何結合,從而有可能重新設計藥物的發現方式。
Isomorphic Labs 是基於哪項著名人工智慧突破的衍生產品?
Isomorphic Labs 脫胎於 DeepMind 的 AlphaFold,後者根據序列預測 3D 蛋白質結構。
誰領導同構實驗室?
DeepMind 執行長 Demis Hassabis 也領導 Isomorphic Labs。
AlphaFold 3 相對 AlphaFold 2 增加了哪些新功能?
AlphaFold 3 模擬蛋白質與其他分子的複合物,這是藥物結合的關鍵。
AlphaFold 3 使用什麼技術來產生結構?
AlphaFold 3 使用擴散模型,迭代地將原子座標去雜訊為合理的結構。
哪兩家主要製藥公司與 Isomorphic Labs 簽署了合作關係?
Isomorphic 與禮來公司和諾華公司簽署了可能價值數十億美元的交易。