堪称「AlphaFold 4」！谷歌旗下AI製药公司推新引擎IsoDDE 性能翻倍却全面闭源

谷歌 (GOOGL-US) 旗下 AI 製药公司 Isomorphic Labs 于 2 月 10 日发布一份 27 页技术报告，推出新一代 AI 药物设计引擎 IsoDDE。该系统被《Nature》形容为AlphaFold 4级别的重大进展，在多项基準测试中性能全面超越 DeepMind 先前推出的 AlphaFold 3。然而，与过去开源的 AlphaFold 系列不同，IsoDDE 选择完全闭源，程式码、论文与模型方法均未公开，引发科学界对 AI 科研工具未来开放性的讨论。

Isomorphic Labs 由 Demis Hassabis 创办并担任执行长。2024 年，Hassabis 因 AlphaFold 在蛋白质三维结构预测上的突破性贡献站上诺贝尔领奖台。AlphaFold 模型已被来自 190 多个国家的超过 300 万名研究者使用，被视为 AI 惠及全球科研的代表案例。AlphaFold 2 于 2021 年开源并在《Nature》发表论文，2024 年推出的 AlphaFold 3 亦发表研究成果，最终向学术界开放。

此次发布的 IsoDDE 则改变策略。Isomorphic Labs 总裁 Max Jaderberg 向《Nature》表示，公司不打算公开核心秘方。27 页技术报告中并未披露模型架构与训练方法细节，外界仅能根据测试结果推测其技术路径。

根据报告数据，在测试 AI 处理从未见过的新蛋白结构能力的 Runs N" Poses 基準测试中，当测试样本与训练资料相似度仅 0-20%(属于最困难情境) 时，IsoDDE 成功率为 AlphaFold 3 的两倍。在 60 个最难案例中，有 17 个案例 AlphaFold 3 完全失败，而 IsoDDE 成功完成预测。在抗体辨识标靶的高精度预测任务中，IsoDDE 成功率为 AlphaFold 3 的 2.3 倍，是开源模型 Boltz-2 的近 20 倍。

在结合亲和力预测方面，IsoDDE 亦展现突破。该任务传统依赖名为 FEP 的物理模拟方法，计算成本极高且需以实验室晶体结构为起点。IsoDDE 在多项公开测试中不仅超越所有 AI 方法，甚至超越 FEP，同时不需任何实验数据作为输入条件。

报告并举例指出，名为 cereblon 的蛋白过去 15 年间仅被确认存在一个药物结合位点，直到今年初才透过实验发现第二个隐藏位点。IsoDDE 仅输入胺基酸序列，便在数秒内辨识出两个结合位点，包括隐藏 15 年的位点。哥伦比亚大学计算生物学家 Mohammed AlQuraishi 表示，IsoDDE 在陌生分子体系上的泛化能力令人震撼，但同时指出学界对其技术细节一无所知。

Isomorphic Labs 近年积极商业化布局。公司已取得 6 亿美元融资，并与 Eli Lilly and Company 及 Novartis 签署潜在总价值近 30 亿美元的合作协议，目前内部推进 17 条药物研发管线。Hassabis 今年 1 月在达沃斯表示，首批由 AI 设计的药物预计将于 2026 年底进入临床试验。

部分学者指出，公司与药厂合作可能取得大量私有实验数据，而这些资料对 IsoDDE 性能提升的贡献比例外界无法得知。若核心优势来自资料壁垒而非纯粹演算法创新，开源社群追赶难度将显着增加。

儘管如此，开源阵营仍持续推进。Boltz 创办人 Gabriele Corso 表示，公开资料仍具改进空间，IsoDDE 虽设下新基準，但仍有可能被超越。另一家公司 Deep Origin 亦宣称，其 DODock 引擎在 2025 年 8 月即已于相同基準测试达到可比表现。AlphaFold 3 发布后，Boltz-1/2、Chai-1 与 Protenix 等开源模型亦逐步缩小差距。

分析指出，AI 製药竞局与大语言模型发展路径相似，即闭源公司率先发布突破性成果，开源社群迅速跟进。然而不同之处在于，高品质蛋白质 - 药物实验数据并非近乎无限的公共资源，而是部分掌握于大型药厂手中，这可能形成新的竞争门槛。

从开源的 AlphaFold 到闭源的 IsoDDE，转变象徵 AI 科学工具从公共资产向商业资产倾斜的趋势。当最强大的基础科学 AI 系统仅对付费客户开放，全球科研生态或将面临结构性变化。AlphaFold 曾被视为开源精神的象徵，如今 IsoDDE 的出现，为 AI 在科学领域的未来方向带来新的抉择。