戴密斯·哈萨比斯（Demis Hassabis）带领Isomorphic Labs搞出了个叫IsoDDE 的狠角色，这东西比 AlphaFold 3 强两倍还多，不仅能预测蛋白质和小分子怎么抱在一起，还能算出药物粘得有多紧，甚至能在几秒钟内找到以前要花半年实验才能发现的隐藏口袋。
说白了，药厂现在能在电脑上一天筛选以前一年才能看完的候选分子，那些没药可治的绝症终于有了更多“射门”机会。这意味着制药公司可以在电脑上快速筛选药物，让治不好的病有更多机会被攻克，也让进入临床试验的药更有可能真的管用。整个药物研发行业正在经历一场由人工智能驱动的全面加速。
核心观点：这已经不是升级，这是物种碾压
咱们先把话说清楚啊，伊索莫菲克实验室（Isomorphic Labs）这帮人这次端出来的IsoDDE，压根不是AlphaFold 3的“加强版”或者“续作”。这玩意儿是直接把赛道给换了。
以前我们觉得AlphaFold 3能猜蛋白长啥样就已经是神仙打架了，结果IsoDDE不仅猜得更准，它还顺手把药怎么粘上去、粘多紧、粘在哪这些以前得靠老师傅在实验室里拿移液枪一滴一滴试出来的活儿全给干了。而且干得比人好，比机器快，比物理模拟还便宜。这就好比你刚学会用算盘打加减法，隔壁小孩已经把量子计算机抱回家了。
精准度翻倍还不够，人家是“没见过也能做对”
咱们先聊最硬核的本事：猜结构。
以前那些AI模型，包括AlphaFold 3在内，有一个特别要命的毛病——它们特别怕“没见过的题型”。你给它一个长得跟训练集里那些例子不太一样的蛋白配体组合，它就懵了，开始瞎编。
但IsoDDE不一样。有个专门恶心模型的测试叫“Runs N’ Poses”基准测试（Škrinjar那帮人2025年搞的），里面专门挑那些跟训练数据差异最大的、最变态的难题来考。
结果呢？IsoDDE的准确率是AlphaFold 3的两倍还拐弯！注意啊，两倍可不是从60分考到80分，而是从30分干到70分那个概念。
这意味什么？意味着这模型真的有“举一反三”的脑子了。你教它看过猫，它不仅能认出老虎，还能给你画出从来没见过的史前剑齿虎长啥样。
抗体设计的老大难被干趴下了，CDR-H3环不再是噩梦
再来说说抗体。抗体这玩意儿长得像弹弓，前端那两个“钩子”是逮抗原的关键。而其中最变态、最难预测的部分叫CDR-H3环，这哥们儿的形状变化比女朋友的心情还难猜。以前那些模型预测抗体和抗原怎么抱在一起，十个里面有八个是错的。
现在IsoDDE出手了。在一个超级难的低同源性抗体测试集（334个样本）里，它高质量猜对（DockQ得分大于0.8）的比例是AlphaFold 3的2.3倍，是另一个叫Boltz-2的模型的19.8倍！19.8倍啊朋友们，这不是跑得快，这是直接把对手锁在起跑线上了。而且你给IsoDDE更多算力让它多琢磨一会儿，它的准确率还能继续往上飙。这玩意儿越用越强，简直是AI界的打不死小强。
算药效比物理模拟还准，关键是又快又不用求人
结构猜对了只是第一步。你设计一个药分子，总不能光看它长得帅吧？你得知道它跟目标蛋白腻乎不腻乎，也就是“结合亲和力”。以前这活儿怎么干？最牛的方法是物理模拟，比如自由能微扰（FEP），但这玩意儿娇贵得很：你得先有实验测出来的蛋白晶体结构才能初始化，参数得手动调，跑一次模拟够你喝好几壶咖啡的，成本高到飞起。
然后还有另一条路，就是深度学习硬算。这条路快是快，但精度一直追不上物理模拟那帮老顽固。
现在IsoDDE来了。它在三个公开的硬核测试集——FEP+ 4、OpenFE，还有最近的CASP16盲测任务上，把所有的深度学习方法全甩开了好几条街。更夸张的是，它跑出来的精度居然超过了那些需要实验结构才能启动的物理金标准方法！而且IsoDDE跑一次只要几秒钟，不用求你提供实验数据，不用花钱养服务器集群。这感觉就像你刚学会用计算器做微积分，结果人家告诉你现在心算速度已经超过超级计算机了。
隐形口袋，6个月实验变成6秒点击
这个能力我必须单独拿出来吼一嗓子。蛋白表面有时候藏着一些“隐形口袋”，这些口袋在没有药物分子靠近的时候是闭合的、看不见的。你得往蛋白溶液里扔几千种小分子，一个一个试，看哪个能撬开这条缝，整个过程折腾半年是家常便饭。
IsoDDE现在能干嘛？你只要告诉它蛋白的氨基酸序列，它几十秒内就能把那些从来没被发现过的、需要蛋白剧烈变形才能露出来的“神秘入口”全给你标出来。而且准确率跟那套半年流程几乎一样。
举一个真实案例。有个叫来那度胺的靶点蛋白“cereblon”（CRL4 E3泛素连接酶的底物受体），过去15年，所有科学家都认为只有一个口袋能往里塞药，就是沙利度胺结合的那个老位置。结果就在2026年，迪蓬（Dippon）团队刚通过实验发现了一个全新的、藏得更深的别构口袋。IsoDDE呢？它根本不需要等论文发表，直接拿序列一跑，把老口袋和新口袋的位置同时圈出来了，一模一样。等你把新发现的药物分子序列也输进去，它甚至能自动把小分子折叠好、塞进对应的新口袋里，姿势都给你摆正。
这哪是预测啊，这是开天眼了吧？
这不是PPT技术，药已经设计好几年了
最可怕的是什么？这些能力不是伊索莫菲克实验室刚画出来的大饼。他们自己的药物设计团队已经拿IsoDDE在真实的研发项目里用了好几年了。也就是说，当你还在惊叹“哇这玩意儿能预测结构”的时候，人家已经靠它筛选出了几轮候选分子，甚至可能已经往下一代药物的方向狂奔了。这才是真正的“降维打击”——你不是在追赶对手，你是在跟一个已经迭代了三代的系统赛跑。
为什么IsoDDE不只是另一个阿尔法折叠升级版
IsoDDE的独特价值在于它实现了从结构预测到药物设计的范式跨越。
阿尔法折叠三代（AlphaFold 3）是个伟大的科学工具，但它主要回答蛋白质长什么样这个问题。
IsoDDE回答的是药物化学家真正关心的操作性问题：这个分子粘得紧不紧，哪里有可以下手的新口袋，这个抗体设计能不能成。
这种从理解到设计的转变是质的飞跃。
更重要的是，IsoDDE展示了卓越的泛化能力，在分布外数据上的表现远超前辈，这意味着它能处理真正新颖的生物系统，而不是只能在训练数据的舒适区里打转。
结合亲和力预测超越物理模拟这一点尤其震撼，因为物理模拟一直是这个领域的金标准，IsoDDE用纯数据驱动的方法干翻了基于第一性原理的计算，这可能会改变整个计算化学的方法论。
隐秘口袋发现能力的实用化，让以前需要半年实验的工作变成几秒钟的计算，这种时间压缩比本身就是一场革命。
同构实验室（Isomorphic Labs）把这一切整合成一个统一的平台，并且已经在内部药物项目中实战多年，这种从研究到应用的闭环完成度，在AI药物发现领域是罕见的。
彩蛋：DeepMind vs. DeepMind
DeepMind是DeepMind，伊索莫菲克实验室（Isomorphic Labs）是伊索莫菲克实验室。这俩确实是亲兄弟——都归同一个母公司“字母表”（Alphabet）管，而且伊索莫菲克的老大也是DeepMind的联合创始人兼CEO德米斯·哈萨比斯（Demis Hassabis）。
2021年，德米斯带着DeepMind在蛋白结构预测领域打出了AlphaFold 2这张王炸牌。这时候母公司“字母表”（Alphabet）做了一个决定：既然你有这么牛逼的技术，干脆另立门户，专门拿它去干制药这一件事。于是伊索莫菲克实验室（Isomorphic Labs）就诞生了——它是一个独立的公司，有自己的办公室、自己的团队、自己的研发管线。
技术路线上的分工更清楚：
DeepMind负责搞通用科学突破，比如AlphaFold系列，发论文、开源、造福全人类。他们的目标是把基础科学往前推一步。
伊索莫菲克实验室（Isomorphic Labs）负责搞“把这玩意儿变成真能治病的药”。他们不公开代码，不发论文细节（这次破天荒发了技术报告已经是惊喜了），直接在自己的药厂项目里用IsoDDE筛分子、设计候选药。
所以这次IsoDDE发布时的署名很有意思：你仔细看那篇文章的末尾，专门有一行感谢——“感谢我们在Google DeepMind的朋友们富有成效的讨论与合作”。
这种致谢不是客套，阿尔法折叠（AlphaFold）系列确实为整个领域奠定了基础，没有阿尔法折叠三代（AlphaFold 3）的开源，IsoDDE也不可能站在这么高的起点上。
从学术合作到商业应用的转化，从结构预测到真正的药物设计，这条路同构实验室（Isomorphic Labs）走得又快又稳。他们的成功也证明，AI药物发现这个赛道还有巨大的创新空间，即使是阿尔法折叠（AlphaFold）这样的里程碑式成果，也只是漫长征程的一个起点。