DeepMind 子公司 Isomorphic Labs 总裁称未来所有药物将由 AI 设计

评选

TR35 Asia Pacific

TR35 China

TR50

活动

EmTech China 2025

EmTech China 2022

EmTech China 2020

EmTech China 2019（12月）

EmTech China 2019（1月）

EmTech China 2018

DeepMind子公司总裁断言：人类并不擅长造药，未来所有药物皆由AI设计

人类并不擅长造药，AI 将包揽所有药物？近日，AI 制药公司 Isomorphic Labs 的总裁 Max Jaderberg 在英国一场活动上表示，未来所有药物都会由 AI 设计出来，唯一的悬念在于这一未来究竟会以多快的速度到来。

他提到，Isomorphic Labs 目前仍处于药物研发的临床前阶段。按照既定计划，公司预计将在 2026 年年底启动首次临床试验，届时，其 AI 设计的候选药物将开始在真实患者身上接受安全性和有效性的检验。

Isomorphic Labs 是一家备受关注的 AI 制药公司，也是谷歌母公司 Alphabet 旗下的子公司。2021 年，诺奖得主 Demis Hassabis 从 DeepMind 分拆创立了这家公司，总部位于英国伦敦。“Isomorphic”意为“同构”，这一名称也体现了公司的理念：生物学与信息科学之间可能存在某种深层联系。

2026 年 5 月，Isomorphic Labs 完成了高达 21 亿美元的 B 轮融资，创下当时 AI 制药领域单轮融资的最高纪录。Hassabis 兼任该公司的 CEO，Alphabet 则为其提供主要资金支持。Isomorphic Labs 与 DeepMind 有着深厚的渊源，它的成立也是为了将 DeepMind 在 AI 领域的研究成果进一步应用于药物研发。

图 | AI 药物研发过程（来源：Isomorphic Labs）在此次公开交流中，Jaderberg 进一步阐述了 Isomorphic Labs 对未来药物研发的展望。他认为，AI 最终能够用于开发所有药物，而他不希望这一过程自然地持续 20 年甚至 50 年，而是希望主动推动这一目标更快实现。

目前，Isomorphic Labs 的主攻方向集中在癌症、免疫系统疾病和炎症等领域。除了推进自家的药物研发项目，公司也在利用 AI 技术支持其他生物制药企业的研发工作，逐渐形成自主研发与对外合作并行的商业模式。

一方面，他们使用AI 模型推进自身的药物研发项目；另一方面，也将这些底层模型应用于合作项目，支持包括礼来、诺华等企业在内的全球知名生物制药公司，为其药物研发提供算法和计算支持。这种既自己研发药物、又向其他药企提供技术的模式，让 Isomorphic Labs 能够在更多实际项目中验证和应用自己的 AI 技术。

支撑这一模式的核心技术，是一套名为 IsoDDE 的统一药物设计引擎。这套系统在 2026 年 2 月正式对外披露，试图解决 AlphaFold 在药物研发应用中尚未完全覆盖的问题。

图 | IsoDDE（来源：Isomorphic Labs） AlphaFold 擅长预测蛋白质的三维结构，但药物设计需要的远不止于此。一个候选分子不仅要能结合靶点，还要结合得足够牢固，同时避开可能引发副作用的脱靶蛋白，而 IsoDDE 的设计思路，就是将这些环节纳入统一的预测体系。

根据 Isomorphic Labs 发布的技术报告，IsoDDE 在几个关键指标上展现出优于 AlphaFold 3 的表现。

在专门测试模型对全新蛋白质-配体系统泛化能力的 Runs N’ Poses 基准上，面对训练数据中几乎未曾出现的困难体系，IsoDDE 的准确率超过了 AlphaFold 3 的两倍。这意味着，当药物研发遇到那些科学界尚未充分理解的靶点时，IsoDDE 仍有可能作出相对准确的预测，减少对既有实验数据的依赖。

对于抗体这类复杂生物药，IsoDDE 在抗原-抗体结合界面的高精度预测上也优于 AlphaFold 3，尤其是在抗体上变异程度较高、预测难度较大的 CDR-H3 环区域，展现出了一定的预测能力。

另一项更贴近药物设计实际需求的能力，是结合亲和力的预测。传统上，判断一个小分子与靶点结合的强弱，要么依赖计算量大、耗时较长的物理模拟方法，要么需要借助实验解析的晶体结构。而 Isomorphic Labs 声称，IsoDDE 能够在不需要晶体结构的情况下，以远快于传统物理模拟的速度给出亲和力预测，准确度达到与部分高精度方法相当的水平。

图 | IsoDDE（来源：Isomorphic Labs）此外，这套引擎还能仅凭氨基酸序列，识别蛋白质上此前未被发现的潜在结合口袋，包括那些在未结合配体时处于隐藏状态的位点。找到一个适合药物结合的口袋，是药物发现的重要步骤，IsoDDE 也试图将这一过程纳入计算流程。

Jaderberg 在本次交流中还介绍了一个更具体的应用场景。目前，他们正在利用 IsoDDE 精确设计分子，希望在保证药效的同时，尽可能降低患者所需的药物剂量，从而减少高浓度药物在血液中蓄积可能引发的不良反应。相比传统药物研发中先找到有效分子、再逐步优化安全性的路径，这种方式希望在设计阶段就将安全性纳入考虑。

Jaderberg 的终极设想是，未来科学家在设计药物时，甚至不需要走进实验室，就能够在计算机中准确预测分子之间的相互作用。不过，这个设想目前仍处于探索阶段。IsoDDE 的基准数据主要由公司自行发布，尚需独立验证，而从计算预测到真实患者体内的药效，中间仍有大量实验和临床验证工作需要完成。

谈及为何将癌症、免疫系统疾病以及炎症作为公司的主攻方向时，Jaderberg 表示，传统药物研发在很大程度上仍然依赖反复试错，人类在过去几十年里，其实只是摘取了那些长在低处的果实。

他认为，尽管现代医药已经取得了令人瞩目的成就，但人类对于如何创造新药，仍然缺乏足够深入的理解，在药物设计方面还有很大的探索空间。而 AI 的介入，有望改变这种依赖大量试错的研发方式。

当前，Isomorphic Labs 正处于临床前研究的关键阶段。这意味着，他们不仅要证明 AI 能够预测复杂的分子结构，还要进一步证明这些由 AI 参与设计的分子，在真实生物体中能够发挥预期作用，并具有足够的安全性。

传统药物研发有时就像在巨大的草堆里寻找一根针，而 Isomorphic Labs 希望通过 AI 的预测和生成能力，加快寻找有效候选分子的过程，让数字生物学逐步走向实际应用。

过去，科学家研究复杂的生命现象，常常需要通过大量实验逐步理解其中的机制。如今，研究人员开始尝试利用预测和生成模型，在计算机中模拟分子之间的相互作用，相当于建立一个虚拟的生物学实验室，提前预测候选分子的行为，从而减少部分实验筛选和试错工作。

带领这家公司的 Jaderberg 有着较为丰富的学术研究经历。他早年就读于英国牛津大学，学习工程科学，随后继续在牛津大学深造，获得计算机视觉与机器学习方向的博士学位，研究领域涵盖文本识别、神经网络和大规模图像识别等方向。

图 | Max Jaderberg（来源：Isomorphic Labs）在加入 Isomorphic Labs 之前，Jaderberg 曾在 DeepMind 工作七年多，领导开放式学习团队。他参与过多个重要的 AI 研究项目，包括在《星际争霸 II》中击败人类职业选手的 AlphaStar 系统，以及让智能体在复杂多人游戏中学习合作与竞争的夺旗游戏研究。