谷歌DeepMind分拆公司如何追踪隐藏的药物靶点
AI药物设计：从“纸上谈兵”到真正的突破
十多年来，人工智能一直被誉为能大幅加速药物发现的利器。然而，数十亿美元砸进去，真正由AI设计并最终到达患者手中的药物却寥寥无几。一边是严格的药物测试周期难以压缩，另一边是药物研发本身极高的难度。这就像造一台超跑，设计图再漂亮，也得经过漫长的路试和调校。
不过，进展正在发生。从谷歌DeepMind拆分出来的公司Isomorphic Labs，在DeepMind那项荣获诺贝尔奖的蛋白质结构预测研究基础上，又往前走了一大步。这家公司不仅与诺华和礼来签署了重要的药物发现合作协议，近期还完成了21亿美元融资，并在今年2月发布了一份技术报告，详细介绍了其全新的Isomorphic药物设计引擎（IsoDDE）。这套系统的核心目标非常明确：系统性地发现蛋白质上可供药物结合的“口袋”，并对药物分子与蛋白质之间的相互作用进行预测。
为了搞清楚AI距离成为设计新药的实用工具有多远，IEEE Spectrum与Isomorphic Labs机器学习团队负责人Adrian Stecula进行了一次深度对话。以下是我们提炼出的核心观点和关键解读。
AlphaFold2与3如此强大，为何不够用？
先得说清楚一个关键问题：AlphaFold2和AlphaFold3是计算生物学领域的重大突破，但为什么它们还不够？
Stecula解释得很直白：AlphaFold2解决了蛋白质折叠的问题，但药物靶点往往是动态的，蛋白质不是孤立存在的，它们会和核酸、小分子、离子以及其他蛋白质“打交道”。AlphaFold3的一大进步，就是能在统一框架下对这些相互作用进行建模。
但问题出在泛化能力上。自AlphaFold3发布后，多个研究团队从“口袋新颖性”的角度做了评估。结果很明显：你要预测的口袋与训练数据里的东西越不像，模型的表现就越差。换句话说，对于全新的结合口袋，模型性能会打折。
而在真正的药物发现中，我们恰恰最想探索那些前所未有的作用机制，这往往意味着要面对从未被观测过的结合口袋。所以，能不能让模型在远离训练数据的区域里也能游刃有余，这才是关键所在。
IsoDDE：不只是做结构预测
那么，IsoDDE是怎么解决这个问题的？Stecula强调，要把一个分子变成药，光靠结构预测是远远不够的。你得知道药物分子和蛋白质在哪儿结合、怎么结合、结合得有多紧，还得考虑分子自身的各种特性。
IsoDDE是一个统一的计算系统，能同时处理多种预测目标。技术报告中重点提到了三个目标：
结构预测、口袋识别和结合亲和力预测
实战验证：挑战“隐蔽口袋”
为了证明IsoDDE的实力，他们选了一个非常“刁钻”的案例——蛋白质脑啡肽素（cereblon）上的一个隐蔽口袋。
脑啡肽素在靶向蛋白质降解通路中扮演关键角色，参与细胞内蛋白质的降解过程。所谓“隐蔽口袋”，指的是那些在蛋白质表面，当没有配体结合时根本不存在的“空腔”。它只在恰好合适的药物分子靠近时，才会像变魔术一样打开。这就好比一把自带“隐形锁”的锁，只有用完全匹配的“钥匙”才能打开。
今年1月，《自然》杂志发表了一篇论文，首次揭露了脑啡肽素表面一个全新的隐蔽口袋。Isomorphic团队做了一个极具说服力的测试：只把蛋白质的序列输入IsoDDE，看看它能不能自己找到这个口袋。结果呢？
IsoDDE精准地预测出了这个隐蔽口袋的位置
测试还没完。第二个问题是：IsoDDE能不能准确预测配体和蛋白质的结合方式？他们拿《自然》论文中的晶体结构当“标准答案”。结果，模型不仅把结合在已知位点的正构配体放对了位置，连结合在新发现隐蔽口袋里的变构配体，也放在了完全正确的位置上。
不只小分子，更是一种通用工具
目前大多数药物是小分子化合物，这是最传统的药物形式。但IsoDDE显然有更大野心。Stecula认为，机器学习在药物设计领域最值得期待的，就是让更多过去“无药可及”的蛋白质靶点变得“可成药”。
很多疾病的致病蛋白是明确的，但就是因为它表面没有合适的“口袋”或机制，让药物无从下手。IsoDDE正在帮助科学家发现这些隐藏的机制。更重要的是，这套方法不只适用于小分子，还能推广到抗体、分子胶水和多肽等多种治疗模式。换句话说，IsoDDE的突破，惠及的将是整个药物设计领域。
最大的误解：结构预测≠药物发现
AI在药物发现领域备受热捧，但最大的误解是什么？Stecula一针见血：
很多人以为，只要能把蛋白质结构建模准确，药物发现就算解决了。
但真实情况远比这复杂。真正的药物发现系统，需要像IsoDDE这样，集成多种预测目标的统一框架。他们将持续提升已披露的预测目标的准确性，同时也在推进那些尚未公开的预测能力。
Q&A 快速问答
**Q1：IsoDDE和AlphaFold3到底有什么区别？**
A：AlphaFold3能对多种生物分子相互作用建模，但对新颖口袋的泛化能力有短板。IsoDDE是更统一的系统，除了结构预测，还直接针对口袋识别和结合亲和力进行预测。尤其在发现全新隐蔽口袋方面，IsoDDE的泛化能力更强，更适合实战。
**Q2：发现脑啡肽素隐蔽口袋，意义有多大？**
A：意义在于这是“从零到一”的验证。IsoDDE仅凭蛋白质序列，就成功预测出了此前只有实验才能发现的隐蔽口袋，并且准确重现了配体的结合方式。这证明IsoDDE有能力发现全新的药物作用机制。
**Q3：IsoDDE未来只用于小分子药物吗？**
A：绝对不是。它的方法可以应用到抗体、分子胶水和多肽等多种治疗模式。这意味着IsoDDE的突破，将帮助科学家针对此前难以成药的靶点，开发出多样化的药物。
