2024. gadā seram Demisam Hasabisam un Džonam Džampēram tika piešķirta Nobela prēmija ķīmijā par AlphaFold — mākslīgā intelekta sistēmu, kas atrisināja piecdesmit gadus ilgušu problēmu, prognozējot proteīnu struktūras mērogā.
Šis sasniegums šķita kā AI vadītas bioloģijas finiša līnija. AlphaFold vienā naktī pārveidoja strukturālo bioloģiju un pārveidoja to, kā zinātnieki pēta dzīvi molekulārā līmenī.
Pēc sešpadsmit mēnešiem šis pagrieziena punkts jau šķiet kā agrīna nodaļa.
Galvenie akcenti
-
Izomorfās laboratorijas atklāja IsoDDEAI zāļu izstrādes dzinējs, kas izveidots, lai palaistu atklāšanu tieši datorā, samazinot laika grafikus no gadiem līdz mēnešiem
-
Vairāk nekā divkāršo AlphaFold 3 veiktspēju par vissmagākajiem proteīnu-ligandu vispārināšanas mērķiem
-
Līdz 20 reizes labāks par Boltz-2 par antivielu un bioloģisko vielu etaloniem
-
Pārspēj uz fiziku balstītos zelta standartus par saistīšanas afinitātes prognozēšanu par nelielu izmaksu un laika daļu
-
Identificē zāļu saistošās kabatas tikai pēc secībastostarp vietnes, kuras pētniekiem vajadzēja vairāk nekā 15 gadus, lai eksperimentāli atklātu
Isomorphic Labs Drug Design Engine atver jaunu robežu aiz AlphaFold
Šonedēļ Izomorfās laboratorijas publicēja tehnisko ziņojumu, kurā parādīts, ka tā iekšējais zāļu izstrādes dzinējs ir pārspējis AlphaFold 3, jaunāko Nobela balvas ieguvējas metodes atkārtojumu. Rezultāti norāda uz straujāku maiņu: AI vairs neapstājas pie struktūras prognozēšanas. Tas ir tiešs solis zāļu izstrādē ar precizitātes līmeni, kas tuvojas eksperimentālo metožu precizitātes līmenim.
Sekas nav abstraktas. Ja šīs sistēmas izturēs reālās pasaules programmās, lēnākais un dārgākais medicīnas attīstības posms var vairs neaizņemt desmit gadus.
No Nobela mirkļa līdz kustīgam mērķim
AlphaFold mainīja bioloģiju, ārkārtīgi labi atrisinot vienu problēmu: prognozējot proteīnu trīsdimensiju formu no to aminoskābju sekvencēm. Tas vien atvēra gadiem ilgus apstājušās pētījumus. Tomēr struktūras prognozēšana nekad nebija viss narkotiku atklāšanas stāsts.
Zinot, kā proteīns izskatās, netiek atklāts, kā tas saistās ar zālēm, cik spēcīga ir saistīšanās, kur pastāv slēptās kabatas vai kā struktūra mainās, kad tuvojas molekula. Šīs nepilnības cilvēku slimības stingri noturēja laboratorijas smago darbplūsmu rokās.
Isomorphic Labs tika izveidota, lai novērstu šo plaisu.
Kopš AlphaFold 3 publiskās izlaišanas 2024. gadā, mākslīgā intelekta zāļu atklāšana ir virzījusies uz priekšu. Saskaņā ar Isomorphic Labs ziņojumu, struktūra vien izrādījās nepietiekama īstām in-silico narkotiku programmām. Svarīgi bija tas, vai AI var vispārināt līdz neredzētai ķīmijai, precīzi modelēt saistošos notikumus un rīkoties ar sistēmām, kas nedarbojas tīri.
Šeit ienāk IsoDDE.
Kas ir IsoDDE un kāpēc “dzinējam” ir nozīme
IsoDDE nav viens neironu tīkls. Tas ir vienots skaitļošanas dzinējs, kas apvieno vairākus prognozēšanas uzdevumus vienā sistēmā: olbaltumvielu struktūras prognozēšanu, ligandu saistīšanu, afinitātes novērtēšanu, antivielu mijiedarbību un kabatas atklāšanu.
Atšķirībai ir nozīme. Iepriekšējās pieejas savienoja atsevišķus modeļus vai paļāvās uz fiziku balstītām simulācijām, lai aizpildītu nepilnības. Šīs metodes bija lēnas, dārgas un trauslas, saskaroties ar jaunu ķīmisko telpu.
IsoDDE izpilda šīs prognozes saskaņoti, ļaujot katram komponentam informēt citus. Šis dizains ļauj sistēmai tikt galā ar mērķiem, ko tā vēl nekad nav redzējusi.
Ziņā par X Isomorphic Labs teica:
“Šodien mēs dalāmies ar tehnisko ziņojumu, kurā parādīts, kā mūsu zāļu izstrādes dzinējs panāk pakāpeniskas izmaiņas biomolekulāro struktūru prognozēšanas precizitātē, vairāk nekā divkāršojot AlphaFold 3 veiktspēju galvenajos etalonos un atbrīvojot racionālu zāļu dizainu pat tādiem piemēriem, kādus tas nekad agrāk nav redzējis.”
Ziņojums apstiprina šo apgalvojumu ar datiem.
AlphaFold 3 dubultošana uz cietajiem mērķiem
Viens no pārsteidzošākajiem rezultātiem parādās proteīna ligandu vispārināšanas testos. Šie etaloni ir izstrādāti, lai uzsvērtu modeļus ar datiem ārpus to apmācības izplatīšanas, kas ir zināms atteices punkts daudzām AI sistēmām.
Saskaņā ar ziņojumu IsoDDE vairāk nekā divas reizes pārsniedz AlphaFold 3 precizitāti šajos uzdevumos. Šis uzlabojums ir spēkā pat gadījumos, kas saistīti ar izraisītām lēkmēm, kad olbaltumvielas maina formu, molekulai saistoties.
Šajos scenārijos tradicionāli ir nepieciešamas ilgas molekulārās dinamikas simulācijas vai tiešie laboratorijas eksperimenti. IsoDDE tos apstrādā skaitļošanas veidā.
Tas ir svarīgi zāļu agrīnai atklāšanai, kur komandas bieži atsakās no mērķiem, jo saistošā uzvedība ir pārāk neskaidra, lai modelētu. Vispārināšana maina šo vienādojumu.
Narkotiku kabatas atrašana tikai no secības
Vēl viens narkotiku atklāšanas sašaurinājums ir noteikt, kur narkotikas saistās. Daudzām olbaltumvielām ir kabatas, kas nav acīmredzamas tikai pēc struktūras un atklājas tikai pēc gadiem ilga eksperimentāla darba.
IsoDDE prognozē šīs kabatas, izmantojot aminoskābju secību kā vienīgo ievadi. Ziņojumā parādīts, ka dzinējs identificē jaunas saistīšanās vietas, kuras vēlāk tika apstiprinātas eksperimentāli, bez iepriekšējiem strukturāliem padomiem.
Šī iespēja pārceļ meklēšanas fāzi no izmēģinājumu un kļūdu uz mērķtiecīgu izpēti. Tas arī paplašina to proteīnu klāstu, kas tiek uzskatīti par “ārstējamiem”, kas ir ilgstošs ierobežojums farmācijas pētniecībā.
Antivielas, bioloģija un jauns sasniegums
Ziņojumā ir uzsvērti arī ieguvumi bioloģiskajā jomā. IsoDDE pārspēj esošos modeļus antivielu un antigēnu saskarnes prognozēšanā un CDR-H3 cilpas modelēšanā — divās jomās, kurās nelielas kļūdas var izjaukt no sliedēm visas programmas.
Šie uzdevumi ir ļoti svarīgi terapeitiskajām antivielām, kas veido arvien lielāku mūsdienu zāļu daļu. Uzlabota precizitāte šeit nozīmē tieši mazāku skaitu nesekmīgo kandidātu.
Autori to raksturo kā jaunu sasniegumu bioloģiskajā modelēšanā, ko atbalsta vairāku datu kopu salīdzinājumi.
Pārspējot fiziku ar saistošu afinitāti
Iespējams, ka visnozīmīgākais rezultāts parādās saistīšanās afinitātes prognozēšanā. Uz fiziku balstītas metodes, piemēram, brīvās enerģijas perturbācija, jau sen tiek uzskatītas par zelta standartu, lai novērtētu, cik cieši zāles saistās ar savu mērķi. Tie ir precīzi, bet sāpīgi lēni un dārgi.
Saskaņā ar ziņojumu IsoDDE afinitātes prognozes ar precizitāti pārsniedz uz fiziku balstīto metožu prognozes, vienlaikus izmantojot nelielu daļu no skaitļošanas izmaksām.
Tas ir punkts, kurā AI pārstāj darboties kā filtrs un kļūst par lēmumu pieņemšanas dzinēju. Ja saistīšanas stiprumu var ticami novērtēt datorā, nepieciešamība sintezēt un pārbaudīt tūkstošiem savienojumu strauji samazinās.
Tas netika izveidots demonstrācijai
IsoDDE nav jaunums. Isomorphic Labs jau gadiem ilgi darbojas tajā reālas narkotiku programmas. Publiskais laidiens piedāvā logu sistēmā, kas jau ir iegulta aktīvos konveijeros.
Šī atšķirība ir svarīga uzticamības labad. Rezultāti nav iegūti no vienas etalonsprinta vai izolētas datu kopas. Tie atspoguļo ilgstošu darbu vairākās problēmu klasēs, kas apstiprinātas ar noteiktajām metodēm.
2025. gada augusta intervijā ar 60 minūtesHassabis skaidri aprakstīja likmes:
“Tātad vidēji ir nepieciešami 10 gadi un miljardi dolāru, lai izstrādātu tikai vienu medikamentu,” viņš teica. “Mēs varam to samazināt no gadiem līdz mēnešiem vai varbūt pat nedēļām.”
Toreiz prasība izklausījās ambicioza. Pēc IsoDDE tas skan kā ceļvedis.
Ko IsoDDE dara un ko neaizstāj
Nekas no tiem neizslēdz klīniskos pētījumus, drošības pētījumus vai normatīvo pārskatu. Cilvēka bioloģija joprojām ir neparedzama. Narkotikas joprojām neizdodas tādu iemeslu dēļ, kurus neviens modelis nevar paredzēt.
Tas, ko IsoDDE maina, ir atklāšanas priekšgals: dzīvotspējīgu kandidātu meklēšana. Šī fāze patērē lielāko daļu laika un kapitāla zāļu izstrādei. Tās saspiešana pārveido medicīnas ekonomiku.
Neveiksmes joprojām notiek. Tās vienkārši notiek ātrāk un agrāk.
Kāpēc Nobels jūtas tuvu un tālu
Hassabis reiz teica, ka lielāko daļu slimību var izārstēt desmit gadu laikā. Šī līnija izraisīja skepsi, un tas ir pareizi. Bioloģija pretojas laika grafikiem.
Tomēr attālums starp šo apgalvojumu un pašreizējo realitāti ir samazinājies. AlphaFold pierādīja, ka mākslīgais intelekts spēj lasīt bioloģiju. IsoDDE parāda AI, kas uz to iedarbojas.
Uz X Hassabis šo brīdi rūpīgi ierāmēja:
“Zāļu dizaina dzinējs, ko mēs veidojam uzņēmumā @IsomorphicLabs, vēl vairāk paplašina SOTA, izmantojot galvenos etalonus, parādot milzīgu progresu precizitātē un iespējās, kas ir būtiskas in-silico zāļu atklāšanā. Neticams darbs no @maxjaderberg un visas Isomorphic Labs komandas!”
Zāļu dizaina dzinējs, kuru mēs veidojam @IsomorphicLabs paplašina SOTA, izmantojot galvenos etalonus, parādot milzīgu progresu precizitātes un spēju jomā, kas ir būtiskas in-silico zāļu atklāšanai. Neticami darbi no @maxjaderberg un visa Isomorphic Labs komanda! https://t.co/cnnNhjTFtX
— Demis Hassabis (@demishassabis) 2026. gada 10. februāris
Dati apstiprina šo pārliecību.
Nobela prēmijas derīguma termiņš nav beidzies. Tas vienkārši ir saīsināts.
