AI制药的新纪元：当计算机开始“看见”药物如何与蛋白质共舞

馬熙澄

【AI制药的新纪元：当计算机开始“看见”药物如何与蛋白质共舞】


谷歌旗下的Isomorphic Labs刚刚发布了他们的药物设计引擎IsoDDE，这是AlphaFold 3的进化版本，在制药领域迈出了关键一步。

AlphaFold解决的是“蛋白质长什么样”的问题，而IsoDDE要回答的是“药物分子能不能与蛋白质结合、结合得有多紧”。这个跨越看似只是一小步，实际上是从观察静态结构到预测动态交互的质变。

数据相当亮眼：在最具挑战性的蛋白质配体结构预测测试中，IsoDDE的准确率是AlphaFold 3的两倍以上；在抗体抗原预测领域，它的表现是AlphaFold 3的2.3倍、Boltz-2的19.8倍。更重要的是，它预测小分子结合亲和力的准确度超过了传统的物理模拟方法，而后者需要消耗大量时间和算力。

最让人兴奋的是“盲测发现结合口袋”的能力。传统方法需要通过昂贵的实验去寻找蛋白质上可能被药物结合的位点，IsoDDE仅凭氨基酸序列就能在几秒内完成预测。团队用一个漂亮的案例做了验证：脑啡肽蛋白上有一个隐藏的结合位点，直到2026年才被实验发现，而IsoDDE仅凭序列信息就成功预测出了它的位置。

Reddit上的讨论也颇有意思。有人提出一个被忽视的视角：当我们把“长生不老”换成“健康地多活几年”，这个话题就从科幻变成了刚需。没有人真正想要永生，但每个人都想让自己的父母不必在痴呆和癌症中度过晚年。

也有人提出了更深层的问题：这类AI工具加速的是发现流程的效率，但科学史上真正改变游戏规则的从来都是概念性突破，比如日心说、自然选择、量子力学。望远镜和显微镜确实加速了发现，但那些颠覆性的理论框架似乎需要另一种东西。这个“另一种东西”是什么？我们能否把概念创新本身也自动化？几乎没有人在认真研究这个问题。

这或许是当前AI浪潮中最值得警惕的盲区：我们在拼命优化已知框架内的效率，却很少思考如何突破框架本身。

当然，美国网友的经典吐槽也没缺席：新药研发出来了，普通人能不能用得起又是另一回事了。技术进步与制度变革，从来都是两条腿走路的事。

www.reddit.com/r/singularity/com ... n_engine_unlocks_a/