500亿美元之问:如何判断 Isomorphic 的 AI 平台是否有效
BiopharmaTrend 提出如何判断 Isomorphic 的 AI 平台是否有效的问题,并链接到其站内文章《The $27B question: how do we know if Isomorphic's AI works?》。该推文未展开具体论证或数据。
BiopharmaTrend 提出如何判断 Isomorphic 的 AI 平台是否有效的问题,并链接到其站内文章《The $27B question: how do we know if Isomorphic's AI works?》。该推文未展开具体论证或数据。
DeepTech深科技以百奥几何为例,讨论AI制药竞争从模型预测能力转向真实研发交付,核心是其提出的“自进化微观世界模型”,连接分子设计、细胞响应与自动化实验。
Isomorphic Labs 总裁 Max Jaderberg 在 Bloomberg Tech 采访中表示,未来所有药物都将由 AI 设计,公司正以推理模型提出假设、模拟模型开展虚拟实验两条路线推进药物研发。
Isomorphic Labs总裁Max Jaderberg称未来所有药物都将由AI设计,公司目前仍处临床前阶段,预计2026年年底启动首次临床试验。其统一药物设计引擎IsoDDE在Runs N' Poses基准上对全新蛋白质-配体系统的准确率超过AlphaFold 3两倍,并声称可在无需晶体结构下预测结合亲和力。上述基准数据主要由公司自行发布,尚需独立验证。
分子之心创始人许锦波开发的RaptorX-Contact在2016年CASP12蛋白质结构预测比赛中夺得第一,首次将深度残差卷积神经网络用于预测氨基酸残基间相互作用。他于2022年创立分子之心,推出AI大分子优化与设计平台MoleculeOS,并于2026年6月发布AI生物药从头设计平台MMDesign。公司称已完成逾亿美元A轮系列融资。
Biohub 公布总口径达 18 亿美元的生物学协作计划,为预测细胞反应的 AI 模型铺设数据地基,但该金额包含资金、计算与既有数据资源,并非已到账现金。Evo 2 可一次处理约 100 万个碱基,其生成的基因组级序列在多项计算指标上更接近天然序列,但团队承认仍可能缺少必需基因,计算评估不能保证功能与复制能力。
STAT+ 发文追问 Alphabet 旗下 Isomorphic Labs 能否兑现其药物研发承诺。该公司以蛋白质建模工具 AlphaFold 为核心,该工具曾获诺贝尔化学奖,Thrive Capital 曾用 18 个月争取投资份额。报道未披露具体管线进展或临床数据。
AI公司正通过自建实验室、云实验室合作与资助虚拟生物学计划等方式参与生物数据生产。Anthropic组建基础生物学研究团队和实验室,用实验检验Claude模型的生物学设想;Biohub扩大虚拟生物学计划,Google DeepMind、Isomorphic Labs和Meta合计承诺投入3亿美元,整项计划总投入约18亿美元。
此前,85%与人类疾病相关的蛋白质被认为难以成药——它们的形状和功能使其不太适合实验室中的传统化学筛选。从实验筛选转向计算机上的AI生成设计,我们看到这些靶点大幅打开了以原子精度设计分子的潜力,从根本上扩展了我们能够治疗的疾病数量。
27亿美元的问题:我们如何知道 Isomorphic Labs 的 AI 是否有效? https://www.biopharmatrend.com/business-intelligence/the-27b-question-how-do-we-know-if-isomorphics-ai-works/
适度的批评是健康的……但在这种情况下,数药物候选分子的数量真的能衡量AI的成功吗?
经验方法 → 精心设计的分子 几个世纪以来,我们制造新药的方式不断演进,但现代 AI 代表着迄今最大的飞跃:从资源密集的迭代式设计—制造—测试循环,转向工程化的精准设计。