Isomorphic Labs是一家生物技术公司，将人工智能和机器学习应用于药物发现与开发。该公司于2021年作为Google DeepMind的分拆公司成立，旨在利用计算模型在分子层面理解生物系统，从而减少传统制药研究所需的时间和成本。总部位于英国伦敦，Isomorphic Labs独立运营，同时与其母公司Alphabet Inc.保持紧密联系。
公司名称源于数学中的同构概念，即两个集合之间保持结构的映射。在药物发现背景下，这反映了创建生物过程数字表征的雄心，该表征能忠实反映其现实行为。通过构建分子相互作用的预测模型，Isomorphic Labs力求在物理合成和测试之前识别有前景的药物候选物并优化其性质。
背景与创立
Isomorphic Labs于2021年11月由Google DeepMind联合创始人兼首席执行官Demis Hassabis宣布成立。该企业旨在利用AI的突破，特别是AlphaFold蛋白质结构预测系统，用于治疗应用。AlphaFold在根据氨基酸序列预测蛋白质三维结构方面展现出显著准确性，为新公司提供了基础工具。Hassabis表示，目标是通过AI优先的方法重新构想整个药物发现过程。
该公司作为Alphabet旗下的独立法律实体成立，由母公司提供初始资金和资源。其成立之前，Google DeepMind已进行了多年将神经网络应用于生物学问题的研究，包括蛋白质折叠和分子动力学方面的工作。分拆使团队能够专注于商业药物发现，同时保持对DeepMind持续研究的访问权限。
技术与方法
Isomorphic Labs采用一系列深度学习技术，包括神经网络和Transformer模型，来建模分子结构和相互作用。核心平台整合了来自公共和专有来源的数据，包括基因组序列、蛋白质结构和化学库。公司的模型经过训练，可预测药物候选物的结合亲和力、毒性及其他关键性质。
一个核心组成部分是使用残差网络和U-Net架构来处理3D分子数据。这些模型能够捕捉原子和残基之间的空间关系，从而准确预测小分子如何与蛋白质靶点相互作用。公司还利用生成式AI提出符合所需标准的新颖分子结构，例如高效力和低脱靶效应。
Isomorphic Labs强调闭环方法，即计算预测通过实验测定进行验证，所得数据反馈以优化模型。这一迭代循环旨在随时间提高准确性，并减少实验室中试错法的依赖。公司与合作研究机构和学术机构合作进行湿实验。
合作伙伴关系与协作
2024年1月，Isomorphic Labs宣布与Eli Lilly and Company建立战略合作伙伴关系，为多个靶点发现小分子疗法。该协议包括前期付款和潜在里程碑付款，总额超过10亿美元，反映了对AI驱动药物发现的高期望。根据协议，Isomorphic Labs将使用其平台识别先导化合物，Eli Lilly随后将进行开发和商业化。
同月，该公司与Novartis达成合作，为另外三个靶点开发小分子药物。该协议也涉及大量前期和里程碑付款。这些合作伙伴关系标志着Isomorphic Labs从研究导向实体向商业药物发现组织的转变，为其技术和商业模式提供了验证。
公司还与Google DeepMind保持持续合作，特别是在AlphaFold及其后继者AlphaFold 2的开发方面。这些工具在内部使用，并通过开源发布和出版物与更广泛的科学界共享。
领导层与团队
Demis Hassabis担任Isomorphic Labs的创始人兼首席执行官，同时保留其在Google DeepMind的职位。公司领导团队包括计算生物学、药物化学和AI研究方面的专家。著名聘用包括John Jumper，他领导了AlphaFold项目并加入Isomorphic Labs担任研究科学家，以及Pushmeet Kohli，他成为AI科学部门负责人。
团队成员来自多元背景，包括来自剑桥大学和牛津大学等机构的前学者，以及来自制药公司的行业资深人士。截至2024年，公司已发展到超过100名员工，并计划进一步扩展。
影响与未来方向
Isomorphic Labs代表了对AI变革药物发现潜力的重大押注，该行业传统上以高失败率和漫长开发周期为特征。如果成功，公司的方法可能加速识别针对未满足医疗需求疾病的新疗法，包括癌症、神经疾病和罕见遗传疾病。
然而，AI驱动的药物发现领域竞争激烈，众多初创公司和成熟公司都在追求类似目标。Isomorphic Labs通过其对DeepMind研究基础设施和AlphaFold技术的访问权限实现差异化，这为基于结构的药物设计提供了独特优势。公司与主要制药公司的合作伙伴关系提供了财务稳定性和验证。
截至2024年，Isomorphic Labs尚未将任何药物候选物推进到临床试验阶段，但其管线预计将在未来几年成熟。公司继续发表研究并开发新方法，为更广泛的分子相互作用科学理解做出贡献。其长期愿景是创建人类生物学的全面计算模型，从而能够设计针对个体患者的个性化疗法。
参见
参考文献
- Isomorphic Labs官方网站（2024年访问）。
- Alphabet Inc.新闻稿和投资者通讯。
- Hassabis, D.（2021）。Isomorphic Labs的公告。
- Jumper, J. 等（2021）。使用AlphaFold进行高度准确的蛋白质结构预测。Nature。
- Eli Lilly and Company新闻稿，2024年1月。
- Novartis新闻稿，2024年1月。