“AlphaFold4”来了，不开源了?
pythonic生物人约 3 分钟近日Google旗下的Isomorphic Labs发布了AI药物设计新利器——Isomorphic Labs Drug Design Engine (IsoDDE)，Nature号称为“AlphaFold 4”。
值得一提的是：
Isomorphic Labs的CEO为2024年诺贝尔奖化学奖获得者Demis Hassabis。Isomorphic Labs在2024年和礼来、诺华等大药企就小分子药物发现发现展开合作，在2025年和蔡磊团队合作开发渐冻症AI治疗方案，同年宣布启动AI设计的药物进入人体临床试验阶段，其研发管线主要聚焦于肿瘤学与免疫学领域，并致力于攻克以胰腺癌、肺癌为代表的“不可成药”靶点难题。
Isomorphic Labs在2026年2月10日发布了一份长达27页的技术报告，大力宣传IsoDDE的“药物发现”能力，和各类类似工具进行了benchmark。
报告中提到的成就包括对蛋白质如何与潜在药物相互作用以及抗体结构的精确预测——其能力惊呆了该领域的科学家们。
报告透露了IsoDDE在不同方向的预测能力：
Protein-ligand structure prediction，在与训练集差异最大的Runs N’ Poses蛋白质-配体共折叠基准测试（Škrinjar et al.，2025）子集中，IsoDDE实现了比此前最优模型（AF3）超过两倍的共折叠精度提升。此外，该模型成功模拟了复杂的分布外效应——例如隐藏口袋的开启——这些效应均不在模型的训练集范围内。
Antibody-antigen structure prediction，在预测抗体-抗原界面时，IsoDDE展现出显著的精度提升。在一个具有挑战性的保留抗体测试集上，其高质量预测的比例超过AF3模型2.3倍，超过Boltz-2模型（Passaro et al.，2025）19.8倍。同时，IsoDDE在互补决定区重链3（CDR-H3）环的预测方面也表现出业界领先的性能（Hitawala and Gray 2025、Regep et al.2017），分别比AF3模型和Boltz-2模型提高了1.2倍和1.6倍。
Binding affinity，在现实药物化学基准测试中超越了当前最先进的深度学习模型，并且在适用于物理模拟的精选数据集上，其表现超越了金标准的自由能微扰方法（Passaro et al.，2025）。
Pocket identification，在通用测试集上，IsoDDE以1.5倍AUPRC的显著优势超越了常居榜首的开源方法P2Rank，成功识别出此前仅能通过实验方法发现的全新口袋（Krivák and Hoksza，2018）。
但是，区别于2021年的AlphaFold2，2024年的AlphaFold3从0在自己机器上部署AlphaFold 3，IsoDDE不开源，技术细节也没公开。
Yet unlike the AlphaFold AI systems for predicting protein structure — which were made accessible to other researchers and described in depth in journal articles — IsoDDE is proprietary, and the technical paper offers scant insight into how to achieve similar results.
感兴趣的可以进一步学习：
https://storage.googleapis.com/isomorphiclabs-website-public-artifacts/isodde_technical_report.pdf
https://www.nature.com/articles/d41586-026-00365-7
-END-
（加入学习，备注：299）