Компания Isomorphic Labs, являющаяся спин-оффом Google DeepMind, представила IsoDDE — новую систему проектирования лекарственных препаратов, способную моделировать динамическое взаимодействие белков с лигандами.

image

Что произошло

Разработанная Isomorphic Labs система IsoDDE фокусируется на динамических «индуцированных соответствиях» (induced fit) и скрытых сайтах связывания, в отличие от статического подхода AlphaFold 3. В специализированных тестах, таких как бенчмарк Runs N' Poses, IsoDDE показала результат 50% против 23% у AlphaFold 3, а также продемонстрировала успех в моделировании сложных антитело-антигенных взаимодействий.

Контекст

Традиционные методы проектирования лекарств сталкиваются с необходимостью понимания того, как молекулы меняют форму при связывании. Если AlphaFold 3 превосходно предсказывает статическую структуру белка, то IsoDDE переходит к моделированию динамики, что критически важно для точного дизайна молекул на ранних этапах.

Почему это важно для индустрии

Для индустрии это означает технологический скачок в компьютерном моделировании, который может значительно ускорить фазу I клинических испытаний (проверка безопасности), где успех ИИ-разработок уже достигает 80-90%. Однако отрасль все еще сталкивается с проблемой «стены фазы II» (проверка эффективности), где результативность ИИ-молекул пока сопоставима с традиционными методами и составляет около 40%.

Почему это важно для пользователей

Для читателей и специалистов это означает, что ИИ стал гораздо эффективнее предсказывать, как именно лекарство будет «прилипать» к белку, что ускоряет первичный скрининг кандидатов. При этом важно понимать, что технология пока не может гарантировать реальное лечение болезни в живом организме без проведения полноценных и дорогостоящих клинических испытаний.

Что пока неизвестно / ограничения

Основным ограничением остается невозможность предсказать биологическую эффективность лекарства на этапе II клинических испытаний (Phase II), где требуется подтверждение терапевтического действия в живых системах.

Источники

Автор

Look at AI, редакция