Isomorphic Labs — компания сэра Демиса Хассабиса, выросшая из Google DeepMind в 2021 году, — опубликовала 29 сентября 2026 года статью «Building a new path to make medicines with AI», где описывает Isomorphic Labs Drug Design Engine (IsoDDE): платформу, в которой физико-биологические world models, frontier reasoning-модели и генеративные дизайн-агенты автономно проектируют молекулы по заданной спецификации, тратя на один прогон 2–4 дня. В приведённом кейсе молекула, найденная агентами в химическом пространстве из порядка 10^60 соединений, в реальных wet-lab тестах успешно модулировала биологическую мишень и превзошла литературный референс, на создание которого исследователи потратили 3–5 лет. Пока это подтверждено только корпоративным постом без методологии и независимых проверок, поэтому ключевое, за чем стоит следить дальше, — первый выход доклинических кандидатов Isomorphic Labs в клинические испытания.
Что произошло
Isomorphic Labs опубликовала корпоративный пост «Building a new path to make medicines with AI», объявив переход AI-создания лекарств от гипотезы к проверенной инженерной дисциплине. Центральная платформа — Isomorphic Labs Drug Design Engine (IsoDDE): она объединяет физико-биологические world models, frontier reasoning-модели и генеративных дизайн-агентов, которые автономно и итеративно проектируют молекулы по спецификации — в неё задаются мишень, тип модуляции, селективность, растворимость и проницаемость клетки. Один прогон занимает 2–4 дня, на выходе — узкий набор кандидатов для дальнейшей лабораторной проверки. В описанном кейсе молекула, спроектированная агентами за дни, успешно модулировала биологическую мишень и превзошла референсную молекулу из литературы, на создание которой у исследователей ушло 3–5 лет. Компания также сообщила, что доклинические данные готовят её к переходу в клиническую разработку.
Контекст
Isomorphic Labs появились в 2021 году как ответвление Google DeepMind, а научная репутация команды опирается на AlphaFold 2 — систему предсказания структур белков, принёсшую ей Нобелевскую премию 2024 года. IsoDDE — следующая заявка на стыке AI и биологии, но задача здесь иная: если AlphaFold 2 предсказывает уже известные структуры, то Drug Design Engine должен генерировать новые молекулы с заданными свойствами, а проверить результат можно только в лаборатории. Классический поиск лекарств опирается на скрининг фиксированных библиотек из 10^5–10^9 соединений, и каждый шаг оптимизации молекулы обычно занимает от одного до трёх месяцев. Isomorphic Labs вместо этого описывает целенаправленный агентский поиск по пространству порядка 10^60 возможных молекул, где агенты балансируют между exploration и exploitation и двигают многоцелевую границу Парето, например по балансу потентности и биодоступности.
Почему это важно для индустрии
Для отрасли главный сигнал — заявленная смена структуры затрат в ранней фазе drug discovery: если шаг дизайна молекулы действительно сжимается по времени с месяцев до дней, узким местом становится не генерация кандидатов, а синтез, биологическая валидация и клинические испытания, и вертикально интегрированная AI-фарма превращается из питч-слайда в рабочую экономическую модель. Формулировка «дни вместо лет» уже становится точкой отсчёта в питчах AI-фарма стартапов и в ожиданиях инвесторов, и компании без ответа на этот нарратив окажутся под растущим давлением. При этом практической поверхности для сборки сейчас нет: IsoDDE — закрытая внутренняя платформа без внешнего API, цен и SLA, воспроизводимых бенчмарков тоже нет. Инженерам полезен сам паттерн «модель мира плюс reasoning-агенты плюс верификатор в реальном мире», а также задачи проектирования UX многодневных автономных прогонов — прогресс, чекпоинты, промежуточные результаты агента и интерфейсы сравнения кандидатов по нескольким целям — всё это применимо в собственных продуктах уже сегодня.
Почему это важно для пользователей
Для читателя это следующая серия истории AlphaFold: тот же Демис Хассабис, но теперь AI ищет работающие молекулы там, где лабораторные команды тратили годы. Если заявленный темп доживёт до клинической стадии, путь от идеи молекулы до клинических испытаний может заметно сократиться, и новые лекарства потенциально начнут доходить до пациентов быстрее. Однако на сегодняшний день для пациентов ничего не меняется: готовых лекарств, созданных IsoDDE, нет, а первый кандидат лишь готовится к переходу в клинику. Практически стоит наблюдать за одним маркером — первым выходом доклинических кандидатов Isomorphic Labs в клинические испытания: именно он покажет, работает ли AI-дизайн лекарств за пределами симуляций и wet-lab валидаций.
Что пока неизвестно / ограничения
Доказательная база ограничена одним корпоративным кейсом: в посте нет методологии, датасетов и рецензирования, а success rate, число неудачных прогонов, класс мишени и условия сравнения с референсом остались незакрытыми, поэтому не исключён селективный подбор лучшего примера. Wet-lab валидация модуляции мишени не равна клинической эффективности. Нобелевская премия 2024 года за AlphaFold 2 подтверждает компетенции команды, но не валидирует IsoDDE: предсказание структуры и генеративный дизайн молекул с заданной модуляцией — разные задачи с разной сложностью проверки. Независимой дискуссии вокруг публикации пока нет: на Hacker News у материала 1 пункт и 0 комментариев, и сообщество не может ни воспроизвести, ни опровергнуть результат. Неясно, выйдут ли технические детали или препринт по IsoDDE, какая мишень у кандидата и когда именно он может попасть в клинические испытания.
Источники
- Isomorphic Labs — статья «Building a new path to make medicines with AI»
- Hacker News — обсуждение «Building a new path to make medicines with AI» (1 пункт, 0 комментариев)
Автор
Look at AI, редакция