Isomorphic Labs enthüllt „IsoDDE“: Die KI-Engine, die AlphaFold 3 übertrifft
In einer wegweisenden Ankündigung, die Wellen durch die Pharma- und Biotech-Branchen geschlagen hat, hat Isomorphic Labs – die Wirkstoffforschung-Ausgründung (Drug Discovery Spin-off) von Alphabets DeepMind – offiziell seine proprietäre Isomorphic Labs Drug Design Engine (IsoDDE) enthüllt. Dieses neue System, das erst vor wenigen Tagen veröffentlicht wurde, wird von unabhängigen Wissenschaftlern als „großer Fortschritt auf dem Niveau von AlphaFold 4“ gefeiert und markiert einen entscheidenden Wandel von der bloßen Vorhersage von Proteinstrukturen (Protein Structures) hin zum autonomen Hochpräzisions-Wirkstoffdesign.
Während die wissenschaftliche Gemeinschaft noch immer von den Fähigkeiten von AlphaFold 3 (veröffentlicht im Jahr 2024) beeindruckt ist, hat Isomorphic Labs demonstriert, dass seine internen Werkzeuge diesen Benchmark bereits übersprungen haben. Berichten zufolge vereint IsoDDE Strukturvorhersage, Schätzung der Bindungsaffinität (Binding Affinity) und De-novo-Molekülgenerierung (De Novo Molecular Generation) in einem einzigen Framework und bietet exklusiven Partnern einen rechnerischen Vorteil, der zuvor als Jahre entfernt galt.
Jenseits der Struktur: Der Wechsel zum rationalen Design
Jahrelang war das „Proteinfaltungsproblem“ (Protein Folding Problem) der heilige Gral der Computerbiologie. Mit AlphaFold 2 und 3 hat DeepMind die Frage weitgehend gelöst, wie ein Biomolekül aussieht. Isomorphic Labs macht jedoch geltend, dass die Struktur allein nicht ausreicht, um Medikamente herzustellen. Das neue IsoDDE-System bewegt sich von der statischen Strukturvorhersage hin zur dynamischen Interaktionsmodellierung und beantwortet die entscheidende Frage: Wie entwerfen wir ein Molekül, das spezifisch und potent an ein Zielprotein (Target) bindet?
Gemäß dem technischen Bericht, der von Isomorphic Labs veröffentlicht wurde, adressiert IsoDDE die vier Säulen der modernen Wirkstoffforschung (Drug Discovery) auf einheitliche Weise:
- Strukturvorhersage: Hochpräzise Modellierung von Protein-Ligand-Komplexen.
- Bindungsaffinität: Genaue Vorhersage darüber, wie stark ein Wirkstoff an sein Ziel bindet (eine Aufgabe, die traditionell teure physikbasierte Simulationen erfordert).
- Pocket Discovery: Identifizierung „kryptischer“ Bindungsstellen auf Proteinen, die in statischen Kristallstrukturen unsichtbar sind.
- Generalisierung: Genaue Leistung bei biologischen Targets, die den Trainingsdaten in keiner Weise ähneln.
Benchmarking der nächsten Generation
Die von Isomorphic Labs veröffentlichten Leistungskennzahlen deuten auf eine wachsende Lücke zwischen öffentlichen Forschungswerkzeugen und proprietären Pharma-Engines hin. Die auffallendste Behauptung betrifft die Fähigkeit des Modells, auf „Out-of-Distribution“-Targets zu generalisieren – also Proteine und Liganden, die sich strukturell von allem in den öffentlichen Datenbanken unterscheiden.
Im branchenüblichen „Runs N' Poses“-Benchmark, der die Fähigkeit einer KI testet, vorherzusagen, wie Wirkstoffe an neuartige Proteine binden, verdoppelt IsoDDE Berichten zufolge die Genauigkeit von AlphaFold 3. Darüber hinaus hat die Engine im komplexen Bereich der Biologika (Biologics) einen massiven Vorsprung gegenüber Open-Source-Alternativen demonstriert.
Die folgende Tabelle fasst die wichtigsten Leistungsunterschiede zusammen, die im technischen Bericht hervorgehoben wurden:
| Metrik/Fähigkeit (Metric/Capability) | AlphaFold 3 / Open Source | IsoDDE (Isomorphic Labs) |
|---|---|---|
| Protein-Ligand-Generalisierung | Hohe Genauigkeit bei bekannten Familien | >2x Genauigkeit bei neuartigen Targets (Runs N' Poses) |
| Antikörper-Antigen-Modellierung | Starke strukturelle Basis | 2,3-fache Verbesserung gegenüber AlphaFold 3 |
| Bindungsaffinitätsvorhersage | Begrenzte/Strukturelle Inferenz | Übertrifft physikbasierte Methoden (FEP+) |
| Komplexe Biologika (Hohe Genauigkeit) | Standard-Basis | 19,8-fache Verbesserung gegenüber Boltz-2 |
| Erkennung kryptischer Taschen | Erfordert vorheriges Ligandenwissen | Reine Sequenzerkennung (Liganden-blind) |
Das „Unheilbare“ mit kryptischen Taschen erschließen
Einer der wissenschaftlich bedeutendsten Durchbrüche, die in der Ankündigung detailliert beschrieben werden, ist die Fähigkeit von IsoDDE, kryptische Taschen (cryptic pockets) zu identifizieren. Dabei handelt es sich um Bindungsstellen auf der Oberfläche eines Proteins, die sich erst öffnen, wenn sich ein bestimmtes Molekül nähert – ähnlich wie eine Geheimtür, die nur erscheint, wenn man anklopft.
Die traditionelle Wirkstoffforschung scheitert oft daran, dass Forscher die offensichtlichen „aktiven Zentren“ anvisieren, die möglicherweise nicht mit Medikamenten adressierbar (undruggable) sind. IsoDDE rekapitulierte jedoch erfolgreich die Entdeckung einer neuartigen kryptischen Stelle auf dem Protein Cereblon unter ausschließlicher Verwendung seiner Aminosäuresequenz als Input. Es sagte die Position der Tasche voraus, ohne dass ihm die Existenz eines Liganden mitgeteilt wurde – eine Leistung, die normalerweise zufällige experimentelle Entdeckungen oder erschöpfende Laborscreenings erfordert.
Diese Fähigkeit impliziert, dass Isomorphic Labs nun das „undruggable“ Proteom scannen und Anhaltspunkte für neue Medikamente finden kann, wo bisherige Versuche gescheitert sind.
Der „Walled Garden“ der KI-Pharma
Im Gegensatz zur Veröffentlichung von AlphaFold 2, das als Open Source der Welt zur Verfügung gestellt wurde, oder AlphaFold 3, das über einen kostenlosen Server für die nicht-kommerzielle Nutzung zugänglich ist, ist IsoDDE streng proprietär. Dieser „Walled Garden“-Ansatz (geschlossenes Ökosystem) unterstreicht die kommerzielle Ausrichtung von Isomorphic Labs.
Die Engine dient als Rückgrat für die hochwertigen Partnerschaften des Unternehmens mit Pharmariesen wie Eli Lilly, Novartis und Johnson & Johnson. Indem IsoDDE exklusiv gehalten wird, stellt Isomorphic Labs sicher, dass seine Partner einen Wettbewerbsvorteil bei der Entwicklung von First-in-Class-Therapeutika haben.
Demis Hassabis, CEO von Isomorphic Labs, erklärte, dass das Ziel darin bestehe, den Zeitplan der Wirkstoffforschung von Jahren auf Monate zu komprimieren. Mit IsoDDE verkauft das Unternehmen nicht nur Software; es verkauft effektiv das Ergebnis – einen vorvalidierten, hochwirksamen Wirkstoffkandidaten.
Branchenreaktion: Ist das AlphaFold 4?
Die Veröffentlichung hat intensive Diskussionen über die Nomenklatur und die Flugbahn der KI-Abstammung von DeepMind ausgelöst. Obwohl es offiziell als IsoDDE gebrandet ist, haben unabhängige Experten schnell Vergleiche mit einem hypothetischen „AlphaFold 4“ gezogen.
Mohammed AlQuraishi, ein Computerbiologe an der Columbia University, stellte in einem Interview fest, dass die beschriebenen Fortschritte „auf dem Niveau eines AlphaFold 4“ lägen. Die Fähigkeit, die Bindungsaffinität besser vorherzusagen als physikbasierte Methoden (wie die freie Energie-Perturbation, FEP), stellt eine „Heiliger Gral“-Errungenschaft dar, der Wissenschaftler seit Jahrzehnten nachjagen.
Die proprietäre Natur des Modells hat jedoch auch Besorgnis über eine Aufspaltung der Wissenschaft (Bifurcation of Science) hervorgerufen. Während Isomorphic Labs mit geschlossenen Werkzeugen voranschreitet, droht sich die Kluft zwischen akademischer Forschung und unternehmerischen Fähigkeiten zu vergrößern. Vorerst jedoch beobachtet die Biotech-Welt genau, wie Isomorphic Labs sich darauf vorbereitet, seine ersten KI-entworfenen Medikamente in klinische Studien zu bringen, angetrieben von einer Engine, die scheinbar weiß, wie man eine Heilung aus ersten Prinzipien entwirft.
