Isomorphic Labs stellt firmeneigenes KI-Wirkstoffforschungsmodell IsoDDE vor
Isomorphic Labs hat einen 27-seitigen technischen Bericht über IsoDDE veröffentlicht, eine neue proprietäre KI-„drug-discovery engine“, die bei der Vorhersage von Wirkstoff–Protein-Interaktionen und Antikörperstrukturen bestehende Ansätze übertreffen soll. Weil das System proprietär ist, liefert der Bericht jedoch nur wenige Details dazu, wie vergleichbare Ergebnisse erreicht werden können.
Knapp zwei Jahre nachdem Google DeepMind ein aktualisiertes, auf die Wirkstoffforschung ausgerichtetes AlphaFold3 veröffentlicht hatte, kündigte dessen biopharmazeutisches Spin-off Isomorphic Labs ein noch leistungsfähigeres Modell künstlicher Intelligenz an — und behält es ganz für sich. Das in London ansässige Isomorphic Labs pries die Fähigkeiten seiner „drug-discovery engine“ — die es IsoDDE nennt — in einem 27-seitigen technischen Bericht an, der am 10. Februar veröffentlicht wurde.
Errungenschaften, darunter präzise Vorhersagen darüber, wie Proteine mit potenziellen Wirkstoffen interagieren, sowie Antikörperstrukturen, haben Wissenschaftlerinnen und Wissenschaftler in diesem Feld beeindruckt. Doch anders als die AlphaFold-KI-Systeme zur Vorhersage der Proteinstruktur — die anderen Forschenden zugänglich gemacht und in Zeitschriftenartikeln ausführlich beschrieben wurden — ist IsoDDE proprietär, und das technische Papier liefert nur spärliche Einblicke, wie sich vergleichbare Ergebnisse erzielen lassen.
„Das ist ein großer Fortschritt, in der Größenordnung eines AlphaFold4“, sagt Mohammed AlQuraishi, ein computergestützter Biologe an der Columbia University in New York City, der daran arbeitet, vollständig quelloffene Versionen von AlphaFold zu entwickeln, und bezieht sich dabei auf eine noch unveröffentlichte künftige Generation der Technologie von Google DeepMind. „Das Problem ist natürlich, dass wir nichts über die Details wissen.“
AlphaFold 3 wurde mit Blick auf die Wirkstoffforschung entwickelt. Anders als sein Nobelpreis-prämierter Vorgänger AlphaFold2 konnte das Modell die Strukturen von Proteinen vorhersagen, die mit anderen Molekülen interagieren — einschließlich potenzieller Wirkstoffe.
Ähnliche, an AlphaFold 3 angelehnte KIs sind inzwischen nahe daran, seine Leistung vollständig zu erreichen, und verfügen über neue Fähigkeiten. Ein Open-Source-Modell namens Boltz-2, das von Wissenschaftlern am Massachusetts Institute of Technology in Cambridge entwickelt und im vergangenen Jahr veröffentlicht wurde, konnte vorhersagen, wie stark potenzielle Wirkstoffe an Proteine „andocken“, also die Bindungsaffinität. Dies ist eine Schlüsseleigenschaft für die Entwicklung von Therapeutika und wird üblicherweise mit rechenintensiven, physikbasierten Methoden prognostiziert.
Laut dem Bericht von Isomorphic übertrifft seine neue KI sowohl Boltz-2 als auch physikbasierte Methoden bei der Bestimmung der Bindungsaffinität. Auch Vorhersagen dazu, wie Antikörper — die die Grundlage für Therapien bilden, die jährlich Umsätze in Höhe von mehreren zehn Milliarden Pfund erzielen — mit ihren Zielstrukturen interagieren, seien State of the Art, heißt es in dem Bericht.
AlQuraishi sagt, er sei besonders beeindruckt von der Fähigkeit von IsoDDE, Wirkstoff–Protein-Interaktionen für Moleküle vorherzusagen, die sich stark von den Daten unterscheiden, mit denen das Modell trainiert wurde. „Das ist das wirklich schwierige Problem und deutet darauf hin, dass sie etwas ziemlich Neues gemacht haben“, sagt er.