Google merilis mesin desain obat AI IsoDDE: disebut sebagai "AlphaFold 4", kinerja mengalahkan generasi sebelumnya, tetapi tidak lagi bersifat open source

Isomorphic Labs Google, yang juga dipimpin oleh CEO DeepMind Demis Hassabis, telah merilis IsoDDE, mesin desain obat AI generasi baru yang disebut “AlphaFold 4” oleh Nature.

Itu benar-benar menghancurkan generasi sebelumnya, tetapi memilih untuk ditutup sepenuhnya. Zaman keemasan AI untuk sains mungkin akan ditutup.

Pada tahun 2024, Demis Hassabis naik podium Nobel karena AlphaFold.

Model AI yang dapat memprediksi struktur tiga dimensi protein ini digunakan oleh lebih dari 3 juta peneliti di lebih dari 190 negara, dan merupakan contoh tolok ukur AI yang bermanfaat bagi seluruh umat manusia.

Komite Nobel tidak memberikan algoritma melainkan semangat - menempatkan alat ilmiah paling kuat ke tangan setiap peneliti secara gratis.

Enam belas bulan kemudian, penerus AlphaFold diresmikan.

Pada 10 Februari, Isomorphic Labs, sebuah perusahaan farmasi AI yang didirikan oleh Hassabis, merilis laporan teknis setebal 27 halaman yang menampilkan mesin desain obat yang disebut IsoDDE, yang secara komprehensif menghancurkan kinerja AlphaFold 3, yang dievaluasi oleh ahli biologi komputasi Universitas Columbia Mohammed AlQuraishi sebagai “kemajuan besar di tingkat AlphaFold 4”.

Namun kali ini, kode tersebut tidak akan dipublikasikan, makalah tidak akan dipublikasikan, dan metodenya tidak akan dibagikan.

Max Jaderberg, presiden Isomorphic Labs, terus terang dengan Nature: Kami tidak berencana untuk mengungkapkan “resep rahasia”.

Saga open-source AlphaFold kemungkinan akan berakhir pada generasi ketiga.

Kemampuannya memang sangat kuat

Mari kita mulai dengan apa yang telah dilakukan IsoDDE, yang membantu memahami mengapa kontroversi begitu besar nanti.

Untuk menggunakan analogi yang kurang ketat: jika Anda menganggap protein sebagai kunci, molekul obat adalah kuncinya. Apa yang dilakukan AlphaFold adalah membantu Anda melihat seperti apa kunci ini.

Tetapi tidak cukup untuk melihat kunci – Anda harus tahu apakah kunci dapat berputar saat dimasukkan, jika diputar rapat, atau bahkan jika ada lubang kunci lain pada kunci yang tidak Anda perhatikan sama sekali.

IsoDDE menjawab pertanyaan-pertanyaan yang lebih sulit ini.

Ini adalah mesin terpadu yang mengintegrasikan kemampuan seperti prediksi struktural, perhitungan kekuatan pengikatan, dan penemuan situs pengikatan tersembunyi.

Angka-angkanya sangat intuitif.

Dalam pengujian khusus untuk menguji apakah AI dapat menangani struktur protein baru yang “belum pernah sebelumnya” (tolok ukur Runs N’ Pose), IsoDDE memiliki lebih dari dua kali tingkat keberhasilan AlphaFold 3 (AF3) ketika kesamaan antara sampel uji dan data pelatihan serendah 0-20% (yang merupakan kasus yang paling sulit).

Dari 60 kasus tersulit, 17 adalah kegagalan total AlphaFold 3 dan IsoDDE melakukannya dengan benar.

AlphaFold 3 gagal dalam contoh ini dengan IsoDDE yang benar

Dalam hal memprediksi bagaimana antibodi mengenali target, tingkat keberhasilan prediksi presisi tinggi IsoDDE adalah 2,3 kali lebih tinggi daripada AlphaFold 3 dan hampir 20 kali lipat dari Boltz-2, model sumber terbuka arus utama lainnya.

Hal yang paling mengejutkan bagi rekan-rekan adalah prediksi afinitas pengikatan – yaitu, menentukan seberapa erat molekul dan target obat terikat.

Tugas ini secara tradisional mengandalkan metode simulasi fisik yang disebut FEP, yang sangat mahal secara komputasi dan mengharuskan laboratorium untuk menyediakan struktur kristal sebagai titik awal.

IsoDDE tidak hanya mengungguli semua metode AI secara menyeluruh, bahkan FEP, dalam beberapa pengujian publik, dan tidak memerlukan data eksperimental apa pun untuk memulai.

Ada juga kasus yang sangat indah dalam laporan teknis.

Ada protein yang disebut otak kecil, dan para ilmuwan menghabiskan 15 tahun berpikir itu hanya memiliki satu situs pengikatan obat. Baru pada awal tahun ini sebuah makalah baru secara eksperimental menemukan situs pengikatan tersembunyi kedua.

Dan IsoDDE baru saja memasuki urutan asam amino protein ini dan menemukan kedua situs - termasuk yang telah disembunyikan selama 15 tahun.

Laboratorium melakukan hal yang sama dengan eksperimen perendaman kristal yang mahal dan banyak waktu. IsoDDE hanya membutuhkan waktu beberapa detik.

AlQuraishi mengatakan dia paling terkesan dengan kemampuan generalisasi IsoDDE pada sistem molekuler yang sama sekali asing, “yang menunjukkan bahwa mereka pasti telah melakukan sesuatu yang sangat baru.”

Sumber Tertutup: Bagian cerita yang sangat mengganggu

Jika IsoDDE adalah perangkat lunak bisnis biasa, sumber tertutup itu wajar, tidak banyak yang bisa dikatakan.

Masalahnya adalah pendahulunya, AlphaFold, mewakili nilai yang sangat berbeda.

AlphaFold 2 bersumber terbuka pada tahun 2021, dan makalah yang menyertainya diterbitkan di Nature, dan hasil prediksinya gratis dan terbuka untuk dunia.

Ini jauh melampaui teknologi itu sendiri - ini membuktikan kemungkinan bahwa penelitian AI mutakhir yang didanai oleh raksasa teknologi benar-benar dapat menjadi barang publik bagi seluruh umat manusia.

Lebih dari 3 juta ilmuwan telah menggunakannya untuk melakukan penelitian mereka sendiri, banyak proyek telah dipercepat, dan seluruh sungai biologi telah mengubah arah mereka dengannya.

AlphaFold 3 2024 juga menerbitkan makalah, dan meskipun kecepatan kode open-source telah menimbulkan kontroversi, akhirnya terbuka untuk komunitas akademik.

IsoDDE mematahkan tradisi ini.

Laporan teknis setebal 27 halaman hampir tidak berisi rincian tentang arsitektur model dan metodologi pelatihan.

Subjudul laporan Nature sangat mudah: para ilmuwan “hanya dapat berspekulasi tentang bagaimana hasil serupa dapat dicapai.”

Kata-kata Jaderberg kepada Alam sangat menarik. Dia mengatakan dia berharap laporan itu akan “menginspirasi” tim lain.

Tetapi tanggapan Alquraishi mungkin lebih mewakili perasaan akademisi yang sebenarnya: “Masalahnya adalah bahwa kita tidak tahu detailnya.”

Beberapa orang berpikir masuk akal bagi Isomorphic Labs sebagai perusahaan komersial untuk melindungi teknologi intinya. Tentu saja itu benar.

Tetapi perlu ditanyakan: ketika AI di bidang ilmiah menjadi lebih kuat dan lebih terkonsentrasi di tangan beberapa perusahaan, siapa yang akan memutuskan seberapa terbuka kemampuan ini?

Isomorphic Labs telah mengamankan pembiayaan senilai $600 juta dan menandatangani perjanjian kemitraan potensial senilai $3 miliar dengan Eli Lilly dan Novartis, dengan 17 jalur obat berjalan sendiri.

Hassabis mengatakan di Davos pada Januari tahun ini bahwa obat pertama yang dirancang AI diharapkan memasuki uji klinis pada akhir 2026.

Perusahaan berubah dari lembaga penelitian ilmiah menjadi mesin komersial.

Diego del Alamo, seorang ahli biologi struktural komputasi di Takeda Pharmaceutical, menunjukkan seluk-beluk lain: Isomorphic Labs sebelumnya telah menginvestasikan banyak upaya dalam bekerja dengan perusahaan farmasi dan mungkin telah memperoleh sejumlah besar data eksperimental pribadi.

Seberapa banyak data tambahan ini berkontribusi pada kinerja IsoDDE tidak diketahui.

Jika keuntungan inti berasal dari hambatan data daripada inovasi algoritma, maka apa yang disebut “insentif” lebih seperti isyarat.

Kamp open source tidak membuang handuk

Sumber tertutup menyebabkan kecemasan, tetapi juga memicu persaingan.

Gabriele Corso, salah satu pengembang Boltz-2 dan pendiri perusahaan nirlaba Boltz, jelas: dia tidak melihat data pribadi sebagai faktor kunci, karena masih ada banyak ruang untuk perbaikan dalam data publik.

IsoDDE menetapkan garis dasar kinerja baru yang “perlu mengejar ketinggalan dan dapat sepenuhnya dilampaui”.

Perusahaan lain, Deep Origin, lebih terkenal, secara langsung mengeluarkan pernyataan sehari setelah rilis IsoDDE bahwa mesin DODock-nya telah mencapai tingkat kinerja yang sebanding pada tolok ukur yang sama pada Agustus 2025 - menggunakan rute teknis yang sama sekali berbeda.

Komunitas open source tidak menganggur selama dua tahun terakhir. Setelah rilis AlphaFold 3, beberapa tim telah membuat model open-source yang mendekati atau bahkan sebagian melampaui model tersebut, termasuk Boltz-1/2, Chai-1, Protenix, dan banyak lagi.

Bidang farmasi AI mengulangi skrip di bidang model bahasa besar: satu perusahaan menunjukkan hasil sumber tertutup yang luar biasa, dan seluruh komunitas open source dengan cepat mengikutinya, mempersempit kesenjangan dari generasi ke ketinggalan.

Tapi inilah perbedaan utama.

Data pelatihan model bahasa: teks Internet, adalah sumber daya publik yang hampir tidak terbatas.

Sebagian besar data pelatihan farmasi AI, terutama data eksperimental obat protein berkualitas tinggi, berada di tangan perusahaan farmasi.

Jika parit model sumber tertutup dibangun di atas data pribadi, jauh lebih sulit bagi sumber terbuka untuk mengejar ketinggalan.

Pintu tertutup

Implikasi dari ini mungkin melampaui bidang penemuan obat itu sendiri.

Selama beberapa tahun terakhir, “AI open source mendorong kemajuan ilmiah” telah menjadi narasi yang diterima secara luas. AlphaFold adalah bukti terkuat dari narasi ini.

Setiap kali seseorang mempertanyakan siapa yang diuntungkan oleh penelitian AI raksasa teknologi tersebut, AlphaFold adalah jawaban terbaik — lihat, 3 juta ilmuwan di seluruh dunia menggunakannya secara gratis.

Sekarang, ketika keturunan langsung AlphaFold memilih untuk menutup sumbernya, narasi ini telah terkoyak.

Ini mengisyaratkan kemungkinan arah masa depan:

AI, alat paling ampuh di bidang ilmu dasar, secara bertahap berubah dari barang publik menjadi aset komersial;

Hasil terobosan diterbitkan dalam bentuk laporan teknis daripada makalah yang ditinjau oleh rekan sejawat;

Akademisi dapat melihat hasilnya, tetapi tidak pernah metodenya.

Hassabis pernah mengatakan bahwa AI dalam sains adalah penyebab yang lebih kaya daripada model bahasa. Itu benar. Tetapi premis kelimpahan adalah keterbukaan.

Ketika AI ilmiah terkuat hanya terbuka untuk pelanggan yang membayar, sebagian besar orang di komunitas ilmiah hanya dapat menonton dari luar pagar.

Medali Nobel AlphaFold diukir dengan cita-cita memberikan pengetahuan kepada semua. Laporan teknis IsoDDE mengatakan masa depan yang lebih kuat.

Jarak antara keduanya adalah pilihan yang dibuat di era ini.