Google выпустила движок AI для дизайна лекарств IsoDDE: его называют «AlphaFold 4», он превосходит предыдущие поколения по производительности, но больше не является открытым исходным кодом

Isomorphic Labs от Google, также возглавляемая генеральным директором DeepMind Демисом Хассабисом, выпустила IsoDDE — новое поколение ИИ-движка для проектирования лекарств под названием «AlphaFold 4» от Nature.

Он полностью уничтожил предыдущее поколение, но предпочёл быть полностью закрытым. Золотой век ИИ в науке, возможно, закрывается.

В 2024 году Демис Хассабис поднялся на пьедестал Нобелевской премии благодаря AlphaFold.

Эта модель ИИ, способная предсказывать трёхмерную структуру белков, используется более чем 3 миллионами исследователей в более чем 190 странах и является примером того, как ИИ приносит пользу всему человечеству.

Нобелевский комитет вручает не столько алгоритм, сколько дух — предоставляя самые мощные научные инструменты каждому исследователю бесплатно.

Шестнадцать месяцев спустя был представлен преемник AlphaFold.

10 февраля фармацевтическая компания Isomorphic Labs, основанная Хассабисом в области искусственного интеллекта, опубликовала 27-страничный технический отчёт, демонстрирующий движок разработки лекарств под названием IsoDDE, который полностью снизил производительность AlphaFold 3; вычислительный биолог из Колумбийского университета Мохаммед АльКураиши оценил его как «значительный прогресс на уровне AlphaFold 4».

Но на этот раз код не будет обнародован, статья не будет опубликована, и метод не будет распространён.

Макс Ядерберг, президент Isomorphic Labs, был откровен с Nature: Мы не планируем раскрывать «секретный рецепт».

Сага AlphaFold с открытым исходным кодом, вероятно, завершится в третьем поколении.

Способность действительно пугающе сильна

Начнём с того, что сделал IsoDDE, что помогает понять, почему этот спор стал настолько серьёзным позже.

Если использовать менее строгую аналогию: если рассматривать белок как замок, то ключом является молекула лекарства. AlphaFold помогает увидеть, как выглядит этот замок.

Но недостаточно просто увидеть замок — нужно знать, может ли ключ повернуться при вставлении, плотно ли он повернут или есть ли ещё какая-то замочная скважина на замке, которую вы вообще не заметили.

IsoDDE отвечает на эти более сложные вопросы.

Это единый движок, интегрирующий такие возможности, как прогнозирование структуры, расчёт прочности связывания и обнаружение скрытых участков связывания.

Цифры очень интуитивны.

В тесте, специально предназначенном для проверки, может ли ИИ справляться с «никогда раньше» новыми белковыми структурами (бенчмарк Runs N’ Pose), IsoDDE показал более чем вдвое выше успеха по сравнению с AlphaFold 3 (AF3), когда сходство между тестовым выборкой и обучающими данными составляло от 0 до 20% (что является самым сложным случаем).

Из 60 самых сложных случаев 17 были полными провалами AlphaFold 3, и IsoDDE справился с этим правильно.

AlphaFold 3 не работает в этом примере с IsoDDE

Когда речь идёт о предсказании, как антитела распознают мишени, высокаточная вероятность предсказания IsoDDE в 2,3 раза выше, чем у AlphaFold 3, и почти в 20 раз выше у Boltz-2, ещё одной массовой модели с открытым исходным кодом.

Самое удивительное для сверстников — это предсказание аффинности связывания, то есть определение, насколько тесно связаны молекула и мишень препарата.

Эта задача традиционно основывалась на физическом методе моделирования, называемом FEP, который чрезвычайно вычислителен и требует от лаборатории предоставления кристаллических структур в качестве отправной точки.

IsoDDE не только превзошёл все методы искусственного интеллекта по всем направлениям, даже FEP, в нескольких публичных тестах, и изначально не требовал экспериментальных данных.

В техническом отчёте также есть особенно красивый случай.

Существует белок под названием цереблон, и учёные 15 лет думали, что у него только один сайт связывания с лекарством. Только в начале этого года новая статья экспериментально обнаружила второе скрытое место переплёта.

И IsoDDE только что вошёл в аминокислотную последовательность этого белка и обнаружил оба участка — включая тот, который был скрыт 15 лет.

Лаборатории делают то же самое с дорогими экспериментами с погружением кристаллов и большим количеством времени. IsoDDE занимает всего несколько секунд.

Аль-Кураиши сказал, что его больше всего впечатлила способность IsoDDE к обобщению совершенно незнакомых молекулярных систем, «что показывает, что они, должно быть, сделали что-то очень новое».

Закрытый исходный код: Самая тревожная часть истории

Если IsoDDE — это обычное бизнес-программное обеспечение, то закрытый исходный код — это естественно, особо сказать особо нечего.

Проблема в том, что его предшественник, AlphaFold, представляет собой совсем иное значение.

AlphaFold 2 был открыт в 2021 году, сопроводительная статья была опубликована в Nature, а результаты прогнозов бесплатны и открыты для всех.

Это выходит далеко за рамки самой технологии — это доказывает возможность того, что передовые исследования в области ИИ, финансируемые технологическими гигантами, действительно могут стать общественным благом для всего человечества.

Более 3 миллионов учёных использовали его для собственных исследований, многочисленные проекты ускорились, и целые реки биологии изменили свой курс вместе с ним.

AlphaFold 3 2024 года также опубликовал статьи, и хотя скорость открытого кода вызвала споры, она наконец-то открыта для академического сообщества.

IsoDDE нарушает эту традицию.

27-страничный технический отчет практически не содержит подробностей об архитектуре модели и методологии обучения.

Подзаголовок доклада Nature прост: учёные «могут только предполагать, как можно достичь подобных результатов».

Слова Джадерберга для Nature вызывают интерес. Он выразил надежду, что отчёт «вдохновит» другие команды.

Но ответ Аль-Курайши, возможно, более отражает истинные чувства академической среды: «Проблема в том, что мы не знаем деталей.»

Некоторые считают, что коммерческая компания Isomorphic Labs имеет смысл защищать свою основную технологию. Конечно, это правда.

Но стоит спросить: когда ИИ в научной сфере станет сильнее и более концентрирован в руках нескольких компаний, кто решит, насколько открыты эти возможности?

Isomorphic Labs обеспечила финансирование в размере 600 миллионов долларов и подписала потенциальное партнёрское соглашение на сумму 3 миллиарда долларов с Eli Lilly и Novartis, при этом 17 производителей лекарств работают внутри компании.

В январе этого года Хассабис заявил в Давосе, что ожидается, что первые препараты, разработанные с помощью ИИ, должны войти в клинические испытания к концу 2026 года.

Компания превращается из научно-исследовательского института в коммерческую машину.

Диего дель Аламо, вычислительный структурный биолог из Takeda Pharmaceutical, отмечает ещё одну тонкость: Isomorphic Labs ранее вложила много усилий в сотрудничество с фармацевтическими компаниями и, возможно, получила большое количество частных экспериментальных данных.

Насколько эти дополнительные данные влияют на производительность IsoDDE, неизвестно.

Если основное преимущество заключается в барьерах данных, а не в инновациях алгоритмов, то так называемый «стимул» скорее похож на жест.

Открытый лагерь не сдаётся

Закрытые источники вызывают тревогу, но они также разжигают конкуренцию.

Габриэле Корсо, соразработчик Boltz-2 и основатель некоммерческой компании Boltz, ясно говорит: он не считает приватные данные ключевым фактором, поскольку в публичных данных ещё есть много возможностей для улучшения.

IsoDDE устанавливает новый базовый уровень производительности, который «нужно догнать и полностью превзойти».

Другая компания, Deep Origin, была более заметной, напрямую выпустив заявление на следующий день после выхода IsoDDE, что её движок DODock уже достиг сопоставимых уровней производительности на том же бенчмарке в августе 2025 года — используя совершенно другой технический подход.

Сообщество с открытым исходным кодом не сидело сложа руки последние два года. После выхода AlphaFold 3 несколько команд создали модели с открытым исходным кодом, которые приближаются или даже частично превосходят его, включая Boltz-1/2, Chai-1, Protenix и другие.

Фармацевтическая сфера искусственного интеллекта повторяет этот сценарий в области крупных языковых моделей: одна компания показывает потрясающие результаты в закрытом исходном коде, и всё сообщество с открытым исходным кодом быстро следует её примеру, сокращая разрыв от поколенческих до догоняющих.

Но вот ключевое отличие.

Обучающие данные языковых моделей: интернет-текст, являются практически неограниченным общественным ресурсом.

Значительная часть обучающих данных фармацевтических препаратов на базе ИИ, особенно высококачественных экспериментальных данных белков-лекарств, находится в руках фармацевтических компаний.

Если модель закрытого исходного кода построена на частных данных, открытому исходному коду гораздо сложнее догнать её.

Закрытые двери

Последствия этого могут выходить за рамки самой области открытия лекарств.

За последние несколько лет идея «открытый исходный код ИИ движет научным прогрессом» стала широко признанной версией. AlphaFold — самый убедительный пример этого нарратива.

Когда кто-то задаётся вопросом, кому пользуются исследования ИИ технологических гигантов, AlphaFold — лучший ответ — смотрите, 3 миллиона учёных по всему миру используют его бесплатно.

Теперь, когда прямые потомки AlphaFold решают закрыть источник, этот нарратив был разорван.

Это намекает на возможное будущее направление:

ИИ, самый мощный инструмент в области фундаментальной науки, постепенно превратился из общественного блага в коммерческий актив;

Прорывные результаты публикуются в виде технических отчётов, а не рецензируемых статей;

Академия видит результаты, но никогда не видит методы.

Хассабис однажды сказал, что ИИ в науке — это более богатое дело, чем языковые модели. Верно. Но суть изобилия — это открытость.

Когда самый сильный научный ИИ открыт только для платных клиентов, подавляющее большинство людей в научном сообществе могут наблюдать только за пределами забора.

Нобелевская медаль AlphaFold украшена идеалом передачи знаний всем. Технический отчет IsoDDE говорит о более сильном будущем.

Расстояние между ними — это выбор, который принимается в эту эпоху.