谷歌旗下异构实验室发布全新 AI 药物发现引擎 IsoDDE，其预测精度超越现有开源模型，被视为行业里程碑。然而，与 AlphaFold 系列的开源策略不同，该核心技术完全保密，引发学界对技术壁垒与数据依赖的广泛讨论。
智能速览
IsoDDE 引擎在药物-蛋白亲和力预测上超越 Boltz-2 等竞品
具备解析抗体结构及预测差异化化合物相互作用的强大能力
完全闭源策略与此前 AlphaFold 系列的开源路线形成鲜明对比
业界就独家私有数据是否为高性能核心因素展开争论
异构实验室已与多家制药巨头达成数十亿英镑的合作协议
精华内容
新引擎的出现不仅刷新了药物发现的技术标杆，其“闭源”策略更在科研界激起了关于技术开放与商业壁垒的激烈碰撞。
预测能力突破
IsoDDE 在预测蛋白质与潜在药物分子的相互作用机制上展现出高精度，并能完成抗体结构的精准解析。报告显示，该模型在结合亲和力预测方面，性能显著优于麻省理工学院的 Boltz-2 模型及传统物理模拟方法。对于年销售额达数百亿英镑的抗体药物领域，这一突破极具应用价值。
此外，该模型能够精准预测与训练数据集分子结构差异极大的化合物的相互作用。这一能力解决了药物发现领域的长期难题，表明其必然采用了全新的技术思路。
闭源策略争议
与曾斩获诺贝尔奖的 AlphaFold2 及后续的 AlphaFold3 不同，IsoDDE 采取了完全封闭的技术路线。此前 AlphaFold 系列不仅向全球开放使用，还详细披露了技术细节，而 IsoDDE 的核心技术被视为企业的“独家秘方”。
这种反差引发了行业关注。哥伦比亚大学专家认为其意义重大，但同时也指出对核心技术细节的一无所知限制了同行的借鉴。这标志着从“开源共建”向“闭源壁垒”的某种转变。
数据壁垒之争
异构实验室总裁强调，该模型的成功是算力、数据和算法结合的成果，目前暂无开源计划。实验室已与强生、礼来等巨头达成数十亿英镑的合作协议，并针对不同需求开发了定制版本，拥有完善的数据策略体系。
关于数据对性能提升的作用，业界存在分歧。有观点认为企业获取的私有结构数据至关重要；但也有 Boltz-2 开发者认为，利用现有的公共数据同样能实现技术突破，未来的目标是超越这一新的技术标杆，而非仅仅依赖独家数据。
IsoDDE 的问世无疑提升了 AI 药物发现的精度上限，但其闭源策略也给科研社区的普惠性带来了新的挑战。未来，究竟是闭源的商业化模型将继续领跑，还是开源社区能够基于公共数据实现反超，值得持续关注。
