Headline

DeepMind CEO Demis Hassabis 表示其团队正通过 AlphaFold 与 Isomorphic Labs 用 AI 推进抗癌研究。

Summary

在 Luiza Jarovsky 发推呼吁发起"AI 抗癌竞赛"后，Hassabis 回应称这项工作已在进行：

• AlphaFold 用于蛋白质结构预测，帮助研究人员更快理解疾病机制；
• Isomorphic Labs 专注小分子药物发现与设计，目标是将研究成果转化为实际药物。

这说明基础模型不只是停留在演示和论文层面，而是在对接真实医疗问题。DeepMind 体系目前的路径是：结构预测 → 作用机制建模 → 药物设计，形成一体化的抗肿瘤研发流程。

Analysis

• AlphaFold（获 2024 年诺贝尔化学奖）可预测原子级精度的蛋白结构，自 2020 年以来已覆盖超过 2 亿条结构。这让研究癌症相关蛋白的互作变得更快，也更容易提出新的研究假设。
• Isomorphic Labs 是 DeepMind/Alphabet 体系孵化的公司，在 AlphaFold 基础上开发了专有的 IsoDDE 引擎。据称该引擎在蛋白-配体互作预测上比 AlphaFold 3 更强，定位更接近药物发现的后期环节。公司已与 Eli Lilly、Novartis 签署合作协议，总额约 30 亿美元，用于推进肿瘤相关管线。
• 值得关注的变量：这些工具是闭源的，可能带来性能和商业化速度上的优势，但也会造成数据与工具的可及性不均。临床试验预计最早在 2026 年底前后启动——到那时才能真正验证 AI 是否缩短了药物开发周期，而不是仅凭论文和体外数据下结论。
• 更大的背景：精准医疗向 AI 转型的趋势已经明确，但"闭源专有"与"开源共创"两条路径的分歧仍未解决。生态层面的分工和价值分配机制还在形成中。

下表对比了两条技术线在抗癌研究中的分工与权衡：

| 维度 | AlphaFold | Isomorphic Labs | | --- | --- | --- | | 主要定位 | 蛋白结构/复合体预测 | 小分子药物设计与互作建模 | | 核心能力 | 原子级结构预测，支撑机理研究 | IsoDDE 引擎，据称互作预测优于 AF3 | | 与癌症的关联 | 加速理解分子层面的病理机制 | 直接对接肿瘤药物管线与合作项目 | | 开放程度 | 学术影响广泛，部分开放 | 闭源，与药企深度绑定 | | 商业进展 | 更偏向研究基础设施 | 与 Lilly、Novartis 合作约 30 亿美元，临床最早 2026 年底 |

几点判断：

• 短期：管线推进和早期临床数据将是最硬的外部验证；
• 中期：闭源优势能否持续，取决于数据、模型、算力的系统性领先能否保持；
• 长期：如果临床验证通过，AI 会改变从机理研究到靶点发现、优化、转化的整个研发链条，也会影响资本流向。

Impact Assessment

• 重要性: 高
• 分类: AI 研究、市场影响、合作动态

总结：这轮叙事仍处于中早期阶段，真正的拐点取决于 2026 年前后的临床数据。最可能受益的是有管线和商务拓展能力的药企、平台方，以及中长期机构资金。二级市场交易者需要等待更明确的信号；研发型团队可以在工具链和数据资产方面提前布局。