IsoDDE (Isomorphic Drug Design Engine)
AlphaFold 3と比較して2倍の精度を持つ、タンパク質-リガンド構造予測による新規医薬品設計エンジン
- タンパク質-リガンド構造予測：AlphaFold 3と比較して2倍以上の精度を達成。学習データとの類似度が極めて低い（0〜20％）新規のタンパク質ポケット・リガンドの組み合わせでも、50％の成功率を記録（AF3は23.3％）。誘導適合（Induced fit）や隠れたポケット（Cryptic pocket）の開放など、複雑な構造変化もモデル化。NKG2Dホモダイマーの隠れたポケット構造を、AlphaFold 3が予測できなかった事例において正確に予測。 - 抗体-抗原インターフェースモデリング：334個の低類似度タンパク質ペアにおいて、高精度予測（DockQ > 0.8）の割合を39％達成。AlphaFold 3（17％）と比較して2.3倍、Boltz-2（2％）と比較して19.8倍の優位性。抗体で最も可変性が高く、予測が難しいCDR-H3ループの精度を70％（RMSD ≤ 2Å）に向上させ、デノボ（De novo）抗体設計の可能性を示唆。 - 結合親和性（Binding Affinity）予測：FEP+ 4、OpenFE、CASP16の3つの公開ベンチマークにおいて、深層学習ベースの方法の中で最高の性能。物理ベースのゴールドスタンダードであるFEP+法と同等以上の精度を、実験的な結晶構造なしで達成（FEP+ 4ベンチマーク r=0.85 vs FEP+ 0.78）。計算時間とコストを大幅に削減。 - 新規結合ポケットの特定：アミノ酸配列のみから、リガンドが結合可能な新しいポケットを数秒以内に探索。実験的なフラグメントソーキング（Fragment soaking）と比較して、時間とコストを大幅に削減。セレブロロン（Cereblon）タンパク質において、既存の既知のポケットと最近発見された新しい隠れたアロステリックサイトを、配列のみからすべて正確に予測。実験的手法に匹敵する精度を、コンピューターの速度（数秒）で達成。 - マルチモーダル薬物設計：低分子化合物（Small molecule）、抗体（Antibody）、ペプチド（Peptide）、分子接着剤（Molecular glue）など、多様な薬物形態にわたる候補生成を支援（J&Jとの共同研究で確認）。
💻 必要なスペック
非公開（大規模GPUクラスタベースの推論と推定されるが、具体的な仕様は非公開）
非公開
⚡ インストール
### 4-1. 簡単な始め方
```
# IsoDDEはオープンソースソフトウェアではありません。
# 外部でのインストール/実行はできません。Isomorphic Labs社内専用システムです。
```
### 4-2. アクセス方法
現在、IsoDDEにアクセスできる唯一の方法は、Isomorphic Labs社との提携パートナーシップです。確認されているパートナーシップは以下の通りです。
- **Novartis**: 2024年1月に初期契約を締結、2025年2月に協力範囲を拡大
- **Eli Lilly**: 2024年1月にAI創薬契約を締結
- **Johnson & Johnson**: 2026年1月20日に、マルチモーダル・マルチターゲット研究協力（Cross-modality, multi-target research collaboration）を締結。低分子、抗体、ペプチド、分子接着剤など、幅広い範囲を網羅
- 自社内パイプライン：複数の治療領域で創薬プログラムを進めており、臨床試験への移行段階
学術研究者や独立企業が、APIを直接呼び出したり、モデルをダウンロードしたりする方法でのアクセスは提供されていません。技術レポート（27ページ）は、公式の技術発表ページを通じて公開されており、ベンチマーク結果と方法論の概要を確認できますが、モデルアーキテクチャ、学習データ、重みは非公開です。🧬 バイオ活用シナリオ
難易度の高いターゲットタンパク質の薬剤候補探索
既存の構造予測モデルが失敗する学習データ外（Out-of-distribution）のターゲットでも、信頼性の高いリガンド結合構造を予測できる。Runs N' Posesベンチマークで最も難しい類似度0-20%の範囲において、AF3と比較して2倍以上の成功率を示すため、新規ターゲット発掘の初期段階で、ヒット化合物の特定およびリード化合物の最適化に、物理シミュレーションなしで迅速に活用できる
抗体治療薬設計の加速化
CDR-H3ループの精密モデリング（RMSD≤2Å達成率70%）により、抗体-抗原結合インターフェースを事前に高い精度で予測できる。実験的なX線結晶学・クライオ-EM構造決定の前に、候補抗体の結合特性をスクリーニングすることで、湿式実験（Wet-lab）サイクルを短縮し、臨床候補（Clinical candidate）到達時間を短縮することに貢献する
隠れたポケットに基づく新規薬剤標的の発見
既存に「薬剤標的不可（Undruggable）」と分類されていたタンパク質から、アミノ酸配列のみで新しい結合ポケットを探索する。セレブレロンの事例のように、実験的なフラグメントソーキングに数か月かかるプロセスを数秒に置き換え、標的拡張（Target expansion）戦略の初期フィルタリングを画期的に加速する
📝 アップデートノート
まだアップデートノートはありません。
🧪 関連「生命のコード」
関連する「生命のコード」記事はまだありません。