未来所有药物，都将由 AI 设计

从通用 AI 转向药物研发

Jaderberg 的职业起点是工程、计算机视觉和 AI。他曾在牛津攻读博士，也有过相关领域的创业经历，后来将公司出售给 DeepMind，并加入团队。他在采访中回忆，那时研究者仍在努力证明，AI 能够做出对现实世界有用的事情。

在 DeepMind，他看到 AI 从围棋、星际争霸等游戏，逐渐走向蛋白质折叠。AlphaFold 的进展促使他将注意力转向人类健康。他回忆，到了 2020—2021 年，即使尚未达到通用人工智能，已有的技术也值得被主动用于药物发现。

用模型开发药物，收入来自哪里

谈到商业模式，Jaderberg 给出了明确的定位：“我们不出售模型的访问权限，也不出售 tokens 或 API 访问权限。”

公司开发这些模型，目的是将其用于药物研发，最终让患者用上药物。

第一条路径，是公司自行发起和承担药物项目。按照他的描述，团队提出新药想法、开展基础研究、利用模型设计分子，并通过专利保护知识产权。这些项目需要公司持续投入资金，随后通过临床试验积累关于药物的证据。

自研项目的商业化，可以有多种后续安排。Jaderberg 解释，当证据足够充分时，公司可以考虑与其他企业合作、对外授权，也可能自行将药物商业化，最终向医疗体系提供产品。

第二条路径，是与诺华、礼来、强生等药企合作。这些伙伴可能带来围绕某个生物机制或治疗思路积累数十年的经验，Isomorphic 则利用自身技术推进分子研发。合作收入可以包括首付款、里程碑付款，以及药物商业化后的销售分成。

一套设计引擎，多个疾病方向

在 Jaderberg 的介绍中，公司希望将同一套设计引擎用于不同疾病、适应证和药物类型。他列举了小分子、抗体和多肽，并用口服药与注射药说明不同类型药物的使用形式。

公司的自研管线聚焦肿瘤、免疫和炎症。他解释，一个项目往往需要深入推进多年，因此团队必须积累相应的临床与生物学专业能力。将自研项目集中在这些领域，便于建立内部团队；其他疾病方向则可以通过合作拓展。

推理模型提出想法，模拟模型开展虚拟实验

面对越来越多 AI 企业进入科学研究，Jaderberg 将公司的技术工作分成两条相互配合的路线。其中一条是推理模型，用于整合数据、提出新的科学假设。这类模型可以帮助研究者形成大量新的研究想法。

接下来需要决定，哪些想法值得投入真实实验。他指出，研究团队能够用于合成分子、培养细胞和开展实验的时间有限。产生想法之后，还需要有办法选择和评估它们，安排现实中的研究工作。

另一条路线，是他所说的“模拟模型”或“世界模型”。Jaderberg 以 AlphaFold 为例，解释这类模型如何近似描述物理世界，并帮助理解蛋白质折叠等过程。研究者可以利用它们，在计算机中开展虚拟实验。

在他的描述中，部分原本需要进入实验室的探索，可以先在计算机上进行。实际合成分子、培养细胞需要时间和资源；模拟模型则为研究者提供另一种检验想法的方式，帮助他们在投入真实实验前开展更多计算工作。

这两条路线在他看来具有互补性：一条帮助提出科学想法，另一条帮助在计算机中探索这些想法。

团队同时推进推理模型与模拟模型，希望让科学假设的形成和后续评估衔接起来。

Jaderberg 预期，更多计算探索能够提高后续真实实验、临床前研究和临床试验的成功概率。他希望团队在进入这些环节时，对分子如何发挥作用有更充分的理解。

研发进度，以及真实实验所需的时间

谈及公司的具体进度，Jaderberg 用棒球比赛的“第一局”形容 Isomorphic 所处的阶段。他说，公司正在深入推进多个药物项目的临床前开发，工作包括设计分子，以及在实验室中验证这些分子的作用。

他提到的验证环节包括细胞和动物模型。随着证据积累，项目才会向人体临床试验推进，进一步评估对患者的实际影响。在他此前描述的自研路径中，临床研究同样是药物开发和证据积累的一部分。

当主持人问到临床试验与监管所需的时间，Jaderberg 强调，患者安全是这些流程的重要出发点。他谈到，药物进入人体后可能出现毒性、副作用，或无法产生预期作用，因此需要在进入人体前充分研究，并以受控、谨慎的方式开展临床试验。

他也解释了，为什么生命科学中的进展需要与真实实验相结合。数学证明可以在计算机上检验；如果对细胞如何工作有一个新想法，研究者还需要在真实细胞中测试。访谈结束前，他说，

模拟模型的发展仍需与真实世界的实验和实验室工作相结合。