La compañía presentó avances clave de su Drug Design Engine, una plataforma computacional que supera a AlphaFold 3 en precisión predictiva y promete transformar el descubrimiento de medicamentos. El sistema combina velocidad, menor costo y capacidad para explorar territorios biológicos inéditos, con impacto directo en la industria farmacéutica.
Isomorphic Labs dio a conocer nuevos avances en el desarrollo de su Drug Design Engine (IsoDDE), una plataforma de diseño de medicamentos basada en inteligencia artificial que apunta a redefinir el proceso de descubrimiento farmacológico más allá de lo logrado hasta ahora por AlphaFold 3, el modelo desarrollado junto a Google DeepMind y lanzado en 2024.
Según informó la compañía, IsoDDE introduce un nuevo paradigma de precisión predictiva en la comprensión del mundo biomolecular, permitiendo diseñar medicamentos de forma racional y completamente in silico, es decir, mediante simulaciones computacionales. El sistema unifica múltiples capacidades en una sola arquitectura y busca cerrar la brecha histórica entre la predicción estructural y el descubrimiento real de fármacos.
Más precisión que AlphaFold 3 en sistemas complejos
Isomorphic Labs aseguró que IsoDDE más que duplica la precisión de AlphaFold 3 en un exigente benchmark de generalización para predicción de estructuras proteína-ligando. Además, el motor es capaz de predecir afinidades de unión de pequeñas moléculas con una precisión que supera a métodos físicos de referencia, pero con una fracción del tiempo y del costo computacional.
Otro diferencial clave es su capacidad para identificar nuevos sitios de unión en proteínas objetivo utilizando únicamente la secuencia de aminoácidos como entrada, incluso en ausencia de ligandos conocidos. Esto amplía de forma significativa el universo de proteínas potencialmente “drogables”.
Desde Isomorphic Labs explicaron que, si bien AlphaFold 3 representó un salto histórico en la predicción estructural, el solo conocimiento de la estructura no era suficiente para habilitar programas completos de descubrimiento de fármacos en computadora. El diseño racional de medicamentos requiere modelos altamente precisos que trabajen en conjunto y que puedan generalizar más allá de sus datos de entrenamiento, algo fundamental en un espacio biológico y químico todavía en gran parte inexplorado.
Generalización a sistemas verdaderamente novedosos
Uno de los focos del anuncio fue la capacidad de IsoDDE para generalizar su poder predictivo a sistemas biomoleculares altamente disímiles de aquellos con los que fue entrenado. En el benchmark “Runs N’ Poses” (Škrinjar et al. 2025), diseñado específicamente para evaluar este tipo de generalización, IsoDDE superó ampliamente a AlphaFold 3 en los casos más difíciles, correspondientes al rango de similitud 0–20.
El informe técnico muestra que el sistema puede modelar con éxito fenómenos complejos y fuera de distribución, como los induced fits, donde la proteína modifica su forma para acomodar un ligando, y la apertura de bolsillos crípticos, ocultos en ausencia de un ligando. Estos mecanismos son críticos para comprender procesos biológicos reales y desarrollar nuevas terapias.
Un salto para biológicos complejos y anticuerpos
El avance no se limita a pequeñas moléculas. IsoDDE también muestra un desempeño destacado en biológicos complejos, como anticuerpos. En la predicción de interfaces anticuerpo-antígeno, el sistema supera a AlphaFold 3 por 2,3 veces y al modelo Boltz-2 por 19,8 veces en el régimen de alta fidelidad (DockQ > 0,8), sobre un conjunto de prueba desafiante y de baja homología con 334 casos.
Un punto especialmente relevante es su desempeño en el bucle CDR-H3, la región más variable y difícil de predecir de los anticuerpos, lo que abre nuevas posibilidades para el diseño de anticuerpos de novo asistido por IA.
Predicción de afinidad y descubrimiento de nuevos blancos
IsoDDE también establece un nuevo estándar en predicción de afinidad de unión, un paso clave para optimizar candidatos a fármacos. El sistema supera a todos los métodos de deep learning en benchmarks públicos como FEP+ 4, OpenFE y la prueba ciega CASP16, e incluso logra mejores resultados que métodos físicos tradicionales como FEP, sin necesidad de estructuras cristalográficas experimentales.
Otro avance estratégico es la expansión del proteoma ligable. IsoDDE puede identificar bolsillos potenciales en proteínas sin ligandos conocidos, con un rendimiento cercano al de técnicas experimentales como fragment-soaking, pero ejecutándose en segundos y sin los altos costos asociados al trabajo de laboratorio.
Un ejemplo destacado es el caso de cereblon, donde durante 15 años se creyó que existía un único sitio de unión. IsoDDE logró predecir tanto el sitio clásico como un nuevo bolsillo críptico y alostérico descubierto experimentalmente en 2026, utilizando solo la secuencia de la proteína.
Impacto en la industria farmacéutica
Isomorphic Labs afirmó que sus equipos de diseño de fármacos ya utilizan estas capacidades de manera cotidiana para analizar estructuras inéditas, identificar sitios no caracterizados y crear nueva materia química con potencial terapéutico.
Con IsoDDE, la compañía busca empujar los límites del diseño de medicamentos asistido por IA y abordar objetivos históricamente complejos. En un contexto donde la eficiencia, el costo y la velocidad son factores críticos para la industria farmacéutica, este avance posiciona a Isomorphic Labs como uno de los actores más relevantes en la convergencia entre inteligencia artificial y descubrimiento de fármacos.
