AlphaFold 3 是公开技术底座，但真正形成商业差异的训练数据、评分函数和项目工作流大多封闭；合作是商业验证，不是临床验证。
药物发现 · 美国
Isomorphic Labs
把 AlphaFold 的结构学习扩展成封闭式药物设计引擎，为大药企合作和自有管线生成可资产化的小分子候选。
AlphaFold 3 论文、大药企合作与巨额融资；IsoDDE 封闭且没有临床疗效证明。
模型、数据和完整评测不开放，外部难以区分 AlphaFold 贡献与 IsoDDE 商业能力。
实现当前目标，需要验证哪些关键判断？
结构基础模型与封闭药物设计引擎可以减少真实药物化学迭代，并生成更高质量的临床候选。
研究闭环如何运行？
运行顺序
- 靶点、结构与化合物数据
- AlphaFold 系列结构表示
- IsoDDE 生成、姿态与亲和力预测
- 药物化学多参数优化
- 合作方或内部实验验证
谁做了什么？
设定目标人类
提出候选或实验AI（按公开系统设计）
执行实验实验或临床团队
解释结果与处理例外AI + 人类
把 AlphaFold 的结构学习扩展成封闭式药物设计引擎，为大药企合作和自有管线生成可资产化的小分子候选。
AlphaFold 3 有同行评审证据，IsoDDE 与药企项目存在；完整 benchmark、候选来源与临床结果尚未公开。
公司自述它能在没见过的地方工作吗？
封闭 benchmark 优势能否持续减少真实药物化学的合成轮次并改善临床成功率？
我们能相信这些证据吗？
AlphaFold 3 论文、大药企合作与巨额融资；IsoDDE 封闭且没有临床疗效证明。
它能在有用的规模上运行吗？
公开资料仍不足以判断持续吞吐量、失败率与单位经济性。首个公开候选、项目 provenance、合作扩展、同行评审及首个 IND/临床节点。
整套系统能一起工作吗？
结构、姿态、亲和力与分子设计；停在临床验证之前。
目前公开展示了什么？
AlphaFold 3 有同行评审证据，IsoDDE 与药企项目存在；完整 benchmark、候选来源与临床结果尚未公开。
当前公开闭环停在哪里？
结构、姿态、亲和力与分子设计；停在临床验证之前。
还有哪些问题待验证？
封闭 benchmark 优势能否持续减少真实药物化学的合成轮次并改善临床成功率？
模型、数据和完整评测不开放，外部难以区分 AlphaFold 贡献与 IsoDDE 商业能力。
这条路径可能为什么有效？
把结构基础模型变成多参数药物设计系统，并拥有足够资本与药企项目训练组织闭环。
有哪些公开证据，来源是什么？
○ 未找到公开证据 · ◐ 部分或公司自述 · ● 可检查的公开证据 · ◆ 第三方、客户或监管验证
AlphaFold 3 论文、大药企合作与巨额融资；IsoDDE 封闭且没有临床疗效证明。
AlphaFold 3 论文、大药企合作与巨额融资；IsoDDE 封闭且没有临床疗效证明。
AlphaFold 3 有同行评审证据，IsoDDE 与药企项目存在；完整 benchmark、候选来源与临床结果尚未公开。
封闭 benchmark 优势能否持续减少真实药物化学的合成轮次并改善临床成功率？
封闭 benchmark 优势能否持续减少真实药物化学的合成轮次并改善临床成功率？
封闭 benchmark 优势能否持续减少真实药物化学的合成轮次并改善临床成功率？
封闭 benchmark 优势能否持续减少真实药物化学的合成轮次并改善临床成功率？
AlphaFold 3 论文、大药企合作与巨额融资；IsoDDE 封闭且没有临床疗效证明。
什么结果会实质加强或削弱当前判断？
↑ 加强当前判断
- 首个公开候选、项目 provenance、合作扩展、同行评审及首个 IND/临床节点。
↓ 削弱当前判断
- 模型、数据和完整评测不开放，外部难以区分 AlphaFold 贡献与 IsoDDE 商业能力。
科学进展如何变成经济价值？
药企 upfront、里程碑、royalty 与自有管线
结构表示、姿态、亲和力预测与多参数优化
AlphaFold 3 是公开技术底座，但真正形成商业差异的训练数据、评分函数和项目工作流大多封闭；合作是商业验证，不是临床验证。
封闭 benchmark 优势能否持续减少真实药物化学的合成轮次并改善临床成功率？
新证据如何改变现有理解？
IsoDDE 披露与大额融资
新证据
技术边界更清晰，但核心实现仍封闭，证据主要是公司报告与商业认可。
它支持什么
AlphaFold 3 是公开技术底座，但真正形成商业差异的训练数据、评分函数和项目工作流大多封闭；合作是商业验证，不是临床验证。
它没有证明什么
封闭 benchmark 优势能否持续减少真实药物化学的合成轮次并改善临床成功率？
Lilly、Novartis 合作与 AlphaFold 3
新证据
建立强技术谱系与商业风险共担，但还没有人体疗效证据。
它支持什么
AlphaFold 3 是公开技术底座，但真正形成商业差异的训练数据、评分函数和项目工作流大多封闭；合作是商业验证，不是临床验证。
它没有证明什么
封闭 benchmark 优势能否持续减少真实药物化学的合成轮次并改善临床成功率？
Alphabet 成立 Isomorphic Labs
新证据
将 DeepMind 的结构学习路线独立为药物设计公司。
它支持什么
AlphaFold 3 是公开技术底座，但真正形成商业差异的训练数据、评分函数和项目工作流大多封闭；合作是商业验证，不是临床验证。
它没有证明什么
封闭 benchmark 优势能否持续减少真实药物化学的合成轮次并改善临床成功率？