StartseiteArtikel

Finanzierung von 600 Millionen US - Dollar, Entwicklung eines großen KI - Pharmamodells durch ein Team mit Nobelpreisträgern

动脉网2025-07-03 09:17
Demis Hassabis gründete DeepMind, AlphaFold erhielt den Nobelpreis und die KI-Pharmabranche wurde mit 600 Millionen Euro finanziert.

Der Vater des Internets, Tim Berners-Lee, hat ihn einmal als „der klügste Mensch auf der Erde“ bezeichnet.

Er begann mit 4 Jahren mit Schach zu spielen, lernte mit 7 Jahren Programmieren, absolvierte mit 16 Jahren sein Abitur und begann dann ein Studium der Informatik an der Universität Cambridge. Mit 22 Jahren gründete er ein Computerspieleunternehmen. Im Alter von 30 kehrte er in die Wissenschaft zurück und absolvierte einen Doktorat in kognitiver Neurowissenschaft. Danach gründete er DeepMind, entwickelte das KI-Programm AlphaGo, das den Weltmeister im Go-Schach schlug, und AlphaFold, das das Problem der Vorhersage von Proteinstrukturen löste und 2024 den Nobelpreis für Chemie gewann. So wurde er der weltweit führende KI-Experte.

Demis Hassabis, Quelle: Offizielle Website von Isomorphic Labs

Für Demis Hassabis war sein Leben reich an Erlebnissen und Errungenschaften. Im Jahr 2021 wandte er seinen Blick auf die pharmazeutische Forschung und gründete Isomorphic Labs, ein Start-up, das sich auf die KI-gestützte Arzneimittelentwicklung spezialisiert hat und auf den technologischen Errungenschaften von AlphaFold aufbaut. Hassabis hofft, dass Künstliche Intelligenz den Arzneimittelentwicklungsprozess verbessern und die biomedizinische Forschung voranbringen kann.

Seit seiner Gründung hat Isomorphic Labs mehrere neue KI-Modelle entwickelt, die zusammen einen einheitlichen KI-gestützten Arzneimittelentwurfsmotor bilden. Dieser kann in verschiedenen Therapiebereichen und Arzneimittelformen angewendet werden. Kürzlich hat Isomorphic Labs eine Finanzierung in Höhe von 600 Millionen US-Dollar angekündigt, die von Thrive Capital geleitet wird und an der auch GV und Alphabet beteiligt sind. Die Mittel werden für die weitere Entwicklung des nächsten Generations KI-gestützten Arzneimittelentwurfsmotors und den Eintritt von Therapien in die klinische Phase verwendet.

Von AlphaGo über AlphaFold bis zum KI-gestützten Arzneimittelentwurfsmotor

Demis Hassabis' Reise in die Welt der KI begann in seiner Kindheit.

Seine frühe Erfahrung mit Go hat seine Fähigkeit zur strategischen Denkweise geprägt und ihm eine einzigartige Denkweise für seine späteren Bemühungen in der KI-Branche gegeben. Während seines Studiums der Informatik an der Universität Cambridge hat Hassabis theoretische Kenntnisse systematisch erworben. Nach seinem Abschluss war er kurzzeitig in der Computerspieleindustrie tätig und entwickelte KI-gestützte Simulationsspiele. Diese praktische Erfahrung hat ihn davon überzeugt, dass Künstliche Intelligenz großes Potenzial in der Simulation menschlicher Lernfähigkeiten hat und ihn in seiner Idee bestärkt, eine KI zu schaffen, die „selbstständig lernen“ kann.

Im Jahr 2010 gründete Hassabis DeepMind und begann damit, seine Idee in die Realität umzusetzen. 2016 schlug das von DeepMind entwickelte AlphaGo den Weltmeister im Go-Schach, Lee Sedol, mit 4:1. Dieser Sieg in der Mensch-Maschine-Partie war nicht nur ein technologischer Durchbruch, sondern hat auch der Welt die unendlichen Möglichkeiten der KI in komplexen strategischen Bereichen gezeigt. Aus Hassabis' Sicht ist AlphaGo kein „Maschine“ im herkömmlichen Sinne: „Genau wie der Hubble-Teleskop, der uns bei der Erkundung des Universums hilft, ist AlphaGo ein Werkzeug, das uns bei der Erkundung des Go-Schachs hilft.“

Danach richtete Hassabis und sein Team ihren Blick auf den medizinischen Bereich. Auf Grundlage von Daten, die in Zusammenarbeit mit dem britischen National Health Service gewonnen wurden, hat DeepMind das intelligente Gesundheitssystem DeepMind Health entwickelt, das KI-gestützte Unterstützung bei der Diagnose und Symptombeurteilung bietet.

2018 gewann AlphaFold bei der CASP (Critical Assessment of Structure Prediction), einem Wettbewerb, der als „Olympiade der Proteinstrukturvorhersage“ bezeichnet wird, mit einem deutlichen Abstand von 97 Mitbewerbern. Es konnte die 3D-Struktur von Proteinen auf der Grundlage ihrer genetischen Sequenz vorhersagen. Dieses Ergebnis hat nicht nur ein seit fünfzig Jahren bestehendes Problem in der Biologie gelöst, sondern auch die theoretische Grundlage für die medizinische Revolution und die Entwicklung neuer Arzneimittel gelegt. Auch hat das Team um Hassabis 2024 den Nobelpreis für Chemie erhalten.

Das Team um Hassabis hat 2024 den Nobelpreis für Chemie erhalten

Angesichts der technologischen Errungenschaften von AlphaFold gründete Isomorphic Labs 2021. Als Tochterunternehmen von Google DeepMind hat es das neue Ziel, die Arzneimittelentwicklung mit Künstlicher Intelligenz zu revolutionieren.

Max Jaderberg, der Chef-KI-Beamte von Isomorphic Labs, sagte in einem Interview, dass die Essenz der Arzneimittelentwicklung darin besteht, die optimale Lösung in einem fast unendlichen molekularen Raum zu finden (Wissenschaftler schätzen, dass es etwa 10^60 Möglichkeiten gibt, was weit mehr ist als die Anzahl der Atome im Universum). Das Ziel von Isomorphic Labs ist es, ein KI-gestütztes Arzneimittelentwurfsystem zu entwickeln, das KI-Technologie nutzt, um Arzneimittelmoleküle effizienter zu screenen und zu entwerfen.

Seit 2024 hat Isomorphic Labs mehrere wichtige Meilensteine erreicht:

Im Januar hat das Unternehmen Kooperationen mit Novartis und Eli Lilly abgeschlossen und jeweils 37,5 Millionen und 45 Millionen US-Dollar Vorschüsse erhalten, um zusammen an der KI-gestützten Arzneimittelentwicklung zu arbeiten. Die Kooperation mit Novartis konzentriert sich zunächst auf die Entdeckung von Kleinmolekültherapien für drei schwierige Zielproteine, während die Zusammenarbeit mit Eli Lilly die Entwicklung von Kleinmolekülarzneimitteln für mehrere noch nicht veröffentlichte Zielproteine umfasst.

Im Mai haben lsomorphic Labs und Google DeepMind AlphaFold 3 gemeinsam veröffentlicht. Dieses Modell kann nicht nur die Faltung von Proteinen vorhersagen, sondern auch die Wechselwirkungen von Molekülen, die in Arzneimitteln häufig vorkommen, präzise analysieren. Dies verbessert die Effizienz der Arzneimittelentwicklung erheblich.

Im Februar 2025 hat Novartis die Erweiterung ihrer Kooperation mit Isomorphic Labs angekündigt und bis zu drei weitere Forschungsprojekte zu den bestehenden drei Zielproteinen hinzugefügt. Fiona Marshall, Präsidentin der Biomedizinischen Forschung bei Novartis, hat erwähnt, dass die KI-Technologie von Isomorphic Labs in den letzten 12 Monaten neue chemische Räume erschlossen hat, die mit herkömmlichen Methoden nicht zugänglich waren. In Zukunft werden beide Parteien weiterhin auf schwierige Zielproteine konzentrieren, um die ungedeckten Bedürfnisse von Patienten in der Klinik zu befriedigen.

Derzeit konzentriert sich Isomorphic Labs auf die kontinuierliche Entwicklung neuer prädiktiver und generativer KI-Modelle um seinen einheitlichen KI-gestützten Arzneimittelentwurfsmotor herum. Es fokussiert sich auf die Gebiete der Onkologie und Immunologie, sucht nach Arzneimittelkandidaten durch die Analyse biologischer Daten und bringt innovative Therapien für Patienten weltweit auf den Markt.

Hohe Genauigkeit in der Molekülvorhersage, Abdeckung aller biologischen Kategorien

Im Bereich der Lebenswissenschaften ist die Aufklärung von Proteinstrukturen ein Schlüsselschritt zum Verständnis der molekularen Mechanismen von Lebensvorgängen und kann wichtige Informationen für den Arzneimittelentwurf liefern. In der Vergangenheit wurden Proteinstrukturen hauptsächlich durch experimentelle Methoden wie Röntgenkristallographie, Kernspinresonanz und Kryoelektronenmikroskopie aufgelöst. Diese Methoden können zwar hochpräzise Informationen über Proteinstrukturen liefern, aber sie sind zeit- und arbeitsaufwändig und haben gewisse Beschränkungen.

Im Jahr 2020 hat AlphaFold 2 einen wichtigen Durchbruch mit Hilfe von Deep Learning Algorithmen erzielt. Es kann die dreidimensionale Struktur eines Proteins nur anhand seiner Aminosäuresequenz genau vorhersagen und bietet damit eine Schlüsseltechnologie für die nachfolgende Forschung. Seit seiner Veröffentlichung wird AlphaFold 2 weltweit in der wissenschaftlichen Forschung eingesetzt. Hunderttausende von Wissenschaftlern verwenden es in der Entwicklung von Malariaimpfstoffen, der Erforschung von Krebszieltherapien und der Optimierung von industriellen Enzymen. Es hat auch mehrere renommierte Preise wie den Breakthrough Prize in Life Sciences gewonnen.

Das 2024 veröffentlichte AlphaFold 3 hat einen weiteren technologischen Sprung gemacht:

Verbesserung des Evoformer-Kernmoduls. Evoformer ist eine auf Deep Learning basierende Architektur, die von Transformer-Modellen in der natürlichen Sprachverarbeitung inspiriert ist (ähnlich der Kernarchitektur von ChatGPT). Es kann die eingegebenen molekularen Informationen effizient verarbeiten und die komplexen evolutionären Beziehungen und Wechselwirkungsmuster zwischen Molekülen durch die tiefe Analyse von Sequenzdaten erfassen.

Generierung von 3D-Molekülstrukturen durch Diffusionsnetzwerke. Nachdem AlphaFold 3 die Sequenzdaten verarbeitet hat, generiert es die Molekülstruktur mithilfe von Diffusionsnetzwerken. Dieser Prozess ähnelt der KI-gestützten Bildgenerierungstechnologie. Beginnend mit einem unscharfen Atomwolkenzustand optimiert das Modell die Positionen und Wechselwirkungen der Atome durch Hunderte oder sogar Tausende von Iterationen, bis es schließlich eine präzise 3D-Struktur mit minimaler Energie und in Übereinstimmung mit den physikalischen Gesetzen erreicht.

Von Einzellproteinen zu allen biologischen Molekülklassen. Im Gegensatz zu AlphaFold 2, das sich nur auf die Vorhersage von Proteinstrukturen konzentriert, kann AlphaFold 3 die Vorhersage auf verschiedene Molekültypen erweitern, einschließlich DNA, RNA und Liganden. Die Funktionen im menschlichen Körper werden normalerweise von verschiedenen Molekülen gemeinsam ausgeführt. Beispielsweise erfordert die Genexpression die Beteiligung von DNA, RNA und Proteinen. AlphaFold 3 kann die Strukturen und Wechselwirkungen von mehr Arten von biologischen Molekülen in der Zelle analysieren und bietet somit ein stärkeres Werkzeug für das umfassende Verständnis der Komplexität biologischer Systeme.

Verbesserung der Genauigkeit der Vorhersage von Molekülwechselwirkungen. Bei der Vorhersage der Wechselwirkungen zwischen Proteinen und anderen Molekülen hat AlphaFold 3 im Vergleich zu herkömmlichen Methoden eine Verbesserung von mindestens 50% erreicht. In einigen wichtigen Szenarien hat die Genauigkeit sich verdoppelt. Dies ermöglicht es Wissenschaftlern, die Wechselwirkungen zwischen biologischen Molekülen genauer zu verstehen, was für den Arzneimittelentwurf und das Verständnis von Krankheitsmechanismen von großer Bedeutung ist. Genauere Informationen über Molekülwechselwirkungen sind der Schlüssel für die Entwicklung wirksamer Arzneimittel und die tiefere Erforschung der Entstehung und Entwicklung von Krankheiten.

AlphaFold 3 kann die Strukturen von biologischen Molekülkomplexen genau vorhersagen

Wenn AlphaFold 3 als ein grundlegender wissenschaftlicher Durchbruch in der KI-gestützten Arzneimittelentwicklung angesehen wird, dann ist das KI-gestützte Arzneimittelentwurfssystem von Isomorphic Labs ein industrielles Anwendungsbeispiel dieses Durchbruchs. Das System basiert auf AlphaFold 3 als Kerntechnologie und integriert verschiedene fortschrittliche KI-Technologien wie Diffusionsmodelle und Mehrfachaufgaben-Deep Reinforcement Learning-Frameworks, um eine organisch kooperierende Gesamtarchitektur zu bilden.

Diffusionsmodelle können auf der Grundlage bekannter Molekülstrukturen potentielle aktive Moleküle generieren. Durch die Analyse und Transformation bestehender Molekülstrukturen können sie neue Moleküle mit potenzieller medizinischer Wirkung schaffen und so die Bibliothek an potenziellen Arzneimittelkandidaten erweitern. Das Mehrfachaufgaben-Deep Reinforcement Learning-Framework optimiert die Modellparameter dynamisch, um die gesamte technologische Kette von der Vorhersage, Generierung bis zur Optimierung von Molekülstrukturen zu realisieren.

Bei der herkömmlichen Arzneimittelentwicklung ist das Screening von potenziellen Arzneimittelmolekülen eine zeit- und arbeitsaufwändige Aufgabe, die oft viele Experimente und Berechnungen erfordert und Jahre oder sogar Jahrzehnte dauern kann. Das KI-gestützte Arzneimittelentwurfssystem von Isomorphic Labs kann mithilfe von KI-Technologie in kurzer Zeit eine riesige Menge an biologischen Daten verarbeiten und potenzielle Arzneimittelkandidaten mithilfe intelligenter Algorithmen schnell identifizieren. Die Zeit für die Arzneimittelentwicklung kann von durchschnittlich 5 - 10 Jahren auf 1 - 2 Jahre oder sogar weniger verkürzt werden, was eine qualitative Verbesserung in der Effizienz der Arzneimittelentwicklung darstellt.

Derzeit zeigt das System in der Arzneimittelentwicklung drei Kernvorteile:

Technologisch gesehen kann es dank der hochpräzisen Molekülvorhersagefähigkeit von AlphaFold 3 die Strukturen und Wechselwirkungen aller lebenswichtigen Moleküle vorhersagen und so die Bindungsmuster zwischen Arzneimitteln und Zielproteinen genau analysieren. Dies bietet genauere molekulare Strukturinformationen für den Arzneimittelentwurf und ermöglicht es Forschern, Arzneimittel auf der Grundlage eines tiefen Verständnisses der molekularen Mechanismen zu entwerfen, was die Erfolgsrate der Arzneimittelentwicklung erheblich verbessert.

Effizienzsteigerung: Das System ersetzt die manuelle Experimentation und Datenverarbeitung und kann potenzielle Arzneimittelkandidaten effizient identifizieren. Dies verkürzt die Zeit für die Entdeckung von Arzneimitteln, senkt die Entwicklungskosten und beschleunigt die Einführung von innovativen Arzneimitteln, um Patienten schneller wirksame Therapien anzubieten.

Anwendungsmöglichkeiten: Die herkömmliche Arzneimittelentwicklung ist aufgrund technologischer Beschränkungen auf bestimmte Krankheitsbereiche und Arzneimitteltypen beschränkt. Das System kann jedoch alle biologischen Molekülklassen abdecken und gleichzeitig verschiedene Bereiche wie Krebs, Immunerkrankungen und seltene Krankheiten sowie verschiedene Arzneimittelformen wie Kleinmoleküle und Biopharmazeutika erforschen. Es hat auch eine starke Vorhersagefähigkeit für wichtige Aspekte des Arzneimittelentwurfs wie die Bindung von Liganden und die Stabilität von Komplexen, was die Grenzen der Arzneimittelentwicklung erheblich erweitert.

Hochpräzise Molekülvorhersagefähigkeit, Abdeckung aller biologischen Kategorien