Isomorphic Labs (Google DeepMind)

Sådan virker Isomorphic Labs' AI-platform

1. AlphaFold 3 som fundament. Kernen i Isomorphics teknologi er AlphaFold 3, som Google DeepMind og Isomorphic Labs lancerede i maj 2024. Modellen kan forudsige strukturen af proteiner, DNA, RNA, små molekyler og ioner i et samlet system. Den bruger en custom Transformer-arkitektur med triangulær attention (en videreudvikling af det Evoformer-modul, der drev AlphaFold 2) kombineret med en diffusionsproces. Diffusionen starter med en sky af atomer og konvergerer over mange trin mod den mest præcise molekylære struktur. Det er samme type generativ AI-arkitektur, som billedgeneratorer bruger, men anvendt på 3D-atomkoordinater.

2. Fra strukturforudsigelse til lægemiddeldesign. AlphaFold 3 forudsiger struktur. Men Isomorphic har bygget et helt økosystem ovenpå, kaldet IsoDDE (Isomorphic Drug Design Engine), annonceret i februar 2026. IsoDDE er en samlet AI-motor, der dækker hele lægemiddeldesignprocessen: identifikation af biologiske targets, forudsigelse af bindingsaffinitet, generering af kandidatmolekyler og optimering af ADMET-egenskaber (absorption, distribution, metabolisme, ekskretion, toksicitet). Hvor AI traditionelt kun har været brugt i isolerede trin, forbinder IsoDDE dem i en end-to-end pipeline.

3. Træning på verdens molekylære data. Modellerne er trænet på Protein Data Bank, som indeholder over 200.000 eksperimentelt bestemte proteinstrukturer. AlphaFold 3 kan behandle over 99% af alle kendte biomolekylære komplekser i denne database. Derudover bruger Isomorphic proprietære data fra deres farmaceutiske partnerskaber, hvilket giver dem adgang til eksperimentelle resultater, der ikke er offentligt tilgængelige. Denne kombination af offentlige og private data er en konkurrencefordel, der er svær at kopiere.

4. Diffusionsmodellens rolle. Den diffusionsbaserede tilgang er det, der adskiller AlphaFold 3 fra forgængeren. AlphaFold 2 forudsagde primært individuelle proteinstrukturer. AlphaFold 3 kan modellere hele komplekser: et protein bundet til et lægemiddelmolekyle, omgivet af vandmolekyler og ioner, i en realistisk cellulær kontekst. Det er forskellen mellem at kende formen på en lås (AlphaFold 2) og at kunne designe nøglen (AlphaFold 3 + IsoDDE).

5. Infrastruktur og compute. Isomorphic kører på Google Cloud med adgang til TPU v5-klynger. Træning af AlphaFold 3 krævede tusindvis af TPU-timer. Inferens, altså det at køre en forudsigelse på et nyt protein-ligand-kompleks, tager typisk minutter til timer afhængigt af kompleksets størrelse. Til sammenligning kan eksperimentel røntgenkrystallografi tage måneder. Det er denne hastighedsforskel, der gør det muligt at screene millioner af kandidatmolekyler virtuelt.

6. Validering mod eksperimentelle data. Isomorphic validerer ikke kun in silico. Selskabet har et vådlaboratorium i London, hvor AI-genererede kandidater syntetiseres og testes eksperimentelt. Denne feedback-loop, hvor eksperimentelle resultater føder tilbage i modellerne, er central for at forbedre præcisionen over tid. Det er også det, der adskiller Isomorphic fra rene software-virksomheder i AI drug discovery-rummet.

7. Kendte begrænsninger. AlphaFold 3 har stadig udfordringer med visse proteintyper, særligt intrinsically disordered proteins (IDP'er), der ikke har en fast struktur. Modellen har også svært ved at forudsige konformationsændringer over tid, dynamik, der er vigtig for at forstå, hvordan et lægemiddel rent faktisk virker i kroppen. Isomorphic arbejder på at integrere molekylærdynamik-simuleringer for at adressere dette, men det er computationelt dyrt og endnu ikke løst i stor skala.

Vil du forstå, hvordan AI-drevet lægemiddelforskning og teknologier som AlphaFold påvirker din virksomheds R&D-strategi? Vi hjælper life science-virksomheder med at vurdere AI-muligheder, identificere de rette partnerskaber og opbygge interne AI-kompetencer.

Konkrete anvendelser og partnerskaber

Eli Lilly-partnerskabet (januar 2024). Eli Lilly betalte 45 mio. dollar upfront for adgang til Isomorphics platform til at designe små molekyler inden for onkologi og immunologi. Aftalen inkluderer milepælsbetalinger på over 1,7 mia. dollar plus royalties. For Lilly handler det om at nå kemiske rum, som deres egen R&D-organisation ikke kan udforske med konventionelle metoder. Konkret bruger Isomorphic deres AI til at generere molekyler mod proteintargets, som Lilly har identificeret, men ikke har kunnet finde effektive lægemidler mod.

Novartis-partnerskabet (januar 2024, udvidet februar 2025). Novartis indgik en aftale med 37,5 mio. dollar upfront og op til 1,2 mia. dollar i milepælsbetalinger. Efter blot et års samarbejde udvidede Novartis aftalen med op til tre yderligere forskningsprogrammer. Udvidelsen signalerer, at Isomorphics AI har leveret resultater, der retfærdiggør yderligere investering. Novartis bruger platformen til targets, der tidligere blev betragtet som for risikable eller for komplekse at forfølge med traditionelle metoder.

Onkologi-pipeline. Isomorphics primære fokus er kræftbehandling. Selskabet har flere lead-kandidater i den prækliniske fase, med IND-enabling studier (de sidste tests, før et lægemiddel må gives til mennesker) i gang i 2026. Kandidaterne er designet til at ramme specifikke kræftrelaterede proteiner med høj selektivitet, hvilket potentielt reducerer bivirkninger sammenlignet med traditionel kemoterapi.

Immunologi-pipeline. Ud over onkologi arbejder Isomorphic på immunmedierede sygdomme. Her bruges AI til at designe molekyler, der modulerer immunsystemets respons præcist, snarere end at undertrykke det bredt, som mange nuværende behandlinger gør. Det er relevant for autoimmune sygdomme som reumatoid artritis og inflammatorisk tarmsygdom.

Johnson & Johnson-samarbejde. Ud over Eli Lilly og Novartis har Isomorphic også et partnerskab med Johnson & Johnson. Detaljerne er mindre offentligt kendte, men det bekræfter, at flere af verdens største farmaceutiske selskaber ser Isomorphics tilgang som værdiforhøjende i forhold til deres egne R&D-afdelinger.

B2B-relevans for danske virksomheder. For danske life science-virksomheder, fra Novo Nordisk til biotechstartups, illustrerer Isomorphic-modellen et skifte: AI er ikke længere et supplement til lægemiddeludvikling, men kan blive det primære designværktøj. Virksomheder, der vil konkurrere i dette rum, skal enten bygge egne AI-kapabiliteter, indgå lignende partnerskaber eller risikere at falde bagud i en branche, hvor tidslinjer komprimeres dramatisk. Deep learning og foundation models er fundamentet under denne udvikling.

Konkurrenter i AI-drevet lægemiddelforskning

Isomorphic Labs opererer i et felt med flere seriøse konkurrenter. Ingen af dem har dog den samme kombination af AlphaFold-teknologi, Alphabet-backing og partnerskaber med tre af verdens største farmaceutiske selskaber.

Recursion-Exscientia (fusioneret juli 2025). De to AI drug discovery-virksomheder fusionerede i 2025 med hovedkvarter i Oxford og Salt Lake City. Den kombinerede virksomhed har en værdiansættelse på ca. 1,8 mia. dollar og en estimeret omsætning på 150-180 mio. dollar i 2025. Deres styrke er fænomisk screening (Recursion) kombineret med automatiseret præcisionskemi (Exscientia), som giver en end-to-end platform fra target til kandidat. Svagheden sammenlignet med Isomorphic er manglen på en strukturforudsigelsesmodel på AlphaFold-niveau. Recursion-Exscientia er børsnoteret på NASDAQ.

Insilico Medicine. Det Hong Kong-baserede selskab var først med at bringe et AI-designet lægemiddel til kliniske forsøg. I juni 2025 publicerede de Phase IIa-resultater i Nature Medicine for en IPF-behandling (idiopatisk pulmonal fibrose), der viste signifikant forbedring af lungefunktion sammenlignet med placebo. Det er det stærkeste kliniske bevis for AI drug discovery til dato. Insilico bruger generative adversarial networks (GANs) og reinforcement learning til molekyledesign, en anden arkitektonisk tilgang end Isomorphics diffusionsmodeller. Prissætningen er projektbaseret, typisk 2-5 mio. dollar per program.

Relay Therapeutics. Boston-baseret virksomhed med fokus på proteindynamik, det område, hvor AlphaFold 3 stadig har begrænsninger. Relay bruger molekylærdynamik-simuleringer til at forstå, hvordan proteiner bevæger sig over tid, ikke kun deres statiske struktur. Markedsværdi ca. 2,5 mia. dollar (maj 2026). De har lægemiddelkandidater i Phase I og II kliniske forsøg. Relay er stærke præcis der, hvor Isomorphic er svage: dynamisk modellering af proteinkonformationer.

Schrödinger. Et New York-baseret selskab med en beregningsplatform til molekylær modellering, der har været på markedet i over 30 år. Schrödinger tilbyder både software-licenser (fra ca. 50.000 dollar årligt for akademiske brugere til flere millioner for enterprise) og egen lægemiddeludvikling. Deres FEP+ (Free Energy Perturbation) platform er industristandard for at forudsige bindingsaffinitet. Styrken er moden teknologi med bred adoption. Svagheden er, at deres tilgang er mere beregningsintensiv og langsommere end AI-baserede metoder per kandidat.

BenevolentAI. London-baseret, børsnoteret i Amsterdam. Fokus på at bruge NLP og knowledge graphs til at finde nye anvendelser for eksisterende molekyler (drug repurposing). Værdiansættelse er faldet markant fra toppen, nu under 500 mio. dollar. De har et partnerskab med AstraZeneca. Styrken er evnen til at udtrække indsigter fra medicinsk litteratur. Svagheden er begrænset de novo molekyledesign sammenlignet med Isomorphic.

Hvor Isomorphic er unik. Isomorphic har tre fordele, ingen konkurrent kan matche: AlphaFold 3 (den mest præcise strukturforudsigelsesmodel, der eksisterer), Alphabet som bagland (ubegrænset compute og 2,7 mia. dollar i samlet finansiering) og validerede partnerskaber med tre top-10 farmaselskaber. Den primære svaghed er, at selskabet endnu ikke har bragt et lægemiddel til kliniske forsøg, mens Insilico allerede har Phase IIa-data. Resultater i klinikken er den ultimative test, og den test kommer først i slutningen af 2026.