收录解读
药物设计里最难被真正规模化的一层，不是再做一个更快的 docking surrogate，而是在 novel chemical space、novel pockets 和复杂 biomolecular interfaces 上，同时做到结构、口袋和亲和力预测的稳定泛化。IsoDDE 这份技术报告的意义，在于它把这些长期分裂的能力合并成一个统一的 biomolecular interaction engine，并明确把它定位为 drug design engine 的 predictive core。
报告展示的核心信号相当硬：在 protein-ligand generalisation benchmark 上相对 AlphaFold 3 做到超过 2 倍提升，能够处理 induced fit 和新 binding pocket；在 biologics 上对 antibody-antigen interface prediction 和 CDR-H3 loop modeling 给出新的 state of the art；在小分子亲和力预测上又超过 gold-standard physics-based 方法。也就是说，它不是单点提分，而是在 structure prediction、pocket identification 和 affinity prediction 三条传统上分散的能力线上建立统一优势。
它值得正式收录，因为这条路线对 AI x biopharma 的外溢非常直接。仓库并不优先收录纯科学结果，但会优先收录能够重构发现 workflow 的 AI 系统。IsoDDE 把 AlphaFold 之后的结构建模，向可用于 first-in-class target、novel mechanism discovery 和可扩展药物设计的更完整 predictive interface 推进了一步，这一点已经超过普通技术报告的参考价值。
它目前仍然只是 breakthrough，而不是更高一级，因为证据仍主要来自 Isomorphic Labs 自身发布的 technical report，外部可复核性和社区 benchmark 采用还不足。它展示的是很强的方向与性能信号，但是否会成为药物设计领域长期标准接口，还需要公开评测、独立复现以及与更多 physics / generative design pipeline 的实际集成验证。