
Con 5 miliardi di dollari di nuovo capitale, Isomorphic Labs finanzia il passaggio dai modelli di intelligenza artificiale per la progettazione molecolare allo sviluppo di candidati farmaci da avviare alla sperimentazione clinica. La società di Alphabet guidata dal fondatore e CEO Demis Hassabis, cofondatore di DeepMind e premio Nobel per la chimica 2024, ha annunciato il 17 novembre un round Serie C. Durante le trattative, Bloomberg aveva indicato una valutazione di circa 50 miliardi di dollari, rimasta non confermata alla chiusura.
Il nuovo round è stato guidato congiuntamente da Greenoaks e Sequoia Capital, con la partecipazione di Andreessen Horowitz (a16z) e altri nuovi investitori, mentre Alphabet ha proseguito con un investimento significativo. Hanno partecipato anche tutti gli investitori già presenti: Thrive Capital, MGX, GV, CapitalG, Temasek e UK Sovereign AI Fund. La domanda degli investitori ha superato l’importo previsto per la raccolta. Il finanziamento segue il Serie B da 2,1 miliardi del maggio 2026 e il primo round esterno da 600 milioni del marzo 2025, per un totale di 7,7 miliardi raccolti nei tre round annunciati.
Fondata nel 2021, Isomorphic Labs ha sede a Londra e uffici a Cambridge, nel Massachusetts, e a Losanna, in Svizzera. Hassabis ne mantiene la guida anche dopo la riorganizzazione di Google DeepMind, che gli ha assegnato il ruolo di presidente del laboratorio e Chief Scientist di Alphabet.
Il Nobel per la chimica 2024 ha premiato Hassabis e John Jumper per la previsione della struttura delle proteine: con AlphaFold 2, presentato nel 2020, hanno sviluppato un modello AI capace di prevedere la forma tridimensionale di una proteina a partire dalla sequenza di amminoacidi che la compone. Il modello ha risolto un problema sul quale la ricerca lavorava da circa cinquant’anni: la forma di una proteina è determinante per comprenderne la funzione e le interazioni con altre molecole. Hassabis e Jumper hanno condiviso metà del premio; l’altra metà è andata a David Baker per la progettazione computazionale di nuove proteine.
Isomorphic applica la previsione delle strutture molecolari alla progettazione e all’ottimizzazione dei candidati farmaci. Accanto a Hassabis, il presidente Max Jaderberg coordina un’organizzazione in cui ricercatori di machine learning lavorano insieme a specialisti della scoperta di farmaci.
IsoDDE combina simulazione molecolare e agenti AI
IsoDDE, il motore proprietario di progettazione dei farmaci, riunisce modelli AI di base per la simulazione, capaci di operare su più aree terapeutiche e diverse tipologie di farmaco. Attraverso l’esplorazione di vasti spazi chimici, i gruppi di ricerca possono progettare e perfezionare molecole, ottimizzando le proprietà necessarie a renderle candidate allo sviluppo farmaceutico.
I modelli producono previsioni che si avvicinano all’accuratezza delle misurazioni sperimentali e lavorano insieme ad agenti proprietari capaci di esplorare e analizzare sistemi biologici complessi. Questa combinazione guida la progettazione dei candidati terapeutici, attraverso diverse tipologie di trattamento.
Dalle specifiche del ricercatore alle molecole da sintetizzare
Lo spazio teorico delle piccole molecole con caratteristiche compatibili con un farmaco viene stimato nell’ordine di 10⁶⁰ possibilità: una quantità che rende impraticabile produrle e provarle tutte. IsoDDE combina modelli predittivi e generativi per proporre strutture promettenti, stimarne le proprietà e perfezionarle al computer prima che gli scienziati scelgano quali sintetizzare. Ricercatori AI e specialisti farmaceutici lavorano sugli stessi programmi, utilizzando dati e calcolo su larga scala; i risultati ottenuti in ciascuna fase orientano le successive.
Nel processo di progettazione con agenti, i ricercatori impostano il bersaglio biologico, il tipo di molecola, il modo in cui deve modificarne l’attività e la selettività richiesta. Aggiungono proprietà come solubilità e capacità di attraversare le membrane cellulari. L’agente genera gruppi di molecole, ne valuta le caratteristiche attraverso i modelli e ripete la ricerca, bilanciando obiettivi che possono entrare in conflitto, come potenza e biodisponibilità.
Nelle ricerche molecolari condotte da Isomorphic, l’agente ha esplorato lo spazio chimico per due-quattro giorni, alternando la generazione di nuove strutture al perfezionamento di quelle più promettenti. Gli scienziati selezionano poi i composti da sintetizzare e verificare in laboratorio. Una delle molecole così ottenute ha modulato il bersaglio biologico nei test sperimentali, fornendo una base per il successivo sviluppo terapeutico. I tempi di pochi giorni riguardano la progettazione al computer; il percorso verso un candidato clinico prosegue con l’ottimizzazione delle proprietà e le verifiche sperimentali.
Struttura, forza del legame e siti nascosti sulle proteine
IsoDDE prevede la struttura dei complessi proteina-molecola, l’affinità di legame – quanto fortemente la molecola si lega al bersaglio – e le tasche di legame, cavità della proteina nelle quali una molecola può inserirsi.
Nei test di Isomorphic, IsoDDE supera di oltre due volte l’accuratezza di AlphaFold 3 nella categoria più difficile di Runs N’ Poses: il benchmark valuta le previsioni su siti di legame e molecole poco simili agli esempi usati per addestrare il modello. Per l’affinità, IsoDDE supera i metodi di deep learning confrontati su FEP+ 4, OpenFE e CASP16, ottenendo anche risultati superiori ai metodi basati sulla fisica, come FEP.
Per cereblon, proteina che contribuisce a contrassegnare altre proteine destinate alla degradazione, IsoDDE ha previsto dalla sola sequenza sia il sito di legame noto sia una tasca nascosta individuata sperimentalmente nel 2026. Ricevuta l’identità delle molecole, ne ha previsto l’orientamento nei rispettivi siti.
I programmi in oncologia e immunologia
Isomorphic riferisce risultati preclinici positivi nei programmi interni di oncologia e immunologia e in quelli sviluppati con i partner, che preparano il percorso verso l’ingresso nella fase clinica. Il portafoglio comprende sia programmi interamente di proprietà della società sia progetti condivisi; tra le collaborazioni farmaceutiche figurano Novartis, Lilly e Johnson & Johnson.
Per Hassabis, la progettazione dei farmaci comincia dalla comprensione molecolare della biologia: “Quando abbiamo fondato Isomorphic, eravamo convinti che la biologia potesse essere compresa e modellata al livello molecolare più fondamentale e che l’AI potesse imprimere un’accelerazione radicale a questo lavoro”. Secondo Hassabis, il motore genera molecole con precisione e velocità senza precedenti. Il finanziamento servirà a costruire modelli fondamentali della biologia, approfondire la comprensione sistemica delle malattie e far avanzare i primi programmi terapeutici verso gli studi clinici, con un impatto concreto per i pazienti.
I fondi per nuovi modelli e infrastrutture cliniche
Isomorphic utilizzerà il capitale per sviluppare ulteriormente IsoDDE e per estendere i modelli a nuovi ambiti della biologia. La società costruisce un ecosistema di partner per approfondire i meccanismi biologici delle malattie e sviluppare nuove classi di terapie.
In parallelo, la società realizza l’infrastruttura globale necessaria alla bioingegneria guidata dall’AI. Una parte dei proventi sosterrà infrastrutture scalabili per la ricerca traslazionale e lo sviluppo clinico, progettate attorno all’intelligenza artificiale: le strutture e i processi che accompagnano il trasferimento delle scoperte sperimentali verso gli studi sui pazienti, mentre i candidati farmaci avanzano verso la sperimentazione.
Per Max Jaderberg, i progressi scientifici ripetibili ottenuti ogni settimana attraverso i modelli si traducono in migliori profili molecolari, con il potenziale di diventare medicinali: “I nostri gruppi interdisciplinari combinano ricercatori di machine learning di livello mondiale con specialisti di primo piano nella scoperta di farmaci e, insieme, risolvono abitualmente problemi biologici complessi che hanno bloccato la ricerca tradizionale per decenni”.









