第3回｜Isomorphic Labs――AI for Scienceで本当に追うべき20社
AlphaFoldを「実際の薬」に変えるAlphabetの巨大AI創薬企業！21億ドル調達の先にある製薬産業再構築
AlphaFoldが「構造を当てるAI」だったとすれば、Isomorphic Labsが狙うのは「薬を設計し、人間へ届けるAI」である。科学的ブレークスルーを巨大な製薬Verticalへ接続するAlphabetの本命事業と言ってよい。
2026年5月には21億ドルのSeries Bを調達し、累計外部調達は約27億ドルへ拡大した。一方で、2026年9月時点でも公開された自社臨床候補はまだない。むしろ注目すべき新しいシグナルは、Cambridge, MassachusettsでClinical Pharmacology、Clinical Development、Clinical Trial Management、Translational Sciencesの採用を急速に増やしていることである。公式求人は、自社PipelineがOncologyとImmunologyの複数Programから構成され、Candidate SelectionからClinical Phaseへ進める組織を構築していることを示している。
本稿ではIsoDDEの性能だけでなく、Lilly、Novartis、Johnson & Johnsonとの提携、自社Pipeline、臨床組織の構築を追う。AI創薬の本当の評価軸はBenchmarkではない。候補がINDを通り、患者へ投与され、従来創薬より成功確率を上げられるかである。
目次
まず結論
第1章 Isomorphic Labsとは何か
第2章 2021年に誕生した理由
第3章 社名Isomorphicに込められた思想
第4章 創業者Demis Hassabis
第5章 President Max Jaderbergの経歴
第6章 Chief Medical Officerと米国展開
第7章 AI for Scienceの5階層でどこにいるのか
第8章 AlphaFoldとの関係
第9章 AlphaFold 3が創薬をどう変えるか
第10章 AlphaFoldだけでは薬は作れない
第11章 IsoDDEとは何か
第12章 AI-first Drug Designという思想
第13章 従来創薬の10年以上という時間軸
第14章 標的探索から構造理解へ
第15章 分子生成と多目的最適化
第16章 Small Moleculesだけではない
第17章 Antibodies、Peptides、Molecular Glues
第18章 Eli Lillyとの大型契約
第19章 Novartisとの契約と拡大
第20章 2026年Johnson & Johnsonとの提携
第21章 2025年6億ドルの初外部調達
第22章 2026年21億ドルSeries B
第23章 なぜこれほど資金が集まるのか
第24章 Partnered Pipelineというビジネス
第25章 Wholly-Owned Pipelineという本命
第26章 Alphabetとの関係
第27章 Google DeepMindとの役割分担
第28章 Insilico Medicineとの違い
第29章 Recursionとの違い
第30章 Schrödingerとの違い
第31章 Xaira Therapeuticsとの違い
第32章 Isomorphic Labs最大の競争優位
第33章 最大の弱点と臨床の壁
第34章 AI創薬は本当に成功率を上げるのか
第35章 製薬会社の組織を変える可能性
第36章 2030年代のIsomorphic Labs
第37章 日本の製薬企業への示唆
第38章 なぜ本連載の第3位なのか
第39章 Isomorphic Labsを一言でどう位置づけるか
第40章 臨床入りは2026年末へ――1年の遅れをどう読むか
まず結論
Isomorphic Labsは、AlphaFoldという世界最高の基礎技術を、製薬という世界最大級の垂直市場へ最短距離で接続するために作られた会社である。
2026年5月12日、Thrive Capital主導で21億ドル（約3,360億円）のSeries Bを完了した。既存株主のAlphabetとGV、新規にMGX、Temasek、CapitalG、英国Sovereign AI Fundが参加。累計外部調達額は約27億ドルとなり、AI創薬の未上場企業として史上最大級の資本を持つ。
技術の中心はIsoDDE（Isomorphic Drug Design Engine）である。2026年2月、同社はIsoDDEがタンパク質-リガンド構造予測の汎化ベンチマークでAlphaFold 3の性能を倍にしたと発表した。アミノ酸配列だけから新しい結合ポケットを見つけられる点が実務上の価値になる。
提携先はNovartis、Eli Lilly、Johnson & Johnsonの三社。Lillyとの契約はマイルストーンを含め最大17億ドル規模、J&Jとは2026年1月にモダリティ横断・多標的の研究提携を締結した。三社合計の契約価値は30億ドルを超えるとされる。
最大の論点は一つに絞られる。CEOのDemis Hassabisは2026年1月、最初のAI設計薬を2026年末までに臨床試験へ進める見通しを示した。提携プログラムではなく自社パイプラインが人体へ届いて初めて、AI創薬は「予測の精度」から「薬の実績」へ議論の場所を移すことができる。
第1章 Isomorphic Labsとは何か
Isomorphic LabsはAlphabet傘下のAI-first Drug Design and Development企業である。2021年設立、本社はロンドン。2026年現在はCambridge, MassachusettsとLausanne, Switzerlandにも拠点を持つ。CEOはSir Demis Hassabis、PresidentはMax Jaderbergである。
会社の使命は、既存創薬へAI機能を追加することではなく、創薬そのものをAI前提で再構築することにある。この違いは大きい。通常の製薬企業ではMedicinal Chemist、生物学者、計算化学者が既存プロセスに沿って働き、その一部へ機械学習が導入される。Isomorphic Labsは最初からAIモデルを中心に組織、データ、評価系、候補設計を組み直す。
2026年の公式説明では、同社のDrug Design Engineは複数のTherapeutic AreasとDrug Modalitiesを横断できるFoundational AI Modelsから構成される。つまり特定疾患専用AIではない。Small Molecule、Antibody、Peptide、Molecular Glueなど複数モダリティへ共通基盤を広げることを目指している。
事業の成熟度を見る際には、製薬共同研究のUpfront/Milestone/Royaltyと自社Pipeline価値という収益構造と、AI Drug Design Platformと自社/共同Pipelineという製品・研究資産を同時に見る必要がある。
第2章 2021年に誕生した理由
Isomorphic Labs誕生の直接的背景にはAlphaFoldがある。2020年、AlphaFold 2がCASP14で高精度なタンパク質構造予測を示し、長年のProtein Folding Problemを大きく前進させた。構造生物学にとって歴史的成果だった。
しかしAlphaFoldの科学価値と医薬品の商業価値は別である。タンパク質の構造が分かっても、それだけで安全で有効な薬はできない。結合性、選択性、溶解性、代謝、毒性、体内動態など多数条件を満たす必要がある。
そこでAlphabetは、Google DeepMindの基礎科学成果を創薬へ専念して適用する独立性の高い会社を作った。2021年11月1日にIsomorphic Labsを正式発表。Demis HassabisがCEOを兼ねた。これは単なるスピンアウトではなく、AI科学から巨大産業へ垂直統合するAlphabetの実験でもある。
Isomorphic Labsの場合、創業背景と現在のAlphaFold系の構造・相互作用予測をDrug Design Engineへ拡張が連続しており、会社の歴史が現在の技術スタックにそのまま反映されている。
第3章 社名Isomorphicに込められた思想
Isomorphicという名称は数学のIsomorphism、同型から来る。見た目が違う二つの構造でも、本質的な関係が同じであるという概念だ。会社は生命現象と情報科学の間に深い対応関係があるという思想を持つ。
生命は極めて複雑だが、その複雑性を適切な数学表現、グラフ、確率モデル、ニューラルネットへ写像できれば、一部を計算可能な問題として扱える。AlphaFoldはアミノ酸配列と三次元構造の対応を学習した代表例である。
Isomorphic Labsはさらに進み、病気、分子相互作用、薬候補、薬理特性を同じ計算フレームワークへ近づけようとしている。生命を完全に計算できるという単純な決定論ではないが、「生物学を情報処理問題として扱える範囲を広げる」という思想が社名に表れている。
この分野では研究成果がProduct化されるまでの距離が長い。だからこそIsomorphic Labsについては、技術の新規性だけでなく、製薬共同研究のUpfront/Milestone/Royaltyと自社Pipeline価値という事業設計が研究者・顧客の行動を変えられるかを見る必要がある。この構造を理解すると、同社の資金調達や提携の意味も単なる規模競争ではないことが分かる。
第4章 創業者Demis Hassabis
創業者兼CEOはGoogle DeepMind共同創業者Demis Hassabis。ゲーム開発者、チェスプレイヤー、Computer Scientist、認知神経科学者という異色の経歴を持つ。2010年DeepMindを共同創業し、AlphaGo、AlphaFold、Geminiなどの研究組織を率いてきた。
2024年にはJohn JumperとともにAlphaFoldの業績でノーベル化学賞を受賞した。ここが普通のAI創薬会社と大きく違う。製薬会社出身の経営者がAI部門を作ったのではなく、世界トップ級のAGI研究組織を作った人物がDrug Discoveryへ降りてきた。
Hassabisの思想は一貫している。AIを「最終的に科学を加速する道具」と考える。DeepMindのゲーム研究も知能を鍛えるための環境であり、AlphaGo後はタンパク質、材料、数学、気象へ研究を広げた。Isomorphic Labsはその中でも、社会・経済価値が特に大きい創薬を専業化した会社である。
第5章 President Max Jaderbergの経歴
Max Jaderberg博士はIsomorphic Labsの重要人物で、2026年1月からPresidentを務める。Oxford大学でEngineering Scienceを学び、同大学Visual Geometry GroupでComputer VisionとDeep Learningの博士号を取得した。
その後Vision Factoryを共同創業しCEOを務めた。同社は2014年にGoogleへ入り、その技術・チームはDeepMindへつながった。DeepMindではOpen-Ended Learningなどの研究を率い、Deep Learning、Reinforcement Learning、Generative Modelsを組み合わせる研究へ取り組んだ。
Isomorphic Labsでは創業チームとしてAI技術を構築し、AlphaFold 3を含む研究に深く関与した。Presidentへの就任は、会社がモデル研究中心の段階から、複数パートナー、複数モダリティ、自社パイプラインを大規模運営する段階へ移っていることを示す。
経営体制の表記は時期によって変化している。2025年の一部報道ではColin MurdochがPresidentとして登場したが、2026年5月のSeries B公式発表ではMax JaderbergがPresidentと明記されている。過去発言を引用する場合は当時の役職として扱い、現在の経営体制と混同しないことが必要である。
第6章 Chief Medical Officerと米国展開
2025年、Isomorphic LabsはDr. Ben WolfをChief Medical Officerに迎え、米国拠点を設立した。これは非常に重要な変化である。AIモデル開発だけならCMOは必須ではない。臨床へ候補薬を進めるには、医療、安全性、治験設計、規制、臨床開発の知識が必要になる。
Isomorphic Labsは2026年Series Bでも、自社Therapeutic ProgramsをClinicへ近づけることを資金用途として明示した。つまり「AI創薬技術をライセンスする会社」から「Drug Development Company」へ進化しようとしている。
Cambridge, Massachusettsに拠点を置くことにも意味がある。Boston/Cambridgeは世界最大級のBiotech Clusterであり、製薬企業、大学、VC、病院、臨床人材が集まる。LondonのAI研究力とBostonのBiopharma ecosystemを結ぶ構造である。
この分野では研究成果がProduct化されるまでの距離が長い。この構造を理解すると、同社の資金調達や提携の意味も単なる規模競争ではないことが分かる。
どれか一つが遅ければ、局所的なAI性能向上がR&D全体のSpeedへ反映されない。
第7章 AI for Scienceの5階層でどこにいるのか
本連載の5階層では、Isomorphic Labsは第3層「専門科学AI」の代表格である。第1層Scientific Foundation ModelはGoogle DeepMind。第2層AI ScientistにはLila SciencesやCo-Scientist。第3層でIsomorphic LabsがDrug Designへ特化する。
しかし同社は第5層量産・商業化へ近づいている。自社薬パイプラインを持ち、Clinicへ進めようとしているからだ。これは重要な違いである。AIモデルの精度がどれだけ高くても、患者へ届かなければ製薬産業の価値は限定される。
Isomorphic Labsの野心は、第1層Google DeepMindの知能を利用しつつ、第3層から第5層までを創薬で垂直統合することにある。AI for Science産業の「専門Verticalの完成形」に近い。
この階層理解は競合比較にも重要である。Insilico Medicine、Recursion、Iambic、Schrödinger、Xairaは同じAI for Scienceでも、データの作り方、Physical Layerの持ち方、最終製品の所有範囲が異なる。Isomorphic Labsの企業価値を測るなら、隣接Layerへ広がること自体ではなく、本来強いLayerのMoatが薄まっていないかも確認すべきである。
第8章 AlphaFoldとの関係
Isomorphic LabsはAlphaFoldの商業化会社と説明されることがあるが、それだけでは不十分である。確かにAlphaFoldは技術的出発点の一つで、Google DeepMindとIsomorphic LabsはAlphaFold 3を共同で開発した。しかし会社のDrug Design EngineはAlphaFoldだけではない。
AlphaFoldが得意なのは構造と相互作用の予測である。創薬では、それに加えて化学生成、物性予測、ADME、毒性、選択性、合成可能性など多数の問題を解く必要がある。
Max Jaderbergらは、AlphaFold 3級のブレークスルーが創薬の別工程でも必要になるという趣旨を繰り返し語ってきた。Isomorphic Labsの長期価値は「AlphaFoldの余波」ではなく、複数の新しいFoundational Modelsを一つのDrug Design Engineへ統合できるかで決まる。
この分野では研究成果がProduct化されるまでの距離が長い。
どれか一つが遅ければ、局所的なAI性能向上がR&D全体のSpeedへ反映されない。
第9章 AlphaFold 3が創薬をどう変えるか
AlphaFold 2は主にタンパク質構造予測を大きく前進させた。AlphaFold 3ではタンパク質、DNA、RNA、低分子リガンドなど、生命分子の複合体と相互作用を扱う方向へ拡張した。
創薬にとって相互作用予測は極めて重要だ。薬候補分子が標的へどの姿勢で結合するか。どの残基が重要か。別の分子へ誤って結合しないか。構造ベース創薬では、これらの情報が候補設計に直結する。
ただしAlphaFold 3の予測は実験を完全に代替するわけではない。予測誤差、動的構造、細胞環境、代謝など現実の複雑性が残る。AIが候補空間を大きく絞り、実験をより価値の高いものへ集中させると見る方が現実的である。
この分野では研究成果がProduct化されるまでの距離が長い。この構造を理解すると、同社の資金調達や提携の意味も単なる規模競争ではないことが分かる。
どれか一つが遅ければ、局所的なAI性能向上がR&D全体のSpeedへ反映されない。
第10章 AlphaFoldだけでは薬は作れない
「タンパク質構造が分かれば薬が自動的にできる」という理解は誤りである。薬候補は複数の性能を同時に満たす必要がある。標的へのPotencyが高くても毒性が強ければ使えない。体内で分解されすぎても使えない。水に溶けなければ製剤化が難しい。肝臓で問題を起こす可能性もある。
創薬は典型的なMulti-Objective Optimization問題である。しかも目的関数同士が衝突することもある。分子を脂溶性にすると膜透過は改善するが、溶解性や毒性に悪影響が出る場合がある。
IsoDDEの重要性は、この多数の評価を一つのループへ統合しようとする点にある。単に「結合しそうな分子を生成するAI」では、製薬価値は限定される。臨床候補へ近い設計をどれだけ早く出せるかが勝負だ。
この分野では研究成果がProduct化されるまでの距離が長い。
どれか一つが遅ければ、局所的なAI性能向上がR&D全体のSpeedへ反映されない。
第11章 IsoDDEとは何か
IsoDDEはIsomorphic Labs Drug Design Engineの略で、2026年の会社説明で中核プラットフォームとして明確に位置づけられている。単一のモデル名というより、Drug Designに必要なFoundational AI Modelsとワークフローを統合した基盤と理解するのがよい。
2026年Series B発表では、IsoDDEのPredictive Accuracyを高め、Structure PredictionとReal-World Drug Discoveryのギャップを埋める能力を拡張していると説明した。つまり構造を当てることから、薬として価値ある候補を選ぶことへ重点が移っている。
AI創薬の競争では、生成モデルのデモは比較的容易になりつつある。真の差は、Medicinal Chemistryの反復をどれだけ削減できるか、実験で成功する候補のHit Rateをどれだけ上げられるか、臨床候補までの時間をどれだけ短縮できるかに現れる。
どれか一つが遅ければ、局所的なAI性能向上がR&D全体のSpeedへ反映されない。
第12章 AI-first Drug Designという思想
Isomorphic LabsはAI-enabledではなくAI-firstを強調する。AI-enabledは既存プロセスの一部にAIを追加する。AI-firstは最初からAIが中心になるよう組織と研究フローを設計する。
例えば従来はMedicinal Chemistが経験から分子を考え、計算化学者が補助し、実験結果を見て修正する。AI-firstではモデルが膨大な候補を生成し、複数評価器がランキングし、人間研究者が重要な判断と解釈を行う。実験結果はモデル改善へ戻る。
この構造になると、人間の研究者の役割はなくならない。むしろ高レベル化する。どの疾患を狙うか、どの生物学仮説を信じるか、どのリスクを取るか、患者にとって意味あるEndpointは何か、といった判断へ集中する。
Isomorphic Labsが構造・配列・化学・製薬パートナーの研究データを統合というData戦略を採る理由もそこにある。この構造を理解すると、同社の資金調達や提携の意味も単なる規模競争ではないことが分かる。
第13章 従来創薬の10年以上という時間軸
新薬開発は一般に10年以上かかることがあり、研究開発費も巨額になる。Target Identification、Hit Discovery、Lead Optimization、Preclinical、Phase I、II、III、Regulatory Approvalという長い道を進む。
しかも候補の多くは途中で失敗する。この失敗率こそ製薬R&D費が高い最大要因の一つだ。100個候補を早く作るだけでは十分ではない。臨床で成功しやすい候補を最初から選ぶ必要がある。
AI創薬の経済価値は、Discovery期間を短縮するだけでなく、後工程の失敗確率を下げられるかにある。仮にPhase II成功率が統計的に明確に改善すれば、AI創薬企業の企業価値は一段変わる。2026年時点では産業全体としてこの最終証明はまだ進行中である。
この分野では研究成果がProduct化されるまでの距離が長い。
どれか一つが遅ければ、局所的なAI性能向上がR&D全体のSpeedへ反映されない。
第14章 標的探索から構造理解へ
薬を設計する前に「何を狙うか」を決めなければならない。疾患と関連する遺伝子やタンパク質が見つかっても、それが治療介入に適したTargetとは限らない。間違ったTargetを選べば、どれほど完璧な分子を作っても薬は成功しない。
Isomorphic Labsのパートナー製薬企業は、Target Biology、疾患知識、臨床経験を持つ。Lilly、Novartis、J&Jとの提携価値は資金だけではない。実際の高価値創薬問題とデータへアクセスできることである。
Isomorphic Labsは構造AIを強みにしながら、製薬企業の生物学知識と組み合わせる。AI企業単独で全疾患生物学を再構築するより現実的な戦略だ。
この分野では研究成果がProduct化されるまでの距離が長い。
どれか一つが遅ければ、局所的なAI性能向上がR&D全体のSpeedへ反映されない。
第15章 分子生成と多目的最適化
生成AIによって化学構造を何百万件も提案すること自体は、もはや珍しくなくなった。問題は質である。合成可能で、目的標的に結合し、他標的へのOff-Targetが少なく、適切なADME特性を持ち、毒性が低い候補を出す必要がある。
この探索空間は巨大である。Drug-like Chemical Spaceは人間が総当たりできる規模ではない。AIはそこから確率的に有望領域を絞る。
しかし最後は実験が必要だ。生成→予測→合成→測定→再設計のClosed Loopを何回減らせるかが事業価値になる。Isomorphic LabsがBig Pharmaとの共同研究で蓄積する実データは、今後IsoDDEを強くする重要資産になる可能性がある。
この分野では研究成果がProduct化されるまでの距離が長い。この構造を理解すると、同社の資金調達や提携の意味も単なる規模競争ではないことが分かる。
どれか一つが遅ければ、局所的なAI性能向上がR&D全体のSpeedへ反映されない。
第16章 Small Moleculesだけではない
2024年のLilly、Novartis提携はSmall Molecule中心だった。しかしIsomorphic Labsは2026年までにCross-Modality戦略を明確化している。会社はIsoDDEがSmall Molecules、Antibodies、Peptides、Molecular Gluesなど複数モダリティで候補生成できると説明する。
この拡張は重要だ。疾患によって最適な治療モダリティは違う。細胞外標的なら抗体が向く場合がある。細胞内標的ならSmall Moleculeが適する場合が多い。タンパク質分解を誘導するMolecular Glueのような新しい作用機序もある。
真のDrug Design OSを目指すなら、特定モダリティ専用AIでは不十分になる。Isomorphic LabsはAlphaFold由来の「分子間相互作用を理解する」強みを横断的に使うことで、この壁を越えようとしている。
この分野では研究成果がProduct化されるまでの距離が長い。
どれか一つが遅ければ、局所的なAI性能向上がR&D全体のSpeedへ反映されない。
第17章 Antibodies、Peptides、Molecular Glues
Antibody Designでは抗原との結合だけでなく、発現性、凝集、免疫原性などを考える必要がある。PeptideはSmall MoleculeとBiologicの中間的性質を持ち、細胞透過性や安定性が課題になる。Molecular Glueは標的タンパク質とE3 Ligaseなどの新しい相互作用を作り、タンパク質分解を誘導する。
これらを共通AIで扱うには「分子を画像のように生成する」だけでは足りない。三次元構造、物理、相互作用、動態をかなり深く理解する必要がある。
Isomorphic LabsがCross-Modalityを実現できれば、一つの疾患標的に対して「どのDrug Modalityが最適か」からAIが比較する未来も見えてくる。これは従来製薬会社の組織サイロを越える可能性がある。
どれか一つが遅ければ、局所的なAI性能向上がR&D全体のSpeedへ反映されない。
第18章 Eli Lillyとの大型契約
2024年1月、Isomorphic LabsはEli Lillyとの戦略的共同研究を発表した。複数の非公開Targetを対象にSmall Molecule Therapeuticsを探索する。LillyからのUpfront Paymentは4500万ドル。
LillyとNovartisを合わせた両契約は、成功条件を満たした場合の潜在価値が約30億ドル近くに達し、将来Royaltyは別途という大型契約だった。AI創薬企業に対するBig Pharmaの本格投資を象徴した。
この契約の本質は契約金額だけではない。世界最大級製薬企業が、重要なTargetをAI企業へ任せる段階に入ったことである。AI Drug Designが実験的PoCから戦略的R&Dチャネルへ変わり始めた。
Isomorphic Labsの製薬共同研究のUpfront/Milestone/Royaltyと自社Pipeline価値というBusiness Modelでは、Partnerが単発PoCから継続Programへ移るかが重要なKPIになる。この構造を理解すると、同社の資金調達や提携の意味も単なる規模競争ではないことが分かる。
どれか一つが遅ければ、局所的なAI性能向上がR&D全体のSpeedへ反映されない。
第19章 Novartisとの契約と拡大
同じ2024年1月、NovartisともSmall Molecule Therapeutics Discoveryで提携。Upfront Paymentは3750万ドルだった。さらに2025年2月、両社は提携拡大を発表した。
提携拡大は重要なシグナルだ。最初の契約は技術評価の意味もあるが、追加プログラムを任せるのは一定の進捗や信頼が形成された可能性を示す。ただし、これだけで最終的な薬候補成功が証明されたと見るべきではない。
AI創薬企業を見るとき、資金調達ニュース以上に「既存パートナーが契約を拡大したか」を見ると実態が分かりやすい。Novartisの拡大はIsomorphic Labsにとって重要なCommercial Validationとなった。
どれか一つが遅ければ、局所的なAI性能向上がR&D全体のSpeedへ反映されない。
第20章 2026年Johnson & Johnsonとの提携
2026年1月20日、Isomorphic LabsはJohnson & JohnsonとのMulti-Target、Cross-Modality Research Collaborationを発表した。Small MoleculeだけでなくLarge MoleculeとBiologics Designも含む。
J&JはTarget BiologyとDrug Discovery/Developmentの深い経験を持つ。Isomorphic LabsはIsoDDEとAI-first Designを提供する。これは同社のCross-Modality能力がBig Pharmaとの実案件で試される重要な提携だ。
これで主要提携先はLilly、Novartis、J&Jとなった。売上規模も研究力も世界トップ級の製薬企業が三社並ぶ。若いAI創薬会社としては非常に強い顧客ポートフォリオである。
この変化はAI for Science全体の進化とも重なる。Isomorphic Labsが次に問われるのは、拡大した機能を一つの研究Loopとして運用し、成果を継続的に再現できるかである。
第21章 2025年6億ドルの初外部調達
2025年3月31日、Isomorphic Labsは初のExternal Funding Roundとして6億ドルを調達した。Thrive Capital主導、GV参加、AlphabetがFollow-on Capitalを投入した。
それまではAlphabet傘下企業として内部資金の色が強かったが、このラウンドで外部投資家から独立した企業価値評価を受ける段階へ進んだ。資金用途は次世代AI Drug Design Engineの開発とTherapeutic ProgramsのClinicへの前進だった。
6億ドルという金額は、通常のAI SaaS Seedではなく、Biotechの長い開発期間を見据えた資本である。モデル開発だけでなく実験、候補最適化、前臨床、臨床準備には巨額資金が必要になる。
この変化はAI for Science全体の進化とも重なる。この構造を理解すると、同社の資金調達や提携の意味も単なる規模競争ではないことが分かる。
どれか一つが遅ければ、局所的なAI性能向上がR&D全体のSpeedへ反映されない。
第22章 2026年21億ドルSeries B
2026年5月12日、Isomorphic Labsは21億ドルのSeries Bを発表した。LeadはThrive Capital。既存のAlphabet、GVに加え、MGX、Temasek、CapitalG、UK Sovereign AI Fundが参加した。
会社は資金をIsoDDEの開発・展開、世界展開、Therapeutic Program Pipelineの加速に使うと明言した。特に「towards the clinic」という方向が重要である。
2025年6億ドルの直後に2026年21億ドルを調達できたことは、投資家が単なるAlphaFoldブランドではなく、Drug Design Businessとしての規模拡大を評価していることを示す。ただし資金量が技術成功を保証するわけではない。今後は臨床候補の質が評価基準になる。
この変化はAI for Science全体の進化とも重なる。
Series BはThrive CapitalがLeadし、AlphabetとGVに加えてMGX、Temasek、CapitalG、英国Sovereign AI Fundが参加した。2025年の6億ドル外部調達と合わせると累計約27億ドルとなる。複数のSovereign Capitalが同一Roundに入ったことは、AI創薬が単なるVenture ThemeではなくStrategic Technologyとして認識されていることを示す。
2025年3月の6億ドルの初外部調達と2026年5月の21億ドルSeries Bを合算すると、外部調達額は約27億ドルになる。Alphabetによるそれ以前の内部資金まで含めた総投入資本は別概念であり、公開情報から同じ精度では算定できない。
第23章 なぜこれほど資金が集まるのか
創薬市場の経済性が理由である。一つのBlockbuster Drugが年間数十億ドル売上を生むことがある。もしAIが創薬成功率をわずかでも上げ、開発期間を短縮できれば、その価値はSaaSの席数課金とは比較にならない。
例えば大手製薬会社が毎年数十億ドルをR&Dへ投入しているとき、AIがCandidate Selectionを改善し一つのPhase III失敗を減らすだけでも巨額価値になる。AI創薬投資家は「AIソフトウェア市場」ではなく「世界の医薬R&D費と医薬品売上」をTAMとして見ている。
さらにIsomorphic LabsにはAlphabetというDownside Protection的な背景もある。Google DeepMindの研究力、TPU、Alphabet資本、世界的ブランドがあり、独立スタートアップより人材採用と長期研究で有利だ。
収益面では製薬共同研究のUpfront/Milestone/Royaltyと自社Pipeline価値。Isomorphic Labsの資本効率は、自社が取るRiskと取り分の設計を理解して初めて評価できる。
今後は調達総額そのものより、次の資金調達までに何を証明したかが重要になる。
第24章 Partnered Pipelineというビジネス
Isomorphic Labsの第一の収益モデルはPartnered Drug Discoveryである。Big PharmaからUpfront Payment、Research Fundingを受け、進捗に応じてMilestone、最終的にはRoyaltyを得る。
このモデルの利点はリスク分散だ。臨床試験、規制、製造、販売は製薬企業の強みであり、Isomorphic LabsはAI Designへ集中できる。複数パートナー、複数Targetを並行すれば、一つの薬失敗で会社全体が崩れるリスクも下がる。
一方、価値の大部分をパートナーへ渡すことになる。AIプラットフォーム企業として安定収益を得るには良いが、世界的製薬会社並みの企業価値を目指すなら自社Pipelineが重要になる。
AI for Scienceで本当に価値ある指標は「何個候補を出したか」だけではない。Isomorphic Labsの今後の評価も、このConversion Rateが従来R&Dを上回るかにかかっている。この構造を理解すると、同社の資金調達や提携の意味も単なる規模競争ではないことが分かる。
Partnered ProgramsではLilly、Novartis、Johnson & Johnsonが重要な外部検証になる。Lillyとの契約は最大17億ドル規模のMilestone Potentialを持ち、Novartisとは初回契約後に範囲を拡大、J&JとはIsomorphic LabsがComputational Designを担い相手側がExperimental AssayとDownstream Developmentを担う分業構造を取る。Headlineの契約上限ではなく、Program追加、Milestone受領、Clinical Transitionを追う必要がある。
第25章 Wholly-Owned Pipelineという本命
2026年Series B発表でIsomorphic LabsはPartnered ProgramsだけでなくWholly-Owned Internal Programsも明確に持つと説明した。これは事業モデル上の重要な進化だ。
自社薬候補を持てば、成功時の価値をより多く自社に残せる。前臨床でLicense-outすることもできるし、自ら臨床を進めることもできる。最終的に承認薬を持てれば、AI企業ではなくBiopharma企業になる。
リスクは高い。薬一つの臨床開発には巨額資金と時間がかかる。だから21億ドルの資金調達が必要になる。Isomorphic Labsが今後どこまでClinical Developmentを内製するかは、会社の最終形を決める。
AI for Scienceで本当に価値ある指標は「何個候補を出したか」だけではない。
自社Pipelineの詳細はまだ限定的だが、Cambridge, MassachusettsではClinical Pharmacology、Clinical Development、Clinical Trial Management、Translational Sciencesなどの採用が進んでいる。公式求人はInternal PipelineがOncologyとImmunologyの複数Programから構成されることを示しており、Candidate SelectionからClinical Phaseへ移る組織を整えていると読める。
第26章 Alphabetとの関係
Isomorphic Labsの競争力を語るとき、Alphabetを外すことはできない。AIモデルにはGoogle DeepMind、計算にはGoogleのTPUとデータセンター、資金にはAlphabetとGV、人材には世界級AI研究コミュニティがある。
通常のAI創薬スタートアップはCloudを契約し、GPUを調達し、Foundation Modelを開発し、VC資金を集める。Isomorphic Labsはその上流の多くを同じ企業圏に持つ。
ただしAlphabet子会社であることには戦略上の課題もある。製薬会社がデータ共有や競争上の懸念を持つ可能性、Googleの他事業との優先順位調整などだ。それでも現時点では資本・計算・人材の利点が大きい。
この分野では研究成果がProduct化されるまでの距離が長い。
どれか一つが遅ければ、局所的なAI性能向上がR&D全体のSpeedへ反映されない。
第27章 Google DeepMindとの役割分担
Google DeepMindとIsomorphic Labsの関係は、Scientific Foundation ModelとVertical Application Companyの分業として理解すると分かりやすい。DeepMindはAGIと科学知能を作る。Isomorphic LabsはDrug Designという特定産業でその技術を商品価値へ変える。
AlphaFold 3の共同開発は両者の境界が完全に分かれていないことも示す。研究段階では密接に協力し、商業化段階でIsomorphic Labsが専門チームと製薬提携を持つ。
このモデルが成功すればAlphabetは他科学領域でも同じ構造を作れる。Google DeepMindの材料モデルから材料会社、エネルギーモデルからエネルギー企業、ロボット基盤モデルからPhysical AI事業という分岐も理論上は可能である。
この分野では研究成果がProduct化されるまでの距離が長い。この構造を理解すると、同社の資金調達や提携の意味も単なる規模競争ではないことが分かる。
どれか一つが遅ければ、局所的なAI性能向上がR&D全体のSpeedへ反映されない。
第28章 Insilico Medicineとの違い
Insilico Medicineは生成AI創薬のEnd-to-End実装と臨床進捗で先行する企業の一つである。Target DiscoveryからMolecule Generation、Preclinical、Clinicalまで自社Pipelineを実際に進めてきた。
Isomorphic Labsの強みはGoogle DeepMind由来のFoundational Modelと構造理解、Alphabet資本。Insilicoの強みは長年の実際のDrug Development運用とClinical Pipelineだ。
この比較はAI創薬産業の二つの戦略を示す。最先端Foundation Modelから創薬へ降りるIsomorphic型と、創薬フローを早期からEnd-to-EndでAI化するInsilico型。どちらが臨床成功率で優位になるかは今後数年で見えてくる。
第29章 Recursionとの違い
Recursionは「実験データ工場」としての性格が強い。細胞画像、遺伝子操作、化合物処理などを大規模自動実験し、独自Phenomic Dataを蓄積する。それをAIで解析して疾患の地図を作る。
Isomorphic Labsは構造・分子設計エンジン側が強い。RecursionのMoatは巨大Wet-Lab Data。IsomorphicのMoatはFoundational Drug Design ModelsとGoogle DeepMindとの接続である。
長期的には両方が必要になる。高性能モデルは実データを必要とし、巨大データは高性能モデルで価値化される。AI創薬企業の最終形は「Model Company」と「Data Factory」の融合になる可能性が高い。
第30章 Schrödingerとの違い
SchrödingerはAI創薬ブームよりはるか以前からPhysics-based Computational Chemistryを提供してきた。量子化学、Molecular Mechanics、Free Energy Calculationなど物理法則を強く使う点が特徴である。
Isomorphic LabsはDeep LearningとFoundational Modelsから出発した。これは一見異なるが、今後は収束する可能性が高い。Drug Designで物理を無視することはできず、AIモデルもPhysics-informedになる。一方SchrödingerもMachine Learningを強化する。
最終競争は「AIか物理か」ではなく、「どの会社が物理、データ、生成AI、実験を最も効率よく統合できるか」になる。
第31章 Xaira Therapeuticsとの違い
Xaira TherapeuticsはVirtual Cell、AI Biology、Protein Design、大規模Data Generationを組み合わせる企業である。Isomorphic Labsより上流のBiology Understandingへ広く入ろうとしている。
Isomorphicは分子構造とDrug Design Engineが中心。Xairaは細胞状態や疾患生物学をより深くモデル化し、その理解から治療へつなげようとする。標的選択の正しさという意味ではXaira型が強みを持つ可能性がある。
一方、IsomorphicはBig Pharma PartnershipsとAlphaFold系構造モデルで圧倒的なブランドと資金を持つ。AI創薬は一社総取りではなく、生物学理解、構造、化学生成、実験、臨床で異なる勝者が生まれる可能性が高い。
第32章 Isomorphic Labs最大の競争優位
第一はGoogle DeepMindとの関係。第二はAlphaFoldの技術文化。第三はAlphabetの計算資源。第四は2025年6億ドル＋2026年21億ドルという巨額資本。第五はLilly、Novartis、J&JというBig Pharmaとの実戦環境。第六はAIとDrug Discovery双方の人材である。
特に重要なのは「実際の高価値問題へモデルを当てられること」だ。公開Benchmarkで高得点でも、Medicinal Chemistryの現場で候補が失敗すれば価値はない。Big Pharmaとの共同研究は、モデルを現実へ校正するデータ源になる。
さらに自社Pipelineを持つことで、自社AIの弱点を自分たちが最も厳しく体験する。Platform ProviderだけでなくDrug Developerになることは、技術改善のフィードバックループとしても意味がある。
Isomorphic LabsのPhysical戦略は、Software企業としてのScaleと現場Engineeringの重さをどう両立するかという課題も抱える。
第33章 最大の弱点と臨床の壁
最大の弱点は、AIモデルの性能と薬の成功が別物であることだ。Drug Discoveryの後にはPreclinical、Phase I、II、III、承認が待っている。多くの薬が後期臨床で失敗する理由は、標的生物学、患者差、長期安全性など分子設計だけでは解決できない問題にある。
2026年時点でIsomorphic Labsは自社PipelineをClinicへ近づける段階にあり、「AI設計薬を多数承認させた製薬会社」ではまだない。そのため企業価値には大きな期待が織り込まれている。
今後最も重要なKPIはAI Benchmarkではない。Clinical Candidate Nomination、IND、Phase I開始、Phase II成功率、開発期間、従来法との比較である。この現実指標で強さが証明される必要がある。
AI for Scienceで本当に価値ある指標は「何個候補を出したか」だけではない。この構造を理解すると、同社の資金調達や提携の意味も単なる規模競争ではないことが分かる。
Isomorphic Labsには巨額資本、Alphabet、Big Pharma提携、AlphaFoldという非常に強い材料が揃っている。しかし2026年時点で最重要の未回答問題は、「その優位が臨床成功へ変換されるか」である。AI創薬ではDiscovery Speedの改善を示す事例は増えたが、Phase II、Phase IIIの成功率を十分な母数で従来法と比較するには時間が必要だ。
第二に、自社Pipelineの具体的なTarget、疾患領域、Clinical Timelineが今後どの程度公開されるかも重要である。Partnered Programsは秘密保持が多く、外部から技術力を評価しにくい。Wholly-Owned Programsが進めば会社自身の技術に対する最も厳しいテストになる。
第三に、IsoDDEがCross-Modalityで本当に同じ強さを示せるかである。Small Moleculeで強いAIとAntibody Designで強いAIに必要なデータ・物理・評価系は異なる。複数モダリティを一つのFoundational Engineで扱えるなら大きな技術優位だが、その検証には実際の候補創出が必要になる。
Isomorphic Labsは既に「期待を集める会社」である。次の段階は「臨床データで期待を証明する会社」になれるかどうかだ。
この変化はAI for Science全体の進化とも重なる。
どれか一つが遅ければ、局所的なAI性能向上がR&D全体のSpeedへ反映されない。
AI創薬のビジネスモデルを理解する上で重要なのは、これらの企業が単に時間を短縮するソフトウェアを売っているのではないことだ。製薬R&Dの本質は確率である。あるTargetが正しい確率、あるMoleculeが安全である確率、Phase IIで効く確率。その成功確率を少し改善することに巨大な経済価値がある。
例えば一つの後期臨床失敗には、それまでの数年と巨額開発費が失われる。AIが早期段階で失敗候補を排除できれば、モデル利用料をはるかに超える価値を生む。だからBig PharmaはUpfront、Milestone、Royaltyという成果連動契約を結ぶ。AI企業は「研究工数」ではなく「成功確率の改善」を売っている。
Isomorphic Labsの最終Moatもここに現れる。もしIsoDDEを使ったPipelineが従来平均より高い臨床成功率を示せば、製薬企業はDrug Discovery予算をAI Platformへ大幅に移す可能性がある。逆にClinical Success Rateが変わらなければ、AIは便利な探索高速化ツールに留まる。今後5〜10年のデータが産業の勝敗を決める。
AlphabetがIsomorphic Labsを持つことは、単なる投資多角化以上の意味を持つ。検索や広告は情報世界の事業、Google Cloudは計算世界の事業である。医薬品は物理世界の規制産業であり、一つの承認薬が長期的な知財収益を生む。
Google DeepMindが基盤知能を作り、Isomorphic LabsがDrug Designへ適用する構造は、AIの価値をトークン課金からIP価値へ変える。もしAIが作った薬が承認されれば、その経済価値は推論1回あたりの価格ではなく、特許保護された医薬品売上になる。
このモデルが成功すると、AI企業の産業進出方法が変わる。Foundation Model企業がAPIを販売するだけでなく、創薬、材料、エネルギーなどVertical Companyを所有して最終製品の価値を取りに行く。Isomorphic Labsはその最先端事例であり、AI企業が現実産業の利益プールへどう入るかを見る上でも重要な会社である。
Isomorphic LabsはAI会社として注目されているが、長期的な企業価値を決めるのはAIモデルのBenchmarkではなく、薬のPipelineである。製薬産業では一つの成功薬が巨大な価値を持つ一方、候補の大半が失敗する。したがって投資家が最終的に見るのは、IsoDDEのモデルサイズではなく、何個のClinical Candidateを生み、何個がPhase I、Phase II、Phase IIIへ進み、何個が承認されるかである。
Partnered PipelineではLilly、Novartis、J&Jが重要な外部検証になる。各社が契約を拡大するか、Milestoneを支払うか、候補がClinical Developmentへ進むかを見る必要がある。Wholly-Owned Pipelineではさらに厳しい。会社自身がリスクを取り、Drug Candidateの価値を証明しなければならない。
このため2026年以降のIsomorphic Labsを追う際には、資金調達ニュースよりCandidate Nomination、IND Filing、First Patient Dosed、Phase I Readoutといった製薬KPIへ注目するべきだ。そこまで進んだとき初めて「AI-first Drug Designが従来創薬より優れているか」を定量比較できる。
臨床入りの時間軸は、AI創薬の速度を測るうえで重要な現実検証になる。Demis Hassabisは最初のAI設計薬を臨床試験へ入れる見込みを公に語っているが、これは経営陣の見通しであり、Series B公式発表が具体的な開始日を保証したものではない。候補設計が高速でも、製造、毒性、安全性評価、規制当局対応は短縮しにくい。評価すべき次のGateはCandidate Nomination、IND/CTA Filing、First Patient Dosedである。
第34章 AI創薬は本当に成功率を上げるのか
AI創薬産業最大の問いがこれだ。候補を早く作れることは既にかなり証明されてきた。しかし「患者で効く薬の成功確率を統計的に上げられるか」はまだ十分な時間データがない。
AI企業側は、より良いTarget、より良いMolecule、より少ない実験でClinical Candidateへ進めると主張する。懐疑的な見方では、創薬失敗の大部分はヒト生物学の理解不足にあり、化学探索を高速化しても根本は変わらないという指摘がある。
おそらく答えは両方である。AIは全てを解決しないが、構造予測、候補生成、ADME予測、実験優先順位付けを改善するだけでも経済価値は大きい。さらにVirtual Cellなど上流生物学モデルが進めば、Target失敗も減らせる可能性がある。
第35章 製薬会社の組織を変える可能性
AI-first Drug Designが本当に機能すると、製薬企業の組織構造も変わる。従来は多数のMedicinal Chemistが候補を設計し、大規模実験部門が反復する。AIが候補探索を大幅に自動化すれば、人間は高レベルの疾患選択、仮説、実験設計、臨床へ集中する。
さらに小規模Biotechでも、Cloud AI、外部CRO、自動実験設備を使って大手製薬に近い探索能力を持てるかもしれない。AWSがサーバ保有の優位を減らしたように、AI Drug Design Platformが「研究所規模」の優位を縮める可能性がある。
逆に大手製薬は豊富な臨床データと患者ネットワークを持つため、AI企業と統合すればさらに強くなる。だからIsomorphic LabsはBig Pharmaを敵ではなくPartnerとして選んでいる。
この分野では研究成果がProduct化されるまでの距離が長い。
どれか一つが遅ければ、局所的なAI性能向上がR&D全体のSpeedへ反映されない。
第36章 2030年代のIsomorphic Labs
2030年代に成功していれば、Isomorphic Labsは「AI創薬会社」と呼ばれなくなっている可能性がある。普通のBiopharma Companyとして複数の薬候補を臨床・販売しているかもしれない。一方、IsoDDEを世界の製薬会社が使うDrug Design Infrastructure企業になっている可能性もある。
最大シナリオは両方を持つことだ。Platform Revenueで安定収益を得ながら、自社Drug Pipelineで大きなUpsideを持つ。ソフトウェアと製薬のハイブリッドである。
ただしその形は資本的に重い。Clinical Developmentをどこまで自社保有するか、License-outするか、Big Pharmaと共同するかで企業価値とリスクが大きく変わる。21億ドルSeries Bは、その選択肢を広げるための資本でもある。
第37章 日本の製薬企業への示唆
日本の製薬会社にとってIsomorphic Labsの台頭は大きな問題である。武田、アステラス、第一三共、エーザイ、中外などは世界的な創薬力を持つが、AI-first Organizationへの変換速度が新しい競争軸になる。
AI導入を「研究者向け便利ツール」で終わらせてはいけない。Target Selection、Molecule Design、Experiment Automation、Clinical Dataまで一つのData Loopへ統合する必要がある。既存企業は数十年分の実験・臨床データを持つため、本来はAIスタートアップ以上の資産を持っている。
問題はデータがサイロ化していること、古い研究システムがつながっていないこと、失敗データが構造化されていないことだ。日本企業の勝機は、既存の深い医学・化学知識をAI AgentとClosed Loopへ変換できるかにある。
第38章 なぜ本連載の第3位なのか
本連載では第1位Lila Sciences、第2位Google DeepMind、第3位Isomorphic Labsとした。この三社はAI for Scienceの異なるレイヤーを象徴する。
Lila Sciencesは科学的方法そのもののOS。Google DeepMindはScientific Foundation ModelとAGIの脳。Isomorphic Labsはその知能を巨大産業である創薬へ垂直統合する会社である。
AI for Scienceが世界を本当に変えたかどうかは、最終的には論文数やBenchmarkでは判断できない。AIが人間だけでは発見できなかった薬を作り、患者へ届け、開発成功率を上げたかで評価される。Isomorphic Labsはその問いを最も大きな資本と研究力で検証する会社の一つだ。
どれか一つが遅ければ、局所的なAI性能向上がR&D全体のSpeedへ反映されない。
第39章 Isomorphic Labsを一言でどう位置づけるか
AlphaFoldは「生命を理解するAI」の象徴だった。Isomorphic Labsが成功すれば、次は「生命へ介入する薬を設計するAI」へ進む。標的構造を理解し、候補分子を生成し、多数の特性を予測し、実験で検証し、修正し、Clinical Candidateへ送る。
2024年にLillyとNovartis。2025年に6億ドル外部調達とNovartis提携拡大。2026年1月にJohnson & Johnson、5月に21億ドルSeries B。会社の軌跡は、研究モデルから世界規模Drug Development企業へ急速に変わっている。
しかし本当の答えはこれからだ。自社候補がいつClinicへ入るのか。安全性はどうか。Phase IIで効くのか。従来創薬より成功率は上がるのか。開発期間と費用は本当に下がるのか。
この答えがYesになった場合、Isomorphic Labsの意味は一社の成功にとどまらない。世界の製薬研究所の設計、必要な人材、R&D費の配分、Biotech起業の資本量まで変わる。Alphabetは検索・広告・Cloud・AIに続き、「科学的発見から医薬品まで」を垂直統合する企業になる可能性がある。
AI for Scienceが巨大産業へ変わる境界線。その最前線にいるのがIsomorphic Labsである。
この階層理解は競合比較にも重要である。この構造を理解すると、同社の資金調達や提携の意味も単なる規模競争ではないことが分かる。
第40章 臨床入りは2026年末へ――1年の遅れをどう読むか
21億ドルの調達額だけを見ていると見落とす論点がある。臨床入りのスケジュールが後ろへずれている、という事実である。
Isomorphic Labsは当初、AI設計薬の初回ヒト投与を2025年末までに開始する見込みだと説明していた。しかし2026年のダボス会議（世界経済フォーラム）で、CEOのDemis Hassabisは「最初のAI設計薬が臨床試験へ入るのは2026年末になる」と述べた。ロイターはこれを約1年の遅れと報じ、同時にバイオテックの標準からすれば依然として速いとも指摘している。
このずれ自体は珍しいことではない。患者安全の確認、規制当局のレビュー、治験実施体制の構築はいずれも時間を要する。だが本連載の文脈では重要な意味を持つ。Isomorphic Labsを総合第3位に置いた根拠は「Foundation Modelから巨大製薬Verticalへ最短距離で展開する」という点にあった。その「最短距離」が、実際には計画より1年長かった。
AI創薬の速度を語るとき、設計工程の短縮と、臨床入りまでの総所要時間は別物である。前者が10倍速くなっても、後者は規制と製造と安全性評価に律速される。IsoDDEがタンパク質-リガンド構造予測でAlphaFold 3の性能を倍にしたとしても、その成果が患者へ届くまでの時間を規定するのは、依然として物理的・制度的な工程である。本連載を通じて繰り返し現れる論点――科学の難所は仮説生成ではなく検証にある――が、ここでも成り立っている。
パイプラインの方針そのものは一貫している。同社は腫瘍と免疫の二領域に集中し、腫瘍候補を先に臨床へ進める。自社プログラムについては、初期臨床を終えた段階でライセンスアウトすることを目標としているとも説明している。自ら後期臨床と商業化まで担うのではなく、価値の最も高い工程だけを保持して下流を渡す設計である。
したがって2026年末から2027年前半にかけて確認すべき点は、次の三つに絞られる。第一に、自社起源の候補が実際に初回ヒト投与へ到達したか。第二に、その候補の名称と適応症が公表されるか。第三に、初期臨床後のライセンスアウトという事業モデルが、相手先と条件を伴って実際に成立するか。
資本の側から見れば、Isomorphic Labsは既に十分すぎる備えを持つ。外部調達27億ドルに加えて、Eli LillyとNovartisからの契約マイルストーンだけで約30億ドルが積み上がっている。創薬は10年から15年の周期を持つ事業だが、同社はこの資金で今後10年、追加調達なしにパイプラインを回せる水準にある。Series Bの前後にFortuneのインタビューでHassabisはこう述べた。「これは全体の問題を解くためのプラットフォームを構築することであり、すべての病気を解決することだ。我々は個別のプログラム一つで自らを評価しない」。特定の一薬ではなく汎用の生物学インフラを作る、という立場である。だとすれば臨床入りの1年の遅れは、この会社にとって致命的ではない。ただし外部の観察者にとっては、依然として唯一の検証点であり続ける。
21億ドルはこの三点を実現するための時間を買う資金であり、それ以上でも以下でもない。2026年9月7日時点で、同社公式Announcementsには自社Pipelineの候補化合物名、適応症、First Patient Dosedの発表はまだ掲載されていない。Demis Hassabisがダボスで示した「2026年末までに最初のClinical Trial」という見通しは重要だが、Series Bの公式リリースが開始日を保証したものではない。したがって現段階では「臨床入りを目指している」と「臨床入りした」を明確に分ける必要がある。
臨床入りの見通しとパイプライン（公式ニュース）
https://www.isomorphiclabs.com/news
主要参考資料・関連リンク
https://www.isomorphiclabs.com/
https://www.isomorphiclabs.com/news
https://www.isomorphiclabs.com/partnerships
https://www.isomorphiclabs.com/press/isomorphic-labs-funding
https://www.isomorphiclabs.com/articles/isomorphic-labs-announces-600m-external-investment-round
Series B発表（21億ドル、2026年5月12日）
https://www.isomorphiclabs.com/articles/isomorphic-labs-announces-series-b-investment-round
2026年末までの初Clinical Trial見通し（Reuters）
https://www.reuters.com/business/healthcare-pharmaceuticals/google-backed-ai-drug-discovery-startup-isomorphic-labs-delays-clinical-trial-2026-01-20/
Isomorphic Labs Announcements
https://www.isomorphiclabs.com/announcements
ハッシュタグ
#AI
#IsomorphicLabs
#GoogleDeepMind
#AlphaFold
#IsoDDE
#AI創薬
#DrugDiscovery
#AIforScience
#ScientificAI
#Alphabet
#Biotech
#創薬
#製薬
#EliLilly
#Novartis
#JohnsonAndJohnson
#未来技術
