التنبؤ بالتفاعلات البيوموليكولية يُعدّ أساسياً لتصميم الأدوية المعتمد على المنطق، ومع ذلك، ما زال تحقيق الدقة التجريبية والقدرة على التعميم عبر الفضاء الكيميائي الجديد يمثل عقبة حرجة. وعلى الرغم من التقدم الذي أحرزته النماذج القائمة على التعلم العميق مثل AlphaFold 3 في توقع البنية، فإن المعايير التقييمية تُظهر أن هناك قيوداً لا تزال قائمة في التعميم على مناطق غير مستكشفة من الفضاء الجزيئي، وتقدير قوة الارتباط، وكشف مواقع الارتباط الجزيئي على سطوح بروتينية لم تُدرس من قبل. في هذا العمل، نقدم محرك تصميم الأدوية التابع لشركة Isomorphic Labs (IsoDDE)، وهو نظام حاسوبي موحد صُمّم لمعالجة هذه القيود. ونُظهر أن IsoDDE يضاعف دقة AlphaFold 3 أكثر من مرة واحدة في اختبار تقييم التعميم على تفاعلات البروتين-الليغند الصعبة، ويُجِد نمذجة فعّالة للظواهر المعقدة خارج نطاق التوزيع مثل التكيفات المُحفّزة (induced fits)، ويُحدد بدقة جيّدة جيوب ارتباط جديدة. وفي مجال البيولوجيات (biologics)، يتفوّق IsoDDE بشكل كبير على النماذج الحالية، مقدّماً حالة جديدة من التميز في توقع تفاعل الأجسام المضادة مع المستضدات، وفي نمذجة حلقة CDR-H3. وأخيراً، بالنسبة للمُرتبطات الصغيرة الجزيئات، تفوق توقعات IsoDDE لقوة الارتباط النموذج الذهبي القائم على الفيزياء، مع تقليل الفجوة نحو الدقة التجريبية دون التكلفة الحاسوبية المرتفعة للسُّبل التقليدية القائمة على الفيزياء. تُظهر نتائجنا أن IsoDDE يُقدّم أساساً قابلاً للتوسع لتصميم الأدوية باستخدام الذكاء الاصطناعي، موفّراً الدقة التنبؤية المطلوبة لاستكشاف الأنظمة البيولوجية الجديدة بدقة غير مسبوقة.