11 月 19 日,百奥几何正式发布新一代药物研发引擎 GeoFlow V4。此次升级依托数据与模型的协同扩展,进一步提升结构预测、候选筛选与从头设计能力,并同步推出 GeoFlow Code 智能体式药物设计编排体系,共同支撑以成药为导向、贯通模型-分子-数据的 RSI 干湿反馈研发闭环。

GeoFlow V4 在覆盖 13 个疾病治疗相关靶点的 15 项从头设计任务中,平均实验命中率达到 34.6%,较上一代提升约 85%。新一代模型在统一框架下支持小蛋白、环肽、纳米抗体和 IgG 抗体等多种分子类型的从头设计。多个分子的亲和力达到 pM 级,设计抗体在表达、纯度、热稳定性及非特异性结合等多项成药相关指标上表现优异。
从第一代的抗体生成,到全原子结构预测与生成的统一,再到多步推理驱动的表位定向设计,GeoFlow 系列持续拓展人工智能在分子研发领域的能力边界。GeoFlow V4 在命中之外,向成药更进一步。
GeoFlow V4 技术报告:https://prot.design/report
GeoFlow V4 体验入口:https://prot.design
新一代基模:更精准的结构预测,更可靠的候选筛选
让抗体精准结合指定表位,从大量候选中筛选出值得验证的分子,需要模型更准确地理解分子间的相互作用。在公开的抗体—抗原结构预测基准 FoldBench-AB 上,GeoFlow V4 的 Top-1 预测成功率达到 75.4%,处于国际前沿水平 (媲美 IsoDDE)。同时,模型还展现出良好的推理时扩展性(inference-time scaling):当推理采样增加到 100 次时,预测成功率进一步提升至 78.8%,表明增加推理计算能够持续改善结构预测表现。

更准确的结构预测,也为筛选提供了依据。GeoFlow V4 的置信度评分能够帮助区分结合与非结合分子,优先识别结合更强的候选分子。在 IGDesign 抗体数据集上,评分前 5% 的候选分子实现了 6.0 倍的结合分子富集。在更具挑战的 SKEMPI 亲和力排序任务中,GeoFlow V4 在多个抗体体系上的表现显著优于上一代模型,能够更好地识别以往难以区分的亲和力差异。

GeoFlow Code:蛋白质设计领域专用编程语言与执行框架
高亲和力分子的发现与优化往往需要多轮设计和筛选。当项目进一步涉及跨种属识别、受体选择性等复杂要求时,研发团队还需探索不同设计路径,依据每轮结果调整策略。这也对设计系统提出了更高要求:不仅要持续优化候选分子,还要支持任务规划与策略选择,将多轮设计组织为可执行、可调整的研发流程。
相较于 V3 提出的“虚拟进化”流程——通过多步推理持续迭代优化候选分子,GeoFlow V4 并未止步于固定策略下的多轮优化,而是引入了蛋白质设计领域专用编程语言与执行框架 GeoFlow Code,实现设计策略的自主探索与执行。
GeoFlow Code 将大语言模型强大的规划、决策和执行能力与 GeoFlow 强大的结构理解与生成能力有机结合,能够自主开展文献检索、表位选取、设计编排及结果分析,将多样化的药物研发需求拆解、转化为可执行的设计程序。系统会全面记录分子设计过程与筛选依据,便于专家后续检查、调整与复用。专家在系统中的工作对话与湿实验反馈数据,可进一步用于更新下一轮设计目标与策略,让设计经验在迭代中积累,并转化为后续项目可复用的研发方法。

在 PD-1 跨种属 IgG 抗体设计任务中,专家与 GeoFlow Code 展开了一场同台竞技:在 48 小时内,设计能够同时识别人、猴和鼠 PD-1,并阻断其与 PD-L1 结合的分子。在统一的计算筛选标准下,专家规划流程的综合通过率为 0.16%,GeoFlow Code 自主编排流程则达到 4.23%,约为前者的 26 倍;序列多样性指标也达到前者的 19 倍。

相同算力下专家与智能体设计的通过率及多样性对比
GeoFlow Code 的价值不止于流程自动化,更在于发现新的设计策略,主动选择更合适的设计起点与架构条件。
•探索更有效的设计起点:在某跨种属设计中,GeoFlow Code 尝试以不同种属的抗原作为设计起点。结果显示,以鼠源抗原为起点获得的跨种属结合候选比例,达到人源抗原起点的 2.5 倍,为后续设计路径的选择提供了依据;
•主动寻找互补结构:在某表位定向设计中,GeoFlow Code 根据目标表位的形态,主动寻找具有互补特征的结构片段,并以此开展后续设计,使相应策略的计算设计成功率提高至原来的 5 倍。
GeoFlow Code 有效推动“专家定义成药需求、智能体自主探索设计方案、实验反馈指导迭代”的药物发现模式落地,让研发经验在迭代中持续积累,充分释放模型潜力,帮助研发团队更快突破复杂成药难题。
跨模态设计:多种蛋白获得高亲和力分子
全原子模型的价值,需要在真实研发项目中得到检验。继 GeoFlow V3 在国内率先突破 VHH 从头设计技术后,GeoFlow V4 将从头设计能力拓展至小蛋白、纳米抗体、IgG 抗体与环肽四种分子形式。
在覆盖 13 个疾病治疗相关靶点的 15 项从头设计项目中,GeoFlow V4 的项目级平均命中率达到 34.6%,较上一代提升约 85%。实验验证根据靶点特点采用相应的结合或功能检测,并严格评估结合信号的可靠性与亲和力评估中的曲线拟合质量。

命中率提升的同时,最高亲和力较上一代提升约 100 倍。
GeoFlow V4 针对多个靶点成功设计出 pM 级亲和力的分子:
•针对肿瘤靶点 PD-L1 和 Nectin-4 设计的小蛋白,亲和力分别达到 278 pM 和 148 pM;
•针对多发性骨髓瘤靶点 BCMA 设计的纳米抗体,亲和力达 598 pM;
•针对自免靶点 IL36R 设计的 IgG 分子亲和力达到 458 pM;
•针对疼痛领域短肽靶点 PACAP 设计的 IgG 分子亲和力低至 15 pM。

模型的设计能力也在更具挑战性的多次跨膜蛋白场景中得到验证。GCGR、CCR8 等 GPCR 靶点可供识别的胞外表面有限、构象柔性较高,对从头设计提出了更高要求。
GeoFlow V4 针对 STEAP1、CCR8 和 GCGR 三个多次跨膜靶点设计的抗体,均表现出细胞结合活性,表观 EC₅₀ 达到 nM 级或更低。在 STEAP1 靶点上,获得了表观 EC₅₀ 达 pM 级的结合分子,其细胞结合表现与 AMG 509 的 anti-STEAP1 端 IgG 相当或更优。


不只是 binder:功能与可开发性验证
获得结合分子只是药物开发的起点,后续研发还需考察分子的功能活性、种属交叉活性、特异性,以及表达、纯度、热稳定性、多反应性等可开发性指标。例如,对于 GPCR 等信号转导靶点,结合分子可能产生不同的下游信号效应——结合不等于功能。
针对能量代谢的关键靶点 MC4R,GeoFlow V4 设计的 16 个受测环肽中,有 13 个在细胞 cAMP 实验中表现出激动活性,比例超过 80%。这一结果为模型围绕目标功能开展分子设计提供了实验依据。

MC4R 环肽的激动活性实验(数值越低,激动活性越强)
功能验证之外,GeoFlow V4 还对上百个 VHH 与 IgG 分子开展了多维度的可开发性评价。
•表达量:93% 的受测 VHH 与 96% 的受测 IgG 达到预设的表达量筛选标准;
•非特异性:94 个受测分子全部通过 dsDNA 和胰岛素非特异性检测,BVP-ELISA 检测通过率达到 99%,整体表现优秀;
•纯度与热稳定性:受测 VHH 与 IgG 均有八成以上在 Protein A 一步纯化后,单体占比超过 90%;98% 的受测 VHH 与 99% 的受测 IgG 的 Tm₁ 超过 60℃,展现出良好的热稳定性。


从结合验证、功能检测到早期可开发性评估,GeoFlow V4 让设计结果更贴近药物研发的实际要求。
结语
近乎翻倍的命中率、pM 级亲和力,以及细胞功能与早期可开发性的实验验证;从 VHH 设计的突破,到四种药物分子形式的覆盖——GeoFlow V4 将模型能力的进步转化为更扎实的实验结果,也为研发团队筛选、优化和推进候选分子提供了更充分的依据。
当成药约束从研发末端的筛选关卡,前置到分子设计的第一行代码,药物发现的底层范式正在被改写。
从设计分子,到理解细胞,再到干预疾病,百奥几何始终沿着可验证、可迭代的路径前进,持续拓展 AI 在生命科学中的能力边界——让人工智能不止于分子预测,更懂生命规律,更好地守护人类健康。