English近日，百奥几何（BioGeometry）利用 GeoFlow 蛋白质设计大模型为欧洲某知名药企交付了一份亮眼的成绩单：在VHH（纳米抗体）多目标优化项目中，利用全场景原子级蛋白质大模型 GeoFlow 结合高通量湿实验，在模型不经过靶点数据微调的零样本（zero-shot）场景下，仅通过一轮设计与验证，便筛选出了功能活性、稳定性、非特异、人源性等各项指标均达到预期目标的分子。项目交付周期比客户预期缩短了 50% 以上，展示了 AI 解决传统抗体研发痛点问题的强大能力。
行业痛点：“打地鼠”式优化困局
在抗体开发中，脱颖而出的候选药物必须在多个维度表现出色：
- 亲和力、活性
需维持恰当的亲和力，以发挥抗体的治疗功能；对于有些目标功能，亲和力过高反而会影响功能活性、或带来较大副作用
- 理化性质
溶解度、等电点等需控制在特定区间以适应后续开发需求
- 成药性与安全性
需同时满足高表达量、高热稳定性、高人源性以及低非特异性/免疫原性
在传统的抗体工程中，上述性质往往需要分步解决：例如先做人源化，再做亲和力成熟，最后完成成药性优化。
这种线性流程，不仅耗时长，且极易成为“打地鼠”工程——修好了亲和力，可能破坏了稳定性；稳定性优化后，理化性质又偏离了预期目标。
由于优化目标较为苛刻，客户内部一年多来均未拿到理想分子，在接触伊始，客户预期即使由经验丰富的团队操刀，也需要 2-4 轮的“设计-合成-测试-学习”（DBTL）循环，才能找到最终的平衡点。
解决方案：“生成式AI + 高通量湿实验”双引擎驱动
面对这一挑战，百奥几何通过 GeoFlow 生成式 AI 平台与高通量抗体表达验证平台的无缝衔接，搭建了高效率、高命中的抗体研发新流程。
- 干实验
依托自研的 GeoFlow 大模型，通过“结构建模 → 关键位点识别 → 突变体评估+虚拟进化”的流程，在庞大的序列空间中精准、智能地寻找最优解
- 湿实验
依托高效高质的湿实验平台，快速并可靠地完成数十个候选分子的高通量合成与多维性质验证
核心技术：AI如何精准命中靶心？
百奥几何之所以能在一轮内解决多目标优化难题，得益于其底层技术的四大突破：
- 结构预测：原子精度的精准建模
结合客户提供的信息，团队利用 GeoFlow 模型对全原子抗原-抗体复合物进行了精准建模，确定了关键结合位点
2. 亲和力预测：经 Nature 子刊验证的算法
基于团队在 Nature Communications 和 PNAS 发表的顶尖算法，百奥几何利用 AI 准确预测突变对结合能的影响方向，可快速剔除无效或有害突变
3. 全面成药性评估：排雷在先
整合了基于序列和结构的多种成药性预测流程，AI 在设计初期就对聚集风险、热稳定性、免疫原性、非特异性等多项性质进行了“一键扫描”，确保候选分子不仅能“结合”，更能“成药”
4. 虚拟进化：探索组合突变的无限可能
确定有利的单点突变只是第一步，如何组合才是难点。百奥几何专属的虚拟进化算法，在极短时间内探索了海量的突变组合空间，帮助客户锁定那些产生协同效应的突变组合
项目成果：一轮即优，降本增效
经过湿实验验证，项目结果令人振奋：
- 交付速度
在模型未经过靶点数据微调的零样本（zero-shot）场景下，仅用 1轮 设计与验证就完成了项目
- 命中率
在交付的数十个候选分子中，成功筛选出多个同时满足亲和力、理化性质、热稳定性、非特异性及人源性要求的目标分子
- 客户价值
相比原计划的 2-4 轮迭代，研发周期缩短了数月，且突破了客户长期未解决的多目标优化难题。
客户对此结果给予了高度评价，肯定了百奥几何AI驱动的抗体优化平台在解决复杂多目标优化问题上的巨大潜力。
从“经验驱动”到“AI智能体驱动”，百奥几何的此次项目成功，不仅是一次技术的胜利，更是生物医药研发模式迭代转型的缩影。
未来，百奥几何将持续迭代 GeoFlow 等核心模型，不断发展抗体研发新质生产力，为全球药企提供更精准、高效的 AI 研发服务，加速创新药物的源头发现及临床转化。