百奥几何发布GeoFlow V4:15项从头设计任务平均命中率34.6%
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
11月19日,百奥几何发布新一代药物研发引擎GeoFlow V4。这次升级依靠数据与模型的协同扩展,结构预测、候选筛选、从头设计三项能力均有提升。同日推出的还有GeoFlow Code智能体式药物设计编排体系,两者共同支撑一条以成药为导向、贯通模型-分子-数据的RSI干湿反馈研发闭环。

在覆盖13个疾病治疗相关靶点的15项从头设计任务中,GeoFlow V4平均实验命中率达到34.6%,比上一代提升约85%。新模型在一个统一框架下,可从头设计小蛋白、环肽、纳米抗体和IgG抗体等多种分子类型。多个分子的亲和力达到pM级;设计抗体在表达、纯度、热稳定性以及非特异性结合等多项成药相关指标上表现优异。
GeoFlow系列从第一代的抗体生成,走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,不断拓展AI在分子研发上的能力边界。到了V4,命中之外,它向成药又迈进了一步。
新一代基模:
更精准的结构预测
更可靠的候选筛选
要让抗体精准结合指定表位,并从大量候选里筛出值得验证的分子,模型就得更准确地理解分子间相互作用。公开的抗体—抗原结构预测基准FoldBench-AB上,GeoFlow V4的Top-1预测成功率为75.4%,处于国际前沿水平(媲美IsoDDE)。模型还表现出不错的推理时扩展性(inference-time scaling):推理采样加到100次,预测成功率进一步升到78.8%,说明增加推理计算能持续改善结构预测表现。

FoldBench-AB上的结构预测表现:(左)成功率对比;(右)推理时扩展性
结构预测更准,筛选也就有了依据。GeoFlow V4的置信度评分能区分结合与非结合分子,把结合更强的候选排在前面。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。难度更高的SKEMPI亲和力排序任务中,GeoFlow V4在多个抗体体系上的表现明显好于上一代模型,以往难以区分的亲和力差异,它能识别得更清楚。

GeoFlow V4的候选筛选能力:(左)结合分子富集;(右)亲和力排序
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,往往要经过多轮设计和筛选。项目一旦涉及跨种属识别、受体选择性等复杂要求,研发团队还得尝试不同设计路径,再根据每轮结果调整策略。这对设计系统提出了更高要求:既要持续优化候选分子,也要支持任务规划与策略选择,把多轮设计组织成可执行、可调整的研发流程。
V3提出过“虚拟进化”流程,靠多步推理不断迭代优化候选分子。GeoFlow V4没有停在固定策略下的多轮优化,而是引入蛋白质设计领域专用编程语言与执行框架GeoFlow Code,让设计策略能够自主探索并执行。
GeoFlow Code把大语言模型的规划、决策和执行能力,与GeoFlow的结构理解与生成能力结合起来,能自主开展文献检索、表位选取、设计编排及结果分析,把多样化的药物研发需求拆解、转化为可执行的设计程序。分子设计过程与筛选依据会被系统完整记录,方便专家事后检查、调整与复用。专家在系统中的工作对话与湿实验反馈数据,还能用来更新下一轮的设计目标与策略,让设计经验在迭代中积累,变成后续项目可复用的研发方法。

GeoFlow Code蛋白设计引擎
在PD-1跨种属IgG抗体设计任务中,专家与GeoFlow Code同台比了一场:48小时内设计出能同时识别人、猴和鼠PD-1,并阻断其与PD-L1结合的分子。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,它还能发现新的设计策略,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:某跨种属设计中,GeoFlow Code尝试用不同种属的抗原作为设计起点。结果显示,以鼠源抗原为起点得到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:某表位定向设计中,GeoFlow Code依据目标表位的形态,主动寻找具有互补特征的结构片段,并据此开展后续设计,使相应策略的计算设计成功率提高到原来的5倍。
GeoFlow Code 让“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”这套药物发现模式真正跑起来,研发经验在一次次迭代中不断沉淀,模型的潜力也得以充分释放,从而帮研发团队更快攻克复杂的成药难题。
跨模态设计:
多个蛋白拿到了高亲和力分子。
全原子模型究竟值不值,得放到真实研发项目里看。GeoFlow V3 曾在国内率先跑通 VHH 从头设计,到了 GeoFlow V4,这套从头设计能力被扩展到小蛋白、纳米抗体、IgG 抗体和环肽四种分子形式上。
围绕 13 个与疾病治疗相关的靶点,GeoFlow V4 做了 15 项从头设计项目,项目级平均命中率 34.6%,比上一代提高约 85%。实验验证环节按靶点特点选用结合检测或功能检测,同时对结合信号的可靠性、亲和力评估中的曲线拟合质量做了严格把关。

四种药物形式、15 个项目,GeoFlow V4 均完成了从头设计。
命中率往上走的同时,最高亲和力也比上一代提升了约 100 倍。
多个靶点上,GeoFlow V4 都设计出了 pM 级亲和力的分子:
•肿瘤靶点 PD-L1 和 Nectin-4 上设计的小蛋白,亲和力分别为 278 pM 和 148 pM;
•多发性骨髓瘤靶点 BCMA 上设计的纳米抗体,亲和力 598 pM;
•自免靶点 IL36R 上设计的 IgG 分子,亲和力 458 pM;
•疼痛领域的短肽靶点 PACAP 上设计的 IgG 分子,亲和力低至 15 pM。

更具挑战性的多次跨膜蛋白场景,同样被用来检验模型的设计能力。GCGR、CCR8 这类 GPCR 靶点能供识别的胞外表面不大,构象柔性又高,从头设计的难度随之上升。
面向 STEAP1、CCR8 和 GCGR 三个多次跨膜靶点,GeoFlow V4 设计的抗体都测到了细胞结合活性,表观 EC₅₀ 为 nM 级或更低。STEAP1 靶点上拿到的结合分子表观 EC₅₀ 已达 pM 级,细胞结合表现与 AMG 509 的 anti-STEAP1 端 IgG 相当,甚至更好。


不只是 binder——
功能与可开发性也要验。
拿到结合分子,只是药物开发的起点。往后还得看分子的功能活性、种属交叉活性、特异性,以及表达、纯度、热稳定性、多反应性这些可开发性指标。拿 GPCR 这类信号转导靶点来说,结合分子可能引出不同的下游信号效应,结合并不等于功能。
能量代谢的关键靶点 MC4R 上,GeoFlow V4 设计的 16 个受测环肽里,13 个在细胞 cAMP 实验中表现出激动活性,占比超过 80%。这为模型围绕目标功能做分子设计提供了实验依据。

MC4R 环肽激动活性实验(数值越低,激动活性越强)
功能验证之外,上百个 VHH 与 IgG 分子还接受了多维度可开发性评价。
•表达量:受测 VHH 有 93%、受测 IgG 有 96% 达到预设的表达量筛选标准;
•非特异性:94 个受测分子在 dsDNA 和胰岛素非特异性检测中全部过关,BVP-ELISA 检测通过率 99%,整体表现优秀;
•纯度与热稳定性:受测 VHH 与 IgG 均有八成以上经 Protein A 一步纯化后单体占比超过 90%;Tm₁ 超过 60℃ 的,受测 VHH 占 98%、受测 IgG 占 99%,热稳定性良好。


结合验证、功能检测,再加早期可开发性评估,GeoFlow V4 让设计结果离药物研发的实际要求更近了一步。
结语
命中率近乎翻倍,亲和力做到 pM 级,细胞功能与早期可开发性都有实验数据支撑;从 VHH 设计的一步突破,到四种药物分子形式全覆盖——GeoFlow V4 把模型能力的进步落成了更扎实的实验结果,研发团队筛选、优化、推进候选分子时也多了几分依据。
当成药约束从研发末端的筛选关卡,前移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。
百奥几何的路子,一直是从设计分子走到理解细胞、再走到干预疾病,靠的是可验证、可迭代。AI 在生命科学里的能力边界,也由此不断被推开。说到底,他们想让 AI 不止会预测分子,还能读懂生命规律,最终服务于人类健康。