四川
蛋白質大模型的最新突破，來自中國！
最近，百奧幾何「悄悄地」發布了新一代全場景原子級蛋白質基礎大模型GeoFlow V3，給全球同行們樹了一個新榜樣。
半年前，GeoFlow V2發布，其擁有比肩乃至超越AlphaFold3、Chai-2等先進模型的表現，讓全世界感受到了中國團隊的創新實力。
如今，新模型在GeoFlow V2的基礎上，又在多方面進行了重大創新。
當其他模型還在“卷規模”的時候，GeoFlow V3選擇了一條不同的路線——首次將多步推理引入蛋白質設計，讓模型具備“自我評估、自主進化”的能力。
GeoFlow V3融合推理架構，將蛋白質序列和結構生成、精度評估與虛擬進化能力深度整合，邁向更實用、更自主的AI形態。
實測下來，GeoFlow V3表現驚艷，實現了精度、可靠性與成功率的全面提高。
新模型在抗原-抗體結構預測上的高精度率（DockQ > 0.8）相較V2提升了45%，遠遠超過了Protenix、Boltz-2、Chai-1等模型。
在結合物與非結合物的判別能力，GeoFlow V3同樣展現出領先水平，具備更強的自我評估和置信度判斷能力。
在抗體從頭設計的實際任務中，針對多個靶點、指定表位，GeoFlow V3只需測試數十條序列即可找到nM級的binder分子，平均濕實驗驗證命中率達到15.5%，相較上一代AI方法提升近百倍。
新模型突破了傳統建庫與篩選方法的低效，讓先導分子的發現周期從原本的數月甚至數年縮短至三周以內。
免費試用GeoFlow V3：https://prot.design
技術報告：https://prot.design/report
作為熱門領域，近期AI蛋白質各種成果不斷，基礎模型一個接一個地發布，性能參數眼花繚亂。
但是能像百奧幾何一樣，真正實現「自研模型+濕實驗驗證」閉環的團隊并不多。
畢竟，蛋白質大模型不能只停留在紙面，而是要成為開發人員的趁手工具，能用、有用、好用才是硬道理。
一路走來，GeoFlow的每一次升級，都在向“實用”這一目標精益求精，讓更多人切身感受到先進模型對研發工作的深刻變革。這才是AI該有的樣子。
如果說AlphaFold推開了蛋白質結構預測的大門，RFDiffusion釋放了蛋白質設計的潛力，那么GeoFlow系列模型便是中國獻給世界的一份禮物，打通了從理論到應用的“最后一公里”。
對于生物醫藥和生物制造來說，GeoFlow V3作為堅實的技術底座，重塑人類對生物分子的改造和設計能力，為產業開辟前所未有的想象空間。
AI蛋白質標桿再升級
更精準、更可靠、更智能！
半年前，百奧幾何發布了全能蛋白質基礎模型GeoFlow V2，成為全球首個統一了結構預測和從頭設計的原子級蛋白大模型，已在各類蛋白設計與改造任務中展現出強大通用性。
此次，百奧幾何通過深度優化與范式創新，對這一強大底座進行了重大升級：
GeoFlow V3不僅擁有了更強大的結構預測和結合蛋白判別能力，更突破了傳統的“生成-虛擬篩選”的線性流程，構建起“生成-評估-優化”的多步推理能力，實現了精度、可靠性與成功率的全面提高。
結構預測更精準
作為一個融入多種生物先驗知識的條件擴散模型，GeoFlow-V3 的結構預測精度實現了質的飛躍。
在一個包含104個低同源性抗體-抗原復合物（模擬真實世界缺乏模板的困難場景）的嚴格測試集上，GeoFlow V3的高精度率（DockQ > 0.8）相較 V2提升45%，顯著超越包括AlphaFold-Multimer 2.3、Protenix、Boltz-2和Chai-1在內的現有模型。
圖： GeoFlow V3 結構預測精度大幅度提升
在給定更多條件后，預測高精度率相比純序列輸入還可飆升1-2倍。這意味著模型能夠更精準地把握抗原-抗體相互作用，為高質量結合抗體設計打下堅實基礎。
結合判別更可靠
為了找出真正有潛力的候選分子，一個可靠的“打分機制”至關重要。
GeoFlow V3 具備更強的自我評估與置信度判斷能力，能更可靠地區分高精度和低精度結構、區分結合體和非結合體。這為它自主判斷并改進分子的“弱點”提供了有力保障。
ipTM(interface predicted Template Modeling score) 是最準確和穩健的置信度指標之一。它專門用于衡量預測的抗體-抗原復合物界面的準確性。
ipTM > 0.8 時，其對應結構為“高質量”（DockQ > 0.8）的精確率超過80%。這意味著一個高ipTM的預測，極大概率是真正正確的結合模式。
在多個具有挑戰性的靶點上，相較于現有主流模型，GeoFlow-V3的ipTM分數在大多數情況下都取得了最高的AUROC值，展現出領先水平。
圖： G eoFlow V3 在結合物與非結 合物判別能力中展現出領先水平
這表明，GeoFlowV3通過其可靠的自我評估機制為后續的優化設計提供精準指導，從而顯著提升抗體研發的效率。
多步推理長思考
GeoFlow V3 首次引入了多步推理能力，使模型能夠以自身置信度評分為指導，模仿自然界的抗體親和力成熟過程，不斷“進化”出結合潛力更高的分子。
圖： GeoFlow V3 進化流程概覽
具體流程是：首先生成一批初始候選抗體，利用擴散模型對其進行局部序列和結構的重設計，再通過ipTM等評分篩選出下一輪進化的起點分子。
如此進行多輪迭代，使模型能夠超越單次生成的局限，進行深度探索和持續改進。
多個靶點上的計算機實驗表明，引入“虛擬進化”能力、進行深度思考后，GeoFlow V3 生成候選分子的ipTM打分顯著提高，實現了用更長思考換取更高結合率、降低濕實驗負擔的目標。
圖： GeoFlow V3通過多步推理顯著提升候選分子結合潛力
得益于結構預測-蛋白設計統一的模型架構，整個抗體“生成-評估-進化”過程中都可以用 GeoFlow V3 自主完成，無需切換到其他工具。
GeoFlow V3也由此從“結構設計模型”升級為“表位直達抗體”的設計師，能夠自主規劃路徑，大大提高了其在真實世界的應用價值。
更少實驗、更高成功率
GeoFlow V3顛覆抗體研發！
自1986年首個治療性抗體進入臨床以來，該領域深刻重塑了生物醫藥格局。
2024年全球銷售額前十的藥物中，抗體藥占據5席，足見其對醫藥產業的關鍵意義。
然而，這一看似成熟的領域正面臨深層挑戰：抗體藥的人源化及親和力優化過程復雜且充滿不確定性——從立項到上市平均需10—15年與數十億美元投入。
傳統研發如“大海撈針”，需在動物/體外構建上億級分子庫并開展數月乃至數年的高通量篩選，流程冗長、成本高昂，且可探索的靶點與分子空間有限。
上一代AI受限于模型性能和思路，仍“依賴生成—篩選”的線性流程，仍然需要大量實驗，實際結合率常不足個位數甚至更低。
為了驗證模型效果，GeoFlow V3在五個治療靶點上進行了從頭抗體設計，包括TSLP、IL-33、IL-13、CCR8和PD-1，這些靶點跨越了炎癥、癌癥等多個領域。
GeoFlow V3根據5個靶點進行了8個獨立的納米抗體設計活動，且從AI設計到濕實驗驗證在三周時間內就完成一輪。
圖：只需測試數十條由 GeoFlow V3 設計的序列即可找到 nM 級的 binder 分子
結果顯示，這8個靶點至少平均命中率達到15.5%，較上一代AI方法提升近百倍！
且每個治療靶點設計不超過50個納米抗體，大幅度減少了時間和成本。
換句話說，GeoFlow V3真正做到了：用更短的設計周期，獲得更有效的分子產出；用更少的實驗投入，實現更多的真實命中。
AI底層突破
加速生物醫藥、生物制造創新
可以說，GeoFlow V3 的發布，標志著蛋白質設計邁入智能化新階段。
它能在虛擬空間中系統推演分子結構與功能的復雜關系，挖掘傳統實驗難以觸及的設計空間，為實現生物分子的“設計自由”開辟了全新路徑。
這一突破從根本上顛覆了傳統的研發范式，為生物醫藥和生物制造注入強大創新動能。
長期以來，藥物研發依賴資源積累與經驗篩選，面臨漫長周期和高昂成本的困境。
如今，研究人員可以通過模型推理與自主虛擬優化進行理性探索，讓包括抗體研發在內的生物醫藥創新進入“智能驅動”范式，有望打破“雙十定律”。
在研發效率上，GeoFlow V3讓先導分子的發現周期從原本的數月甚至數年縮短至三周以內；
在表位選擇上，它突破了傳統免疫與建庫方法的局限，攻克曾經被視為“不可成藥”的復雜靶點。
對于創新藥企和科研機構而言，GeoFlow V3意味著他們能以極低的實驗量快速產出可用的候選分子。從而讓資源得到更高效的利用，重構創新藥的價值體系。
不止于生物醫藥，生成式AI蛋白質平臺更深層次的影響在于，重塑整個生物經濟的價值鏈。
隨著生物制造入選“十五五”未來產業規劃，我國將其視為重塑制造業格局的關鍵戰略，生物制造迎來了歷史性發展機遇。
生物制造將成為未來全球經濟的主導性力量之一，預計到本世紀末，將形成高達30萬億美元的市場規模，能源、材料、醫療和環境等行業迎來系統性產業革命。
發展藍圖已經提出，但要將愿景轉化為現實，還需要認識到當前生物制造的障礙。
其核心挑戰在于：如何精準設計生命系統，包括底盤菌種和高效酶制劑。
傳統生物研發效率低下，往往需上千次實驗才能篩選出一個有效的蛋白，難以支撐萬億級產業規模的創新需求。
而生成式AI正是破局關鍵：直接設計全新生物分子，為行業打開前所未有的發展空間。
在此背景下，以百奧幾何為代表的AI-Native生物科技公司，正憑借其底層創新，成為產業發展的關鍵力量。
經過多年的技術沉淀，百奧幾何在模型能力上穩居國際第一梯隊，開發出面向全生物制造領域的通用蛋白質設計引擎。
不僅如此，百奧幾何還構建了能夠自我迭代的完整干濕實驗平臺，覆蓋從自動化構建、表達到純化與功能驗證的全流程。
與諾唯贊生物的IVD試劑工具酶改造項目中，百奧幾何僅用60天、通過3輪“設計-驗證-再設計”的干濕迭代，成功將工業級酶的產物產量提升至野生型的21倍，創下行業紀錄。
如今，百奧幾何的通用蛋白質設計平臺，已經廣泛用于抗體藥物研發、工業酶設計、非天然氨基酸合成、功能蛋白設計等場景，服務從醫藥到農業、化工、材料等眾多行業。
當前，我們正處于一個歷史性的拐點。
生成式AI正在為整個生物經濟鑄造全新的技術底座，賦予人類“從頭設計并自主進化生命分子”的能力。
GeoFlow V3的問世，標志著AI for Life Science的最新突破，首次將多步推理引入蛋白質設計，讓模型更精準、更可靠、更智能。
而這背后，百奧幾何此次更傳遞出一個關鍵信號：其不僅在底層技術上實現突破，更率先打通了從理論模型、核心算法到產業交付的全鏈路。
毫無疑問，在新一輪生命科學創新的浪潮中，以百奧幾何為代表的領先公司，正在書寫著中國創新的全球篇章。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
