Generate:Biomedicines 一句话定位
Generate:Biomedicines 是一家临床阶段的生成式生物学公司，总部位于美国马萨诸塞州萨默维尔。该公司融合机器学习、生物工程与医学，核心平台名为 Generate Platform。该平台用于生成具有特定治疗功能的新型蛋白质药物，目标用户是药物研发人员与生物技术企业。
生成式生物学：从序列到功能的映射
核心原理
Generate Platform 通过分析数百万蛋白质序列，学习自然界编码功能的一般化规则。它把蛋白质序列映射到三维结构与生物功能，再反向生成新序列。这个过程不需要传统的高通量筛选，而是从数据中直接推断可归纳原则。
数据规模与验证
根据官网公开信息，平台已生成并测试 42000 个蛋白质。这个数字说明其生成能力经过了湿实验验证，不是停留在模拟阶段。平台通过持续迭代，把实验数据反馈回模型，提升下一轮生成质量。
面向药物研发人员的平台入口
官网注册与使用
该工具没有独立移动应用。用户访问 https://generatebiomedicines.com/ 注册账号，登录后进入平台界面。注册流程需要机构邮箱或企业信息，个人用户可能无法直接使用全部功能。
无 APP 说明
目前官网未提供任何手机端应用下载。所有操作都在浏览器中完成，对电脑性能和网络稳定性有一定要求。
Generate:Biomedicines 功能和体验
平台核心能力
Generate Platform 能生成抗体、肽、酶、细胞及基因疗法等不同蛋白质类型。它支持从现有参考蛋白出发，也支持从头设计全新蛋白。平台采用生成、构建、测量、学习的连续循环，加速治疗分子识别与验证。
已验证成果
公司已把三种计算设计的蛋白质推进到人体临床试验。其中进展最快的是 GB-0895，一种长效抗 TSLP 单克隆抗体，正在进行重度哮喘的关键性 3 期试验。另一个分子 GB-4362 也已进入临床开发。
Generate Platform 的闭环设计
平台的核心是一个紧密整合的闭环系统，包含四个步骤。第一步生成：模型根据目标特性输出候选蛋白质序列。第二步构建：通过自动化湿实验合成这些蛋白质。第三步测量：检测其结合力、稳定性、表达量等参数。第四步学习：把测量数据反馈给模型，更新参数。这个循环让平台不断优化，减少试错次数。
多模态蛋白质生成能力
Generate Platform 不受特定治疗领域或蛋白质类型限制。它能生成多种蛋白质类型，包括单克隆抗体、多肽、酶和细胞因子。对于没有参考起点的靶点，平台可以从头设计全新蛋白质。这种多模态能力让它在面对 GPCR、离子通道等困难靶标时仍有发挥空间。
已进入临床的分子：GB-0895 与 GB-4362
GB-0895 是抗 TSLP 单克隆抗体，用于重度哮喘，已进入 3 期临床。GB-4362 是另一个临床阶段分子，具体适应症尚未完全公开。这两个分子证明平台生成的蛋白质不仅结构新颖，而且具备成药潜力。
怎么用 Generate:Biomedicines：从注册到上手
注册后你会看到什么
注册登录后，用户会进入一个项目管理界面。左侧通常有导航栏，包含“新建项目”“数据管理”“模型选择”等入口。主面板显示已有任务列表和运行状态。平台提供 API 接口，允许通过编程方式提交任务。
输入目标蛋白质信息的参数设置
新建任务时，用户需要输入目标蛋白质信息。常见参数包括：参考序列（FASTA 格式）、目标结构（PDB 文件）、期望特性（如热稳定性、结合亲和力）、生成数量。平台还支持约束条件，比如指定活性位点或避免免疫原性区域。
提交任务与结果分析
提交后，任务进入队列。生成时间从几分钟到几小时不等，取决于序列长度和模型复杂度。完成后，用户可以在结果页面查看候选蛋白质列表。每个候选都附带打分、序列比对、预测结构等数据。用户可以导出 CSV 或 JSON 格式进行下游分析。
Generate:Biomedicines 与主流工具对比
融资规模与平台广度
| 特性维度 | 累计融资 | 生成模态 | 临床阶段分子 |
|---|---|---|---|
| Generate:Biomedicines | 超 10 亿美元 | 抗体、肽、酶、细胞、基因疗法 | 3 个 |
| 同类 AI 制药公司 A | 约 5 亿美元 | 主要聚焦小分子 | 1 个 |
| 同类 AI 制药公司 B | 约 3 亿美元 | 主要聚焦抗体 | 2 个 |
数据来源：公开报道与公司官网。同类公司 A 和 B 为匿名化示例，不代表特定企业。
合作伙伴与临床进展
该工具与诺华签署了价值 10 亿美元的发现协议，合作开发蛋白质疗法。其 GB-0895 已进入 3 期临床，这是同类 AI 制药公司中较快的进度。这些合作与临床数据说明平台已经进入产业转化，不仅停留在科研阶段。
Generate:Biomedicines 真实用户案例
针对困难靶标的蛋白质设计
对于 GPCR 和离子通道这类传统难以成药的靶点，平台能生成具有特定结合特性的蛋白质。用户输入靶点结构信息，设定结合口袋约束，模型会输出一批候选结合蛋白。这些候选经过湿实验验证，部分显示出预期活性。
科研突破：Chroma 项目
Chroma 是该工具推出的蛋白质设计模型，在科研领域引起关注。它能推断蛋白质序列、结构与功能之间的关系，快速设计具有广泛治疗特性的蛋白质。Chroma 的突破在于把生成式 AI 从文本和图像扩展到蛋白质三维结构。
药物研发合作中的实际体验
与药企合作时，平台团队会提供定制化支持。合作方通常先提供靶点信息和期望特性，平台生成候选分子库。随后双方共同筛选和优化。根据公开信息，诺华合作中平台承担了大部分计算设计工作，药企负责后续临床开发。
老用户最常用的快捷操作
参数模板与批量提交
高级用户会保存常用参数为模板。比如针对某类抗体设计，把框架区序列、CDR 长度、稳定性阈值等参数存为 JSON 文件。下次新建任务时直接导入模板，修改少量变量即可。批量提交通过 API 实现，一次可以提交数十个任务。
结果筛选与导出
生成结果通常包含数百个候选。老用户会利用平台内置的筛选器，按结合亲和力、溶解性、免疫原性预测等指标过滤。筛选后的候选可以导出为 CSV 文件，包含序列、打分、注释信息。部分用户还会把结果直接导入内部 LIMS 系统进行管理。
技术限制与边界
该平台目前不提供公开的免费试用。注册需要机构背景，个人研究者可能无法获得完整权限。API 文档未完全公开，第三方集成存在障碍。平台生成的蛋白质仍需大量湿实验验证，计算预测与实际功能之间常有差距。对于非专业用户，界面和参数设置门槛较高。
