近日，人工智能生物初创公司 Chai Discovery 宣布已从 Thrive Capital 和 OpenAI 处筹集了近 3000 万美元资金，用于将 AI 引入药物研发。
Chai 由 Joshua Meier 联合创办并担任首席执行官。他曾担任生物技术公司 Absci Corp. 的首席人工智能官，并曾在 Meta Platforms Inc. 和 OpenAI 担任研究员。他于今年 3 月与 Jack Dent（最近担任 Stripe Inc. 工程师）等人共同创立了这家初创公司。并招募了来自 OpenAI、Google 和 Meta 等公司的人才，且大多数成员都曾担任过药物研发公司的 AI 主管，曾共同推动了十多个药物项目。
与此同时，Chai 发布了其首个分子结构开源模型 Chai-1，并附上了一份技术报告，将其性能与 AlphaFold 和 EvolutionaryScale 开发的 ESM3 进行了比较。Chai-1 是一种用于分子结构预测的新型多模态基础模型，可以预测蛋白质、小分子、DNA、RNA、共价修饰等。
公司团队在大量基准测试中对 Chai-1 进行了测试，发现该模型在 PoseBusters 基准测试中的成功率达到 77%（AlphaFold3 为 76%），在 CASP15 蛋白质单体结构预测集上的 Cα LDDT 为 0.849（ESM3-98B 为 0.801）。
（来源：Chai Discovery）
该公司发布的技术报告表示，与许多需要多序列比对 (MSA) 的现有结构预测工具不同，Chai-1 也可以在单序列模式下运行，而无需 MSA，同时保留其大部分性能。根据 DockQ 可接受预测率衡量，该模型可以比基于 MSA 的 AlphaFold-Multimer 模型 (67.7%) 更准确地折叠多聚体 (69.8%)。Chai-1 是第一个能够仅使用单序列（无需 MSA 搜索）以 AlphaFold-Multimer 级别质量预测多聚体结构的模型。
除了直接从序列进行前沿建模的能力外，Chai-1 还可以使用新数据（例如来自实验室的限制）进行提示，从而将性能提高两位数个百分点。团队在技术报告中探讨了许多这样的能力，例如表位调节 - 即使使用少量接触或口袋残基（可能来自实验室实验）也可以使抗体-抗原结构预测准确率翻倍，从而使使用 AI 进行抗体工程变得更加可行。
（来源：Chai Discovery）
“我们看到，在我们应用它解决的各种问题上，成功率提高了 10% 到 20%，”Meier 表示，“例如，当我们与 AlphaFold 进行比较时，我们发现我们的模型在对药物发现至关重要的任务上始终表现更好。”
目前，Chai 正在免费提供其首款模型，但尚未讨论将其技术商业化的计划，也暂未公布更多信息。
