文章摘要
【关 键 词】 AI化学奖、AlphaFold、Chai-1模型、生物分子、开源创新
本周，谷歌DeepMind的联合创始人Demis Hassabis因AlphaFold系列模型获得诺贝尔化学奖，这是AI大模型首次获此殊荣。AlphaFold-3模型在生物分子结构预测方面取得了显著进步，尤其在蛋白-配体结构和生物复合体的预测上，为新药物研发提供了加速。然而，AlphaFold-3模型闭源且在某些国家/地区使用受限，促使AI研究团队Chai开源了类似的多模态分子结构预测模型Chai-1。
Chai-1模型针对蛋白质多聚体的复杂性进行了优化，通过引入大型蛋白质语言模型的残基级嵌入，提高了单序列预测能力。模型还加入了口袋、接触和对接约束等特征，模拟实验中观察到的蛋白质与其他分子间的相互作用，以更准确地预测多聚体中蛋白质分子间的相互作用和空间关系。Chai-1利用其计算能力和优化算法，全面搜索和评估蛋白质分子的相对取向，识别微小结构特征和化学信号，确定结合位点位置，并模拟分子间的动态变化。
测试数据显示，Chai-1在仅基于蛋白质序列和配体化学组成的条件下，实现了77%的配体RMSD成功率，与AlphaFold3相当。在包含268个界面、跨越129个结构的评估集中，Chai-1在单序列模式下在抗体-蛋白预测上显著优于AlphaFold 2.3，尤其在处理高度变异的免疫蛋白质序列时表现出快速且高准确率。
Chai-1模型的开源为AI在生物分子结构预测领域的研究和应用提供了新的选择，有望推动相关领域的进一步发展。开源地址为：https://github.com/chaidiscovery/chai-lab/，在线地址为：https://lab.chaidiscovery.com/auth/login?。
原文和模型
【原文链接】 阅读原文 [ 1077字 | 5分钟 ]
【原文作者】 AIGC开放社区
【摘要模型】 moonshot-v1-32k
【摘要评分】 ★☆☆☆☆
