TLDR: Chai Discovery Team introduces Chai-2, a multimodal AI model that enables zero-shot de novo antibody design. Achieving a 16% hit rate across 52 novel targets using ≤20 candidates per target, Chai-2 outperforms prior methods by over 100x and delivers validated binders in under two weeks—eliminating the need for large-scale screening.
En un avance significativo para el descubrimiento de fármacos computacionales, el equipo de descubrimiento de Chai ha introducido Chai-2una plataforma de IA generativa multimodal capaz de anticuerpo cero de disparo y diseño de aglutinante de proteínas. A diferencia de los enfoques anteriores que se basan en una extensa detección de alto rendimiento, Chai-2 diseña de manera confiable aglutinantes funcionales en un Placa individual de 24 pocillos configuración, logro más de 100 veces mejoras sobre métodos de estado de arte existentes (SOTA).
Chai-2 fue probado en 52 objetivos novedososninguno de los cuales había conocido aglutinantes de anticuerpos o nanobodios en el banco de datos de proteínas (PDB). A pesar de este desafío, el sistema logró un Tasa de éxito experimental del 16%descubriendo aglutinantes para el 50% de los objetivos probados dentro de un ciclo de dos semanas Desde el diseño computacional hasta la validación de laboratorio húmedo. Este rendimiento marca un cambio de la detección probabilística a la generación determinista en ingeniería molecular.
Diseño de novo de IA a escala experimental
Chai-2 integra un módulo de diseño generativo de átomo y un modelo plegable que predice estructuras complejas de anticuerpos-antibueros con el doble de la precisión de su predecesor, Chai-1. El sistema opera en un Configuración de disparo ceroGeneración de secuencias para modalidades de anticuerpos como SCFV y VHHS sin requerir aglutinantes anteriores.
Las características clave de Chai-2 incluyen:
- Sin ajuste específico para el objetivo requerido
- Capacidad para Diseños rápidos utilizando restricciones a nivel de epítopo
- Generación de formatos terapéuticamente relevantes (Miniproteínas, SCFVS, VHHS)
- Soporte diseño de reactividad cruzada entre especies (por ejemplo, humano y cyno)
Este enfoque permite a los investigadores diseñar ≤20 anticuerpos o nanobodos por objetivo y evitar la necesidad de una detección de alto rendimiento por completo.
Benchmarking en diversos objetivos de proteínas
En rigurosas validaciones de laboratorio, Chai-2 se aplicó a objetivos con Sin secuencia o similitud de estructura a los anticuerpos conocidos. Los diseños se sintetizaron y probaron utilizando interferometría de bio-capa (BLI) para la unión. Los resultados muestran:
- 15.5% de tasa de golpe promedio en todos los formatos
- 20.0% para VHHS, 13.7% para SCFVS
- Carpetas exitosas para 26 de 52 objetivos
En particular, Chai-2 produjo éxitos para objetivos duros como TNFαque históricamente ha sido intratable para el diseño in silico. Muchas carpetas mostraron constantes de disociación picomolar a baja nanomolar (KDS)indicando interacciones de alta afinidad.
Novedad, diversidad y especificidad
Las salidas de Chai-2 son distintas estructural y secuencialmente de los anticuerpos conocidos. El análisis estructural mostró:
- Ningún diseño generado tenía <2å rmsd de ninguna estructura conocida
- Todas las secuencias CDR tenían> 10 distancia de edición del anticuerpo más cercano conocido
- Los aglutinantes cayeron en múltiples grupos estructurales por objetivo, lo que sugiere diversidad conformacional
Evaluaciones adicionales confirmadas Atención baja fuera del objetivo y Perfiles comparables de polireactividad a anticuerpos clínicos como trastuzumab e ixekizumab.
Flexibilidad de diseño y personalización
Más allá de la generación de carpetas de uso general, Chai-2 demuestra la capacidad de:
- Objetivo múltiple epítopos en una sola proteína
- Producir carpetas en todo diferentes formatos de anticuerpos (por ejemplo, SCFV, VHH)
- Generar anticuerpos reactivos de las especies cruzadas en un aviso
En un estudio de caso de reactividad cruzada, logró un anticuerpo diseñado por Chai-2 kds nanomolares contra las variantes humanas y cyno de una proteína, demostrando su utilidad para Estudios preclínicos y desarrollo terapéutico.
Implicaciones para el descubrimiento de drogas
Chai-2 comprime efectivamente la línea de tiempo de descubrimiento de productos biológicos tradicionales desde Meses a semanasentrega de clientes potenciales validados experimentalmente en una sola ronda. Su combinación de alta tasa de éxito, novedad de diseño y provisión modular marca un cambio de paradigma en los flujos de trabajo de descubrimiento terapéutico.
El marco se puede extender más allá de los anticuerpos para miniproteínas, macrociclos, enzimasy potencialmente moléculas pequeñasallanando el camino para Paradigmas de diseño computacional primero. Las instrucciones futuras incluyen expandirse a Bispecifics, ADCSy explorando optimización de la propiedad biofísica (por ejemplo, viscosidad, agregación).
A medida que madura el campo de la IA en el diseño molecular, Chai-2 establece una nueva barra para lo que se puede lograr con modelos generativos en la configuración del descubrimiento de fármacos del mundo real.
Mira el Informe técnico. Todo el crédito por esta investigación va a los investigadores de este proyecto. Además, siéntete libre de seguirnos Gorjeo, YouTube y Spotify Y no olvides unirte a nuestro Subreddit de 100k+ ml y suscribirse a Nuestro boletín.
Asif Razzaq es el CEO de MarktechPost Media Inc .. Como empresario e ingeniero visionario, ASIF se compromete a aprovechar el potencial de la inteligencia artificial para el bien social. Su esfuerzo más reciente es el lanzamiento de una plataforma de medios de inteligencia artificial, MarktechPost, que se destaca por su cobertura profunda de noticias de aprendizaje automático y de aprendizaje profundo que es técnicamente sólido y fácilmente comprensible por una audiencia amplia. La plataforma cuenta con más de 2 millones de vistas mensuales, ilustrando su popularidad entre el público.
