- 综合排序
- 最热优先
- 最新优先
- 来自专栏新智元
不止AlphaFold，「药界ChatGPT」横空出世！华人女投资人深度揭秘
Chai-2已经把抗体设计成功率从0.1%提升到16%，而且还是零样本！不仅是技术奇迹，这更是范式革命：下一代药神，可能不是生物学博士，而是提示词工程师。 AI药神来了？ 最近，AI初创Chai Discovery宣布： 分子设计模型Chai-2正在重构药物设计逻辑。 如果说结构预测是生物界的ImageNet，那么Chai-2就是生物界的Midjourney。 随后，Chai-2模型既能生成蛋白质序列，同时也能生成它的3D结构，而且能与该靶点结合。 行业革命：真正的「零样本」 类似大语言模型，Chai-2也涌现了类似「词汇」之类的概念性结构。 也许，蛋白质之间的相互作用规律，早已嵌在数据中。而Chai-2能够将这些规律泛化到全新的领域。 通过这种方法，团队真正说服了自己，也说服整个科研界：Chai-2确实有效。
23910编辑于 2025-07-13 AI从头设计抗体模型未经专门训练就掌握了可开发性特征？
Chai-2和Latent-X2生成的抗体不仅结合性能优异——它们更具备了“药物特性”！表达量高、稳定性强、无聚集倾向，且脱靶结合率低。 这类可开发性特征的优化通常耗时数月，是研发中的难点。 2024年末，Nabla已证明其JAM-1模型能生成符合“行业标准”可开发性指标的从头设计VHH抗体，而新版JAM-2的表现甚至可能超越Latent X-2与Chai-2。 从现有信息看，Chai-2可能也未经可开发性数据训练——这主要基于其团队规模、人员构成及未提及定制数据集的推测。或许他们使用了少量公共数据集作为评分指标，这点尚不明确。 Chai-2和Latent X-2均采用大于或等于90%的单体纯度（通过SEC测定）作为标准，且Latent X-2将此作为额外的警示旗标（flag）阈值。 何况Chai-2抗体至少在热稳定性上超越了框架匹配的对照样本。虽然存在更细致的反驳观点，但笔者尚未找到令人信服的论据。 Nabla宣称通过70余项从头设计抗体项目训练JAM模型。
19010编辑于 2026-02-04Nat. Biotechnol. | AI加速抗体筛选：高效发现具备类药物特性的高质量结合分子
2024年11月，Chai完成1.3亿美元融资，并公布其Chai-2模型，据称可从头设计完整单克隆抗体，成功率超过50%，比早期方法提升两个数量级。
24810编辑于 2026-03-30- 来自专栏DrugAI
大语言模型(LLM）在医药行业深度场景解析
例如Chai2平台，Chai-2的突破不仅是AI在药物研发领域的里程碑，更预示着生物学从科学向工程化的转型。 未来，随着Chai-2在制造可行性、药代动力学等领域的进一步优化，AI驱动的药物研发有望实现“一次设计即成”的目标，为癌症、自身免疫疾病及感染性疾病等领域带来革命性进展。
32920编辑于 2026-01-06 Nat. Commun. | 用 AlphaFold-Multimer 发现 GPCR 纳米抗体
., 2024 扩散模型从头设计 原子级精度；可指定表位 需要已知复合物结构或结合位点先验信息 Chai-2 近期报道 多模态生成模型 据报道可识别多个GPCR纳米抗体，含功能性激动剂 细节有待同行评审 相当） • 针对 GPCR 特异性的微调（fine-tuning）模型 扩展至其他靶点类型： • 对于当前 AF-M 表现不佳的靶点（可溶性蛋白、非GPCR膜蛋白），可结合 RFdiffusion、Chai
2910编辑于 2026-05-08- 来自专栏DrugOne
Code to Complex: AI引领的全新结合物设计
从AlphaFold2到RFdiffusion，再到BindCraft与Chai-2，这些工具展示了设计复杂度和自主性的不断提升。AI的开放与普及，使研究人员的关注点从“能否实现”转向“能如何应用”。
25611编辑于 2025-10-14 多模态生物基础模型技术架构
可以使用多模态 BioFMs（如 Latent Labs Latent-X2 和 Chai Discovery Chai-2），通过某机构的服务（包括某机构 Bio Discovery、某机构 SageMaker
12110编辑于 2026-05-02
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号