Chai-2模型发布掀起“AI抗体设计”风暴

2025年6月30日，OpenAI支持的Chai Discovery推出Chai-2，这款多模态生成模型展现出强大的抗体设计能力。Chai-2能够在不依赖现有抗体或高通量筛选的情况下，完全零样本生成抗体，实现了两位数的成功率，较传统方法提高了100倍。将原本需要几个月时间的抗体从头设计工作压缩至两周以内，显著加速药物发现的进程。 随着计算机算力和深度学习技术的迅速发展，尤其是生成式语言模型（如GPT系列）和表征式语言模型（如 BERT 系列）的出现，为抗体设计与优化提供了更为强大和高效的工具。同时，既往的抗体文库测序工作积累了大量序列数据。这些模型通过自监督学习大量抗体序列数据，挖掘潜在的抗体进化信息和共性特征，使得利用语言模型指导实验方法进行抗体开发成为可能。 随着语言模型辅助人工智能抗体设计与优化领域相关研究进展，出现大量有价值的研究成果。Bai和Chungyoun等提出抗体预训练语言模型构建、抗体序列生成以抗体三维结构预测为该领域的3个重要研究任务。 在计算和AI领域，尤其是生成式扩散模型方面，已经开始着手解决这些难题，为抗体设计提供了新颖的方法。基于扩散的生成方法辅助抗体设计，包括从头设计抗体以及互补决定区（CDR）环的优化。Chai-2便是生成式扩散模型的一种，它采用全原子扩散模型+条件生成（抗原导向）的方式，从输入的已知靶点结构和表位残基开始，设计出特异性结合该表位的序列与全原子结构。