Technologie
Nous sommes ravis de présenter Chai-1, un nouveau modèle fondamental multi-modal dédié à la prédiction de structures moléculaires, qui se distingue par ses performances de pointe dans divers domaines liés à la découverte de médicaments. Chai-1 permet une prédiction unifiée des protéines, petites molécules, ADN, ARN, modifications covalentes, et bien plus encore.
Le modèle est accessible gratuitement via une interface web, y compris pour des applications commerciales telles que la découverte de médicaments. Nous mettons également à disposition les poids du modèle et le code d’inférence sous forme de bibliothèque logicielle pour un usage non commercial.
Un modèle de pointe pour les interactions biomoléculaires
Nous avons évalué Chai-1 sur un large éventail de benchmarks et avons constaté que le modèle atteint un taux de réussite de 77 % sur le benchmark PoseBusters (contre 76 % pour AlphaFold3), ainsi qu’un Cα LDDT de 0,849 sur l’ensemble de prédiction de structures de monomères de CASP15 (contre 0,801 pour ESM3-98B).
Contrairement à de nombreux outils de prédiction de structures existants qui nécessitent des alignements de séquences multiples (MSA), Chai-1 peut également fonctionner en mode séquence unique sans MSA tout en préservant la majeure partie de ses performances. Le modèle est capable de plier des multimères avec une précision de 69,8 %, surpassant le modèle AlphaFold-Multimer basé sur MSA qui atteint 67,7 %, mesuré par le taux de prédiction acceptable DockQ. Chai-1 est le premier modèle capable de prédire des structures multimères en utilisant uniquement des séquences uniques (sans recherche MSA) avec une qualité équivalente à celle d’AlphaFold-Multimer.
Pour plus de détails et une analyse approfondie du modèle, consultez notre rapport technique.
Un modèle fondamental nativement multi-modal
En plus de ses capacités de modélisation avancées directement à partir des séquences, Chai-1 peut être alimenté avec de nouvelles données, par exemple, des contraintes dérivées de travaux en laboratoire, ce qui améliore les performances de plusieurs points de pourcentage. Nous explorons plusieurs de ces capacités dans notre rapport technique, telles que le conditionnement des épitopes – en utilisant même quelques contacts ou résidus de poches (potentiellement dérivés d’expériences en laboratoire), ce qui double la précision de prédiction des structures anticorps-antigènes, rendant l’ingénierie des anticorps plus réalisable grâce à l’IA.
Mise à disposition du modèle pour tous
Nous mettons Chai-1 à disposition via une interface web gratuitement, y compris pour des applications commerciales telles que la découverte de médicaments. Le code de Chai-1 est également disponible pour un usage non commercial sous forme de bibliothèque logicielle. Nous croyons fermement qu’en collaborant avec les communautés de recherche et industrielles, l’ensemble de l’écosystème en bénéficie.
Essayez Chai-1 par vous-même en visitant lab.chaidiscovery.com, ou exécutez-le depuis notre dépôt GitHub à github.com/chaidiscovery/chai-lab.
Quelles sont les prochaines étapes ?
L’équipe provient de recherches pionnières et d’entreprises d’IA appliquée telles qu’OpenAI, Meta FAIR, Stripe et Google X. Ensemble, nous avons joué des rôles clés dans l’avancement de la recherche en IA pour la biologie. La majorité de l’équipe a été responsable de l’IA dans des entreprises de découverte de médicaments de premier plan et a contribué à faire progresser plus d’une douzaine de programmes de médicaments.
Chai-1 est le fruit de quelques mois de travail intense, et nous ne sommes qu’au début de notre parcours. Notre mission plus large chez Chai Discovery est de transformer la biologie d’une science en ingénierie. Dans cette optique, nous développerons d’autres modèles fondamentaux d’IA capables de prédire et de reprogrammer les interactions entre les molécules biochimiques, les éléments constitutifs fondamentaux de la vie. Nous aurons bientôt plus d’informations à partager à ce sujet.
Nous exprimons notre gratitude envers nos partenaires Dimension, Thrive Capital, OpenAI, Conviction, Neo, Lachy Groom et Amplify Partners, ainsi qu’Anna et Greg Brockman, Blake Byers, Fred Ehrsam, Julia et Kevin Hartz, Will Gaybrick, David Frankel, R. Martin Chavez, et bien d’autres.
