• 传统抗体发现依赖动物免疫或大规模文库筛选，效率低、成本高，且对某些难靶标无效。
  • 现有的AI抗体设计方法（如RFdiffusion）在实验命中率（hit rate）通常低于 0.1%，难以脱离高通量筛选。

Chai Discovery 团队发布了一个叫 Chai-2 的新AI模型，用来设计抗体分子（抗体是用来对抗病毒、癌症等的药物成分），也就是医学和生物技术中常用的特殊蛋白质。

Chai-2 的关键特点是 零样本学习（zero-shot） 和 高命中率设计，对抗体设计领域带来了重大突破。

即模型不需要对每一个新的抗体设计目标进行大量的训练数据输入。它能“从零开始”理解并设计新的抗体，只要给定一个目标蛋白，它就能通过已有的知识生成有效的抗体。

它利用多模态生成架构，结合原子级结构预测和生成建模，实现了“零样本”抗体设计。Chai-2 可在没有迭代实验的前提下，仅用两周时间完成从目标设定到分子生成、合成与验证的完整流程，且命中率超过 15%，远超行业标准。该成果显示分子工程正从依赖经验的方法转向可控、确定性的生成策略。

它厉害在哪里？

  • 不需要反复实验：传统的抗体设计要反复试错，他们这个模型只要一次输入，就能设计出很多有效的分子。
  • 效率超级高：原来可能需要几个月甚至几年做的事，他们两周就能搞定。（提升超 100 倍）。
  • 命中率不错：测试 50 个目标，最终有超过 15% 的分子“命中”成功，已经很高了。
  • 在miniprotein设计中达到了68%的实验命中率，并可达皮摩尔（picomolar）亲和力。
  • 靠AI就能做：他们用的是一个非常先进的AI系统，不光理解分子的结构，还能“自己想出来”怎么设计。

未来应用与愿景

  • 可望实现按需生成表位特异性结合体，促进双特异抗体、抗体药物偶联物等复杂疗法的快速开发。
  • 支持设计非传统生物药物如环肽、酶、小分子等。
  • 致力于将生物学转变为“工程学”——从经验性发现迈向可控、可编程的分子设计。

Chai-2 模型

模型架构

  • 多模态全原子生成模型（Multimodal All-atom Generative Model）

  • 两个核心子模块：

    • Chai-2d: 设计子模块，用于从目标蛋白和表位直接生成抗体序列和结构。
    • Chai-2f: 折叠子模块，用于预测蛋白三维结构、评估结合质量。
  • 全原子级别设计：不仅考虑氨基酸序列，还考虑空间结构与结合界面原子级互补

🧬 支持多种设计格式

  • VHH（单域抗体）
  • scFv（单链可变片段）
  • mini蛋白（非抗体但能结合靶标的小型蛋白）

功能亮点

实验结果与评估

通过一次性输入 50 个靶标，Chai-2 生成分子，实验命中率超 15%，整个流程仅需 2 周，无需迭代优化或高通量筛选。

Chai-2 在 抗体设计 和 mini蛋白设计 两个方向上均进行大规模实验验证。

🧪 抗体设计任务

实验设置：

  • 52个全新目标蛋白（无现成抗体记录）
  • 每个靶点最多设计并测试20个抗体（scFv或VHH格式）
  • 实验方法：Bio-Layer Interferometry（BLI）测定结合能力与亲和力（KD）

  • 相比传统抗体生成方法（<0.1%命中率），提升 两个数量级以上。
  • 所有设计仅通过一次实验轮次完成验证，无需迭代筛选。

mini蛋白设计任务

  • 目标数：5个，包括 PD-L1、IL7Ra、InsulinR、PDGFRβ 和 TNFα。
  • 实验：每个目标设计20-25个mini蛋白，使用BLI测定。

命中情况与亲和力示例：

  • 平均命中率 >68%
  • TNFα 为结构难度极高靶标，为首次成功的AI设计命中。

为什么他们的成功率这么高？

因为 Chai-2：

  • 不仅设计结构，还预测效果：它不是瞎猜，而是结合三维结构模拟和筛选。
  • 能设计不同种类的抗体：包括常见的小型抗体（scFv）、骆驼抗体（VHH）、迷你蛋白（miniproteins）等。
  • 可以控制细节：可以指定目标的位置、抗体的样式，甚至能设计同时作用于人类和动物的抗体（跨种属设计）。

举几个例子说明：

✅ 案例1：对抗TNFα（一个非常难的目标）

  • TNFα 结构复杂，以前从未有AI成功为它设计出结合物。
  • Chai-2 设计出的抗体成功粘住了它，而且是首次实现！

✅ 案例2：抗体“双版本”设计

  • 对同一个目标蛋白（CCL2），Chai-2 分别设计了两种抗体（scFv 和 VHH），靶向不同位置，结果两个都成功了！

✅ 案例3：跨物种抗体

  • 科学家让 Chai-2 设计能同时结合人类和猴子的同一种蛋白。
  • 结果真做到了：设计出的抗体能同时“粘住”两种物种的目标蛋白。

他们还做了哪些检查来确保抗体“靠谱”？

  • ✅ 专一性检查：抗体只粘它应该粘的目标，不乱粘别的蛋白。
  • ✅ 安全性指标：AI会提前评估设计是否有可能引发免疫反应（免疫原性）。
  • ✅ 稳定性评估：是否容易变性或聚集，这关系到能不能做成药。

如需使用 Chai-2，请访问：https://www.chaidiscovery.com/product

技术报告：https://chaiassets.com/chai-2/paper/technical_report.pdf