Chai Discovery发布Chai-1：突破性的多模态基础模型，解锁生命分子相互作用

主要观点总结

Chai-1是一款用于生物分子结构预测的多模态基础模型，适用于药物发现等任务。本文介绍了其背景、功能、模型架构及其在多个生物分子预测任务中的实验结果。

关键观点总结

关键观点1: Chai-1的主要功能

Chai-1可以直接从原始分子序列和化学信息中预测蛋白质、核酸等生物分子的三维结构。它擅长预测蛋白质与药物分子（配体）的相互作用结构，帮助研究人员理解药物如何与蛋白质结合，并为药物设计提供参考。此外，它还可以预测蛋白质复合物、单序列结构，并利用实验数据提高预测准确性。

关键观点2: Chai-1的模型架构特点

Chai-1的模型架构基于深度学习神经网络，支持多种输入形式，包括蛋白质序列、语言模型嵌入和实验数据等。其设计允许多种输入形式，包括蛋白质序列、语言模型嵌入和实验约束数据，从而增强了预测的灵活性和准确性。

关键观点3: Chai-1的实验结果

在多个生物分子预测任务中，Chai-1表现出优异的性能。例如，在PoseBusters基准测试中，其蛋白质-配体预测成功率达到77%；在单序列模式下，肽聚合物预测表现与使用MSA的AF2.3模型相当；在抗体-蛋白质预测方面，使用约束时精度显著提高。此外，Chai-1还具有良好的预测置信度评估能力。