Chai-1: Mengurai Interaksi Molekul Hayati

• Chai Discovery merilis Chai-1, model prediksi struktur molekul untuk pengembangan obat, yang menangani protein, molekul kecil, DNA, RNA, hingga modifikasi kovalen dalam satu model
• Dalam benchmark publik, model ini mencatat tingkat keberhasilan 77% di PoseBusters dan CASP15 Cα LDDT 0,849, sehingga dibandingkan langsung dengan AlphaFold3 dan ESM3-98B
• Berbeda dengan alat yang ada yang terutama bergantung pada multiple sequence alignment (MSA), Chai-1 mempertahankan sebagian besar performanya bahkan dalam mode sekuens tunggal
• Dalam prediksi multimer, model ini mencatat DockQ acceptable prediction rate 69,8%, lebih tinggi daripada 67,7% milik AlphaFold-Multimer berbasis MSA
• Antarmuka web gratisnya juga terbuka untuk penggunaan komersial, sementara bobot model dan kode inferensi dirilis dengan lisensi Apache 2.0

---

Rilis Chai-1 dan cara penggunaannya

• Chai-1 adalah model prediksi struktur molekul berbasis multimodal yang ditujukan untuk tugas terkait pengembangan obat
• Target prediksinya mencakup protein, molekul kecil, DNA, RNA, modifikasi kovalen, dan lainnya
• Dapat digunakan melalui antarmuka web gratis, dan juga diizinkan untuk aplikasi komersial seperti pengembangan obat
• Bobot model dan kode inferensi dirilis sebagai pustaka perangkat lunak chai-lab berlisensi Apache 2.0

Hasil benchmark dan pengurangan ketergantungan pada MSA

• Hasil benchmark utama disajikan setara atau lebih tinggi dibandingkan model-model besar yang sudah ada
  • PoseBusters: tingkat keberhasilan 77%, sementara AlphaFold3 76%
  • Set prediksi struktur monomer protein CASP15: Cα LDDT 0,849, sementara ESM3-98B 0,801
• Banyak alat prediksi struktur yang ada membutuhkan multiple sequence alignment (MSA), tetapi Chai-1 juga dapat dijalankan dalam mode sekuens tunggal dan mempertahankan sebagian besar performanya
• Dalam prediksi pelipatan multimer, model ini mencatat 69,8% berdasarkan DockQ acceptable prediction rate, sedangkan AlphaFold-Multimer berbasis MSA mencatat 67,7%
• Menurut Chai Discovery, Chai-1 adalah model pertama yang mampu memprediksi struktur multimer dengan kualitas setingkat AlphaFold-Multimer hanya dari satu sekuens tanpa pencarian MSA
• Jika data baru seperti batasan yang diperoleh di laboratorium dimasukkan sebagai prompt, performa dapat meningkat dalam kisaran dua digit poin persentase
  • Contohnya adalah epitope conditioning; hanya dengan menggunakan sejumlah kecil contact atau pocket residue, akurasi prediksi struktur antibodi-antigen menjadi dua kali lipat
  • Input seperti ini dapat berasal dari eksperimen laboratorium, sehingga membuat rekayasa antibodi berbasis AI lebih memungkinkan diwujudkan
• Analisis menyeluruh model ini dapat dilihat dalam laporan teknis

Tim dan arah selanjutnya

• Tim Chai Discovery terdiri dari orang-orang yang berasal dari perusahaan riset dan AI terapan seperti OpenAI, Meta FAIR, Stripe, dan Google X
• Banyak anggota tim pernah menjabat sebagai Head of AI di perusahaan pengembangan obat terkemuka, dan secara keseluruhan telah berkontribusi pada pelaksanaan lebih dari 12 program obat baru
• Chai-1 merupakan hasil dari beberapa bulan kerja intensif, dan tujuan Chai Discovery yang lebih luas adalah mengubah biologi dari sains menjadi rekayasa
• Ke depannya, mereka berencana membuat lebih banyak model berbasis AI untuk memprediksi dan memprogram ulang interaksi antar molekul biokimia