Chai-1: Yaşam Molekülleri Etkileşimlerini Çözümleme

• Chai Discovery, ilaç geliştirmede kullanılan moleküler yapı tahmini modeli Chai-1'i duyurdu; protein, küçük molekül, DNA, RNA ve kovalent bağ modifikasyonlarını tek bir modelde ele alıyor
• Açık benchmark'larda PoseBusters'ta %77 başarı oranı ve CASP15 Cα LDDT 0.849 elde ederek AlphaFold3 ve ESM3-98B ile doğrudan karşılaştırıldı
• Mevcut araçların çoğu esas olarak çoklu dizi hizalamasına (MSA) dayanırken, Chai-1 tek dizi modunda da performansının büyük bölümünü koruyor
• Multimer tahmininde DockQ acceptable prediction rate %69,8 elde ederek MSA tabanlı AlphaFold-Multimer'ın %67,7 değerini geçti
• Ücretsiz web arayüzü ticari kullanım için de açık ve model ağırlıkları ile çıkarım kodu Apache 2.0 lisansıyla yayımlandı

---

Chai-1'in duyurulması ve kullanım şekli

• Chai-1, ilaç geliştirme odaklı görevleri hedefleyen, multimodal tabanlı bir moleküler yapı tahmini modeli
• Tahmin kapsamı proteinler, küçük moleküller, DNA, RNA ve kovalent bağ modifikasyonlarını içeriyor
• Ücretsiz web arayüzü üzerinden kullanılabiliyor ve ilaç geliştirme gibi ticari uygulamalara da izin veriliyor
• Model ağırlıkları ve çıkarım kodu, Apache 2.0 lisanslı chai-lab yazılım kütüphanesi olarak yayımlandı

Benchmark sonuçları ve MSA bağımlılığının azaltılması

• Temel benchmark sonuçları, mevcut önde gelen modellerle benzer veya daha yüksek değerler olarak sunuluyor
  • PoseBusters: başarı oranı %77, AlphaFold3 %76
  • CASP15 protein monomer yapı tahmin seti: Cα LDDT 0.849, ESM3-98B ise 0.801
• Mevcut yapı tahmin araçlarının çoğu çoklu dizi hizalaması (MSA) gerektirirken, Chai-1 tek dizi modunda da çalışabiliyor ve performansının çoğunu koruyor
• Multimer katlanma tahmininde DockQ acceptable prediction rate ölçütünde %69,8 elde etti; MSA tabanlı AlphaFold-Multimer ise %67,7 idi
• Chai Discovery'ye göre Chai-1, MSA araması olmadan yalnızca tek diziyle AlphaFold-Multimer düzeyinde kalitede multimer yapısı tahmin edebilen ilk model
• Laboratuvarda elde edilen kısıtlar gibi yeni veriler prompt olarak eklendiğinde performans çift haneli yüzde puanları kadar artabiliyor
  • Buna epitope conditioning örnek veriliyor; az sayıda contact veya pocket residue kullanmak bile antikor-antijen yapı tahmini doğruluğunu iki katına çıkarıyor
  • Bu tür girdiler laboratuvar deneylerinden gelebileceği için, yapay zeka tabanlı antikor mühendisliğini daha uygulanabilir hale getiriyor
• Modelin kapsamlı analizi teknik raporda incelenebilir

Ekip ve sonraki yön

• Chai Discovery ekibi, OpenAI, Meta FAIR, Stripe ve Google X gibi araştırma ve uygulamalı yapay zeka şirketlerinden gelen kişilerden oluşuyor
• Ekip üyelerinin önemli bir kısmı önde gelen ilaç geliştirme şirketlerinde Head of AI olarak görev yaptı ve toplamda 12'den fazla ilaç programının ilerlemesine katkı sağladı
• Chai-1, birkaç aylık yoğun çalışmanın sonucu ve Chai Discovery'nin daha geniş hedefi biyolojiyi bilimden mühendisliğe dönüştürmek
• Şirket, gelecekte biyokimyasal moleküller arası etkileşimleri tahmin eden ve yeniden programlayan yapay zeka tabanlı ek modeller geliştirmeyi planlıyor