狂揽5亿融资！OpenAI支持的AI制药黑马，AlphaFold3劲敌，零样本AI抗体模型轰动医药圈！

AI药物研发领域，又一家黑马公司诞生了！

就在今天，AI制药公司Chai Discovery宣布完成7000万美元（约合人民币5亿元）的A轮融资。

本轮融资由 Menlo Ventures 领投，新投资者 Yosemite、DST Global Partners、SV Angel、Avenir、DCVC 等也参与其中。

去年9月，公司成立6个月之时，就获得了 Thrive Capital、OpenAI和 Dimension 领投的3000万美元种子轮融资，估值达到了1.5亿美元。

不久之后，他们发布了Chai-1，也是诺奖团队成果AlphaFold3的第一个开源复现版本，由此进入了大众的视野。

上个月，在人工智能驱动的药物发现方面取得了进一步的飞跃，发布了零样本从头抗体设计模型Chai-2，平均成功率高达15.5%。

相比之下，以前计算方法的先进水平仅为 0.1%，Chai-2则实现了百倍成功率的提升，也让其获得了风投机构和行业的关注。

哈佛天才创业，成立最初不到10人

Chai Discovery 成立于2024年3月，总部位于美国加利福尼亚州旧金山，是一家致力于使用AI赋能药物开发的公司。

团队核心人物Joshua Meier，拥有哈佛大学计算机科学和化学本科双学位、计算机硕士学位。

图： Joshua Meier

2015年—2018年，他曾在全球基因编辑奠基人张锋实验室担任研究员，并开发了一套基于机器学习的可视化平台，用于设计CRISPR筛查实验。

随后，他又在OpenAI从事生成式大模型研究。2018年，他进入Meta-FAIR蛋白质小组，并一手搭建起蛋白质建模平台。

三年后，他加入了AI抗体研发公司Absci并担任首席AI官。Joshua Meier多年来累积的复合性科研和产业经验，成为其创业最重要的财富。

另一位联合创始人Jack Dent，此前则是知名金融科技Stripe工程和产品负责人，另外两位联合创始人 Jacques Boitreaud 和 Matthew McPartion 也都有资深的AI药物研发经验。

此外，团队还包括来自 Google X、OpenAI、Meta FAIR的成员，在 AI 驱动的药物发现领域共同推动了十余个药物项目的进展。

在获得首轮融资时，创始人表示公司的员工甚至不足10人，但他们有一个希望改变药物研发的理想。

在团队看来，当前药物的研发进展太慢了，受到昂贵的试错实验的阻碍。

首席执行官兼联合创始人Joshua Meier 表示：Chai Discovery的存在是为了突破该领域的可能性界限，应用前沿人工智能将生物学从科学转变为工程学，以便可以设计突破，而不是简单地发现突破。

Chai-2：零样本抗体发现，轰动医药圈

就是这样一家仅成立一年半的公司，却连续凭借模型上的成功引发业界关注，成为黑马AI制药企业。

去年9，公司发布多模态基础模型Chai-1，成为AlphaFold3的首个开源复现版本。

和AlphaFold3类似，Chai-1 专注于分子结构预测，能统一预测蛋白质、小分子、DNA、RNA、共价修饰等多种生物分子结构，并且在多个任务优于前者。

在蛋白质-配体复合物预测中的PoseBusters 基准测试中，Chai-1实现了77%的成功率，略高于AlphaFold3的76%。

此外，Chai-1不仅能够精准预测生物分子的三维结构，还支持输入实验约束数据（如交联质谱数据），从而在预测困难结合复合物时显著提升准确率。

图：各项测试中Chai-1与AlphaFold3、Rosetta的比较

Chai-1的发布，也让业内了解这家AI+药物研发初创公司。

今年6月30日，Chai Discovery推出Chai-2，这款多模态生成模型展现出强大的抗体设计能力，一经发布便引起巨大轰动。

Chai-2具备“零样本”（Zero-shot）蛋白质从头设计能力。这突破了传统方法依赖已知抗体结构模板的限制，显著提高了成功率。

什么是零样本抗体设计？

传统抗体药物设计通常需要大量实验方法，例如免疫或定向进化，才能够找到一个有效的抗体但仍然存在很大的局限性。

例如，靶向抗原上的特定表位仍然相当困难。大多数筛选活动只产生一个给定表位的结合物，并且很有可能不是治疗效果所需的表位。

而“零样本”设计是指模型仅凭其训练数据中的通用知识，就能够直接设计出有效的全新抗体，而无需针对特定靶点进行额外的训练或者大量实验。

数据显示，Chai-2从头设计抗体的平均成功率高达15.5%，相较此前仅0.1%的成功率，实现了百倍提升。

在52个不同目标的实验室验证中，Chai-2 实现了16%的抗体命中率和68%的小蛋白命中率，50%的目标（26/52）至少获得一个成功命中，表明了Chai-2的强大性能。

图：Chai-2针对52种抗原的测试结果，蓝色标注的方框代表在≤20个测试设计中至少有一个成功结合的靶点，占全部测试靶点的50%

这意味着，即使面对毫无实验数据的未知靶点（包括各类难成药靶点），Chai-2也能通过计算直接生成具有结合活性的新蛋白，为药物研发带来革命性机遇。

与此同时，这一突破使公司能够绕过分子发现中传统高通量筛选的需求，将命中发现的时间线从数月或数年压缩到两周。

Chai-2 成功的核心在于其多模态生成架构，并集成了全原子结构预测和生成建模。

这使得 Chai-2 能够跨多种模式（例如 scFv 抗体、纳米抗体 （VHH） 和微型蛋白等，设计新的蛋白质结合剂。

并且，Chai-2 设计新颖且多样，与现有抗体几乎没有相似性。Chai-2 还可以应用于更复杂的问题，例如工程抗体以对多个靶标产生交叉反应。

图：Chai-2的干湿实验流程以及成果

公司称，该模型的高成功率和广泛的泛化为快速、精确的原子级分子工程的新时代铺平了道路。

商业变现：Chai2不开源，寻求药企伙伴

在商业模式上，成立仅一年半，至今chai 的主要精力仍然放在模型开发上。

Chai-1推出后，公司发布了模型的权重和推理代码，可供非商业用途的软件库使用。

与此同时，Chai Discovery还推出了免费的Chai-1网页接口，允许商用药物研发团队测试该模型的预测功能。

此次成果也上线了网站，不过公司不打算开源Chai-2，只愿意向学术机构提供部分非商业用途。此外，Chai Discovery还表达了强烈的寻求合作伙伴的意向。

图：chai-2网页界面

本轮获得的7000万美元资金，也将用于进一步开发 Chai 平台，并且寻求合作伙伴。

也就是说，当初Chai-1的出现是为了对抗AlphaFold3闭源，但如今Chai-2出现革命性进展后，公司反倒不开源了。

这也无可厚非，毕竟作为一家商业机构，开源生态难以支撑AI模型与药物研发的高投入需求，而直接用于抗体生成的Chai-2也正在成为公司商业变现的基石。

公司还宣布，辉瑞前首席科学官 Mikael Dolsten 博士将加入公司董事会，也表明公司释放了向应用转化的信号。

相信不久的未来，我们即将听到公司宣布的一些好消息。

—The End—