Chai-2模型发布掀起“AI抗体设计”风暴

智慧芽生物医药2025年9Chai-2模型发布掀起“ AI抗体设计” 风暴月 BLE OF CONTENTA T CONTENT 第一章 引言----------------------------------------------------- 03 第二章 正文内容 --------------------------------------------------06 2.1 背景介绍2.2 抗体设计的扩散模型2.3 从头设计抗体的方法2.4 抗体优化设计的方法2.5 蛋白质通用设计扩散模型在抗体设计中的应用2.6 老子数据集在抗体抗原数据上的优势第三章 全文总结-------------------------------------------------21 第一章引言3 随着计算机算力和深度学习技术的迅速发展，尤其是生成式语言模型（如GPT系列）和表征式语言模型（如 BERT 系列）的出现，为抗体设计与优化提供了更为强大和高效的工具。同时，既往的抗体文库测序工作积累了大量序列数据。这些模型通过自监督学习大量抗体序列数据，挖掘潜在的抗体进化信息和共性特征，使得利用2025年6月30日，OpenAI支持的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。Chai-2能够在不依赖现有抗体或高通量筛选的情况下，完全零样本生成抗体，实现了两位数的成功率，较传统方法提高了100倍。将原本需要几个月时间的抗体从头设计工作压缩至两周以内，显著加速药物发现的进程。语言模型在抗体开发领域的潜在应用智慧芽《Chai-2模型发布掀起“ AI抗体设计” 风暴》2025年9月语言模型指导实验方法进行抗体开发成为可能。4随着语言模型辅助人工智能抗体设计与优化领域相关研究进展，出现大量有价值的研究成果。Bai和Chungyoun等提出抗体预训练语言模型构建、抗体序列生成以抗体三维结构预测为该领域的3个重要研究任务。 5在计算和AI领域，尤其是生成式扩散模型方面，已经开始着手解决这些难题，为抗体设计提供了新颖的方法。基于扩散的生成方法辅助抗体设计，包括从头设计抗体以及互补决定区（CDR）环的优化。Chai-2便是生成式扩散模型的一种，它采用全原子扩散模型+条件生成（抗原导向）的方式，从输入的已知靶点结构和表位残基开始，设计出特异性结合该表位的序列与全原子结构。智慧芽《Chai-2模型发布掀起“ AI抗体设计” 风暴》2025年9月 第二章正文内容6 2.1 背景介绍7 抗体是免疫系统抵御外来分子和病原体的重要组成部分，它们展现出极强且特异性的与抗原结合的能力。抗体已成为领先的治疗药物，一直位列畅销药品之列。抗体因其强大的识别和生成方法而成为独特的治疗药物。其良好的药代动力学、极低的毒性以及低免疫原性，再加上易于表达和纯化的特点，进一步使其脱颖而出。抗体分为五种不同的亚型：IgG、IgM、IgA、IgD 和 IgE。这些亚型在结构上各不相同，反映了它们在免疫反应中的特定作用。美国食品药品监督管理局（FDA）批准的单克隆抗体治疗药物中最常见的类别遵循 IgG 格式，由两条重链和两条轻链组成（图 1a）。重链包含一个可变区域（VH）和三个恒定区域（CH1、CH2、CH3），而轻链由一个可变区域（VL）和一个恒定区域（CL）组成。此外，这些区域根据功能被重新分类为片段。抗原结合片段（Fab）包含 VH、CH1、VL 和CL 区域。其余区域构成可结晶片段（Fc）。此外，重链和轻链的可变区域共同构成了可变片段（Fv），这是大多数抗体设计工作中主要关注的对象。每个 Fv 区域由三个高度变异性区域（也称为互补决定区，CDRs）组成。CDRs 使抗体对目标抗原的表位（即与抗体相互作用的精确区域）具有特异性。因此，CDRs具有高度的变异性（图 1b），并且在抗体设计中始终是重点关注的对象。图1a 抗体典型结构；图1b 4 种人源 IgG 抗体的重链和轻链序列比对智慧芽《Chai-2模型发布掀起“ AI抗体设计” 风暴》2025年9月 8传统的设计抗体的方法不仅成本高昂、耗时漫长，而且无法生成针对所需抗原表位的抗体。此外，通过亲和力成熟来优化现有抗体还会带来额外的问题，需要反复进行突变和筛选以获得具有更高亲和力的抗体，这一过程本质上是劳动密集型且缓慢的。计算技术可用于快速识别和优化高亲和力抗体。通常，抗体设计的计算技术包括基于自由能的传统方法以及数据驱动的方法。随着数据量的不断增加以及模型的不断进步，用于科学研究的人工智能（AI）发展迅速。具体而言，人工智能在蛋白质设计方面做出了重大贡献。传统的诸如自回归模型、变分自编码器（VAE）和生成对抗网络（GAN）等生成模型可应用于蛋白质设计。与文本生成任务类似，语言模型在蛋白质设计中得到了广泛