AI抗体设计新星崛起，Chai Discovery凭何跻身独角兽行列？

潘 展|整理

今年初，一家坐落于美国旧金山的AI生物制药新锐Chai Discovery与国际制药巨擘礼来公司正式缔结战略伙伴关系。

依据双方签署的协议，礼来将引入Chai Discovery自主研发的先进人工智能平台Chai-2，围绕多靶点开展创新性生物治疗药物的设计工作。作为回报，Chai Discovery将凭借礼来所掌握的海量专属数据资源，为其量身定制一款深度契合其药物研发业务链的专属AI模型。

Chai Discovery创立于2024年，是一家人工智能生物技术领域的初创企业，创始团队汇聚了曾任职于OpenAI与Meta的AI领域领军人物。企业早期致力于基础模型的构建，首代产品Chai-1已对外开源，旨在预测与重新设计生化分子间的相互作用关系。2025年6月，升级版Chai-2问世，业务重心转向单克隆抗体的研发领域。

此番合作的落地，充分印证了礼来对Chai系列模型在生物分子结构预测方面，特别是抗体设计领域突出表现的高度肯定。

Chai-2作为Chai Discovery推出的新一代计算机辅助抗体设计平台，具备以原子级精确度实现端到端类药物抗体生成能力。

区别于传统依赖计算模拟或高通量筛选的抗体发现模式，Chai-2能够直接完成全长IgG抗体的设计任务，在确保靶点结合力、结构保真度及可开发性等多重约束的前提下，显著压缩抗体发现的周期时长。

计算机虚拟抗体设计

该系统的技术内核在于将结构感知生成式模型与融入物理信息的评估算法有机结合，由此产生的抗体候选分子，其三维结合模式的预测结果可经由实验手段加以验证。冷冻电镜技术的验证数据表明，预测所得的抗体-抗原复合体结构与实验测定结果之间的匹配精度达到亚埃量级，设计抗体的整体均方根偏差（RMSD）值控制在0.41–1.7埃范围内；其中表位与互补位界面的精度同样达到亚埃级，重链互补决定区3（HCDR3）环的均方根偏差值低至0.26–0.39埃。这意味着自首轮设计迭代开始，即可对表位特异性相互作用形成高度可靠的判断。

冷冻电镜结构与计算机虚拟设计结构对比图

在结构精度的基础上，Chai-2进一步强化了抗体的治疗可开发性优化。平台会对设计抗体的各项生物物理参数进行全面评价，涵盖热稳定性、疏水特性、多反应活性及自缔合倾向等指标，评价基准参照临床阶段生物类似药的实验校准数据设定。

研究团队基于上述四项生物物理实验，将Chai-2设计的覆盖28种抗原的88个IgG抗体与20种临床阶段IgG生物类似药进行系统性比较分析。数据表明，逾85%的Chai-2 IgG抗体在至少三项可开发性指标中达到"绿色合格标准"，且所有抗体的Fab片段熔解温度均超过阈值（64℃），整体表现优于多数生物类似药对照样本。

上述结果意味着，绝大多数经Chai-2设计的抗体在可开发性特征方面，已能与已上市治疗性抗体比肩甚至超越，且无需经历反复的实验优化过程。

Chai-2设计的抗体

从功能维度审视，该平台将抗体设计的应用边界扩展至传统难成药靶点领域，涵盖G蛋白偶联受体（GPCRs）以及肽-主要组织相容性复合体（pMHC）复合物等类型。

Chai-2不仅能设计靶点结合分子，还可生成功能性GPCR激动剂及突变特异性pMHC抗体。针对6种G蛋白偶联受体靶点，Chai-2实现了100%的靶点命中成功率，且每个靶点仅需检验数十个设计分子即可，效率较传统方式提升百倍。针对KRAS G12V突变型pMHC靶点，Chai-2设计出的结合抗体亲和力达到纳摩尔级别，该抗体对单氨基酸突变及人类白细胞抗原（HLA）等位基因均表现出高度特异性，性能大幅领先于既往报道的计算设计pMHC抗体。这一能力充分展现了平台对抗体结合构象及分子识别机制的精细化掌控水准。

上述多元功能的有机整合，确立了Chai-2作为可编程抗体工程平台的战略定位，有效弥合了计算设计与治疗应用可行性之间的技术断层。

Chai Discovery当前研发管线聚焦于传统认知中"难以成药"的挑战性靶点，现阶段尚无药物推进至Ⅱ/Ⅲ期临床阶段。

Chai Discovery研发管线

公司自创立以来，凭借模型的卓越性能与高效的研发节奏迅速赢得资本市场认可，与Google DeepMind旗下的AlphaFold等行业标杆形成正面竞争态势。

2025年12月，公司顺利完成1.3亿美元B轮融资，推动企业估值攀升至13亿美元，正式跻身"独角兽"企业阵营。

参考链接

https://www.chaidiscovery.com/news/chai-2-mab