Chai-1: Giải mã tương tác phân tử sinh học

Giới thiệu Chai-1: Giải mã tương tác của các phân tử sinh học

• Ra mắt Chai-1
  • Chai-1 là mô hình nền tảng đa phương thức mới, đạt hiệu năng hàng đầu trong nhiều tác vụ liên quan đến khám phá thuốc
  • Có thể dự đoán tích hợp protein, phân tử nhỏ, DNA, RNA, các biến đổi cộng hóa trị và hơn thế nữa
  • Được cung cấp miễn phí qua giao diện web và có thể dùng cho mục đích thương mại
  • Với mục đích phi thương mại, trọng số mô hình và mã suy luận được cung cấp dưới dạng thư viện phần mềm

Mô hình tối tân cho tương tác sinh phân tử

• Đánh giá hiệu năng
  • Đạt tỷ lệ thành công 77% trên benchmark PoseBusters (AlphaFold3 là 76%)
  • Đạt Cα LDDT 0.849 trên bộ dự đoán cấu trúc đơn phân protein CASP15 (ESM3-98B là 0.801)
  • Không cần multiple sequence alignment (MSA) mà vẫn duy trì hiệu năng cao ngay cả ở chế độ chuỗi đơn
  • Tỷ lệ dự đoán chính xác trong dự đoán cấu trúc đa phân cao hơn mô hình AlphaFold-Multimer (69.8% vs. 67.7%)
  • Có thể dự đoán cấu trúc đa phân chỉ với chuỗi đơn, đạt chất lượng ngang mức AlphaFold-Multimer

Mô hình nền tảng đa phương thức gốc

• Khai thác dữ liệu bổ sung
  • Có thể cải thiện hiệu năng bằng dữ liệu mới như các ràng buộc phát sinh từ phòng thí nghiệm
  • Khám phá nhiều tính năng như điều kiện hóa epitope, giúp tăng gấp đôi độ chính xác dự đoán cấu trúc kháng thể-kháng nguyên

Công bố mô hình

• Cung cấp giao diện web miễn phí
  • Có thể dùng cho mục đích thương mại
  • Với mục đích phi thương mại, mã được công bố dưới dạng thư viện phần mềm
  • Mang lại lợi ích cho toàn bộ hệ sinh thái thông qua hợp tác với cộng đồng nghiên cứu và công nghiệp

Bước tiếp theo

• Bối cảnh đội ngũ
  • Xuất thân từ các công ty AI nghiên cứu và ứng dụng hàng đầu như OpenAI, Meta FAIR, Stripe, Google X
  • Đóng vai trò quan trọng trong việc thúc đẩy nghiên cứu sinh học ứng dụng AI
  • Chai-1 là kết quả của vài tháng làm việc tập trung và hiện mới chỉ ở giai đoạn khởi đầu
  • Mục tiêu là chuyển sinh học từ khoa học sang kỹ thuật
  • Dự định tiếp tục phát triển các mô hình AI dự đoán và tái lập trình tương tác giữa các phân tử sinh hóa

Tóm tắt của GN⁺

• Chai-1 là công cụ quan trọng cho khám phá thuốc và nghiên cứu khoa học sự sống, thể hiện hiệu năng hàng đầu trong dự đoán cấu trúc của protein, phân tử nhỏ, DNA, RNA và nhiều thành phần khác
• Mô hình vẫn duy trì hiệu năng cao ngay cả khi không có multiple sequence alignment, đồng thời cho thấy kết quả xuất sắc trong dự đoán cấu trúc đa phân
• Thông qua hợp tác với cộng đồng nghiên cứu và công nghiệp, mô hình mang lại lợi ích cho toàn bộ hệ sinh thái, đồng thời cung cấp giao diện web miễn phí và thư viện phần mềm cho mục đích phi thương mại
• Với mục tiêu biến sinh học thành một lĩnh vực kỹ thuật, nhóm sẽ tiếp tục phát triển các mô hình AI để dự đoán và tái lập trình tương tác giữa các phân tử sinh hóa

[GN⁺]

Ý kiến Hacker News

• Sau vụ Reflection, đã xuất hiện sự nhiệt tình đối với các bài kiểm thử độc lập
• Mong rằng mọi người không chấp nhận nguyên xi các đánh giá SOTA
• Phát hiện Chai đã sao chép hàm quaternion từ pytorch3d để sử dụng
• Kiến thức về cấu trúc protein không phải là yếu tố hạn chế trong phát triển thuốc
  • Điều thú vị là ước lượng tác động của kết quả này lên pipeline phát triển thuốc
• Các thuật ngữ "foundation" và "multi-modal" chỉ xuất hiện trong phần tóm tắt bài báo
  • Sao chép phương pháp của AlphaFold và thêm embedding ngôn ngữ cùng các ràng buộc khác
  • Thiếu dữ liệu về mức cải thiện hiệu năng
• Biên độ sai số rất lớn
• Có rủi ro khi công khai
  • Có thể bị lạm dụng để phát triển vũ khí sinh học mới
• Tò mò không biết biohacker sẽ khó đến mức nào để phát triển protein mới
• Tiêu đề HN không chính xác
  • Điểm số cao hơn 1% không có nghĩa là đã đánh bại mô hình trước đó
• Nếu có kèo cược, thì có thể nghỉ hưu sớm
• Là tác giả của AutoDock Vina
  • Phần mềm docking cần khả năng khái quát hóa để tìm các chất kết hợp mới
  • Cách tiếp cận đánh giá không kiểm tra hiệu năng trên các phân tử mới
  • Việc phát hành Chai-1 sẽ giúp ích cho việc đánh giá phương pháp