BIO AI
A Chai Discovery kiadta a Chai-1 modellt a molekuláris szerkezet előrejelzésére
A Chai Discovery nevű AI startup megjelentette a Chai-1-et, egy nagyléptékű foundation modellt a molekuláris szerkezetek előrejelzésére. A Chai-1 számos opcionális bemeneti funkciót fogad, például nyelvi modell beágyazásokat (embeddings), szerkezeti sablonokat, genetikai keresést és laboratóriumi kísérleti adatokat, például tömegspektrometriával vagy epitóp-térképezéssel meghatározott érintkezési pontokat. A modell célja a sejtfolyamatok tudományos megértésének elősegítése, és végső soron az emberi egészség javítása a biológiai molekulák pontosabb modellezése révén.
- 77%-os sikert ért el a PoseBusters benchmarkon, szemben az AlphaFold3 76%-os eredményével.
- 0,849-es Cα LDDT értéket ért el a CASP15 fehérje monomer szerkezet-előrejelzési tesztjén, szemben az ESM3-98B 0,801-es értékével.
- A modell egy webes felületen keresztül érhető el nyilvános tesztelésre.
- A modell súlyait közzétették a GitHubon a kutatók számára.
- A modell többféle bemenetet támogat, beleértve a genetikai keresést és a laboratóriumi kísérleti adatokat is.
Miért fontos?
Néhány évvel ezelőtt a DeepMind lenyűgözte a világot az AlphaFolddal, egy olyan AI rendszerrel, amely kiválóan teljesített a fehérjeszerkezet-előrejelzésben. Mostanra több startup és vállalat is azon dolgozik, hogy ezt az erőteljes képességet kereskedelmi termékké alakítsa. A biológiai molekulák szerkezetének pontos megértése alapvető fontosságú a sejtfolyamatokkal kapcsolatos tudományos ismereteink bővítéséhez. ---