Chai Discovery

8月6日，旧金山，预测和重新编程生化分子之间相互作用以加速改变生命的疗法的人工智能公司Chai Discovery宣布完成7000万美元的A轮融资。 此次融资由Menlo Ventures领投，包括他们的Anthology Fund的投资，Anthropic与该基金合作旨在识别和支持有前景的人工智能公司，新投资者Yosemite、DST Global Partners、SV Angel、Avenir、DCVC等也参与其中，还包括现有投资者Thrive Capital、OpenAI、Dimension、Neo、Lachy Groom和Fred Ehrsam的支持。 Chai Discovery首席执行官兼联合创始人Joshua Meier表示：“改变游戏规则的药物和治疗进展太慢，受到昂贵的试错实验的阻碍。Chai Discovery的存在是为了突破这一领域的可能性，应用前沿人工智能将生物学从科学转变为工程，从而可以设计突破，而不仅仅是发现突破。” Chai由Joshua Meier（前人工智能药物发现公司Absci；Facebook AI；OpenAI）、Jack Dent（前Stripe工程师和产品负责人）以及人工智能研究人员Matthew McPartlon和Jacques Boitreaud于2024年创立。辉瑞前首席科学官Mikael Dolsten博士，负责将150种分子推进临床试验并导致36种获批药物，即将加入公司董事会。 Dolsten博士表示：“我很自豪能加入Chai Discovery，将生物学从科学重新定义为工程学。这将是一次令人难以置信的旅程，有一支令人难以置信的团队。” 去年，Chai Discovery完成了由Thrive Capital、OpenAI和Dimension领投的3000万美元种子轮融资。不久之后，他们发布了Chai-1，这是一个用于分子结构预测的开源基础模型，具有最先进的性能。 上个月，该团队公布了AI驱动的药物发现的进一步飞跃，他们的Chai-2突破提供了完全从头开始的抗体设计，命中率接近20%。相比之下，传统的基于实验室的方法通常必须筛选数百万到数十亿的抗体才能找到目标，而之前计算方法的最新水平仅为0.1%。 当只输入靶抗原和表位时，Chai‑2可以从头开始生成针对各种靶的成功结合物。这意味着研究目标抗原，一种特定的致病蛋白，如病毒或癌症类型的科学家，可以使用Chai-2从头开始设计全新的抗体，这些抗体可以击中正确的位置。 联合创始人Matthew McPartlon表示：“在Chai-2之前，这个过程与在一大堆钥匙中寻找适合锁的钥匙没有什么不同，但有数百万把钥匙。现在，这就像让一位锁匠根据你对锁的描述，设计出形状完全正确的钥匙。一家公司花了三年多的时间和500多万美元来解决一个问题。有了Chai-2，我们能够在两周内找到一个经过实验验证的解决方案。” 这笔资金将用于进一步开发Chai平台，将其应用于以前无法访问的靶点，并引入选定的合作伙伴。 Menlo Ventures合伙人Greg Yap表示：“Chai是一个杰出的技术团队，为生物学建立基础模型，以改变药物发现。Chai-2在抗体设计方面取得了惊人的进展，我们看到生物技术行业中有相当一部分人已经申请了Chai-2的使用权。在Menlo，我们对人工智能基础模型和技术支持的生物学进行了深入投资——我们相信Chai可以帮助更快地创造更好的药物。” 关注下方公众号，带你看世界!

Chai Discovery, which is developing AI models for drug discovery and design, raised $70 million in a series A on Wednesday. The startup will use the funding to expand on the functionality of its Chai platform, particularly in regards to targets that have been historically difficult to drug. Menlo Ventures led the round, which saw participation from other new investors Yosemite, DST Global Partners, SV Angel, Avenir and DCVC. Several existing backers also contributed, including Thrive Capital, OpenAI and Dimension— which led Chai's $30-million seed round last year — along with Lachy Groom and Fred Ehrsam.The financing comes a little over a month after Chai pulled back the curtain on its latest model, Chai‑2, which was able to design antibodies, fully from scratch, with a near-20% hit rate. According to the company, this far exceeds the 0.1% rate seen with some computational models, which often have to screen millions to billions of antibodies to find hits."Before Chai-2, the process was not unlike searching a giant bunch of keys for the right fit for a lock — but there are millions of keys," said Matthew McPartlon, Chai co-founder. "Now, it’s like having a master locksmith design exactly the right shape key, based only on your description of the lock."Chai said that even when only the target antigen and epitope are input to Chai-2, the model can generate accurate binder hits across a multitude of targets. In regards to drug development, the company predicts that Chai-2 will be able to design de novo antibodies that can precisely target a disease-causing protein. In conjunction with the financing, Greg Yap, a partner at Menlo Ventures, and Mikael Dolsten, Pfizer's former chief scientist, will join Chai's board. "Chai-2 demonstrates amazing progress in antibody design, and we have seen a meaningful fraction of the biotech industry already apply for Chai-2 access," Yap said. "We believe Chai can help create better medicines faster."

➛ 谷歌 AI 制药迎来关键节点：抗癌药物将开展首次人体试验 7 月 7 日，《科创板日报》消息称，Isomorphic Labs 总裁兼谷歌 DeepMind 首席商务官 Colin Murdoch 透露，Isomorphic Labs 由 AI 设计的药物准备启动首次人体试验。该公司利用 AI 技术辅助开发抗癌药物，“下一个重要里程碑就是药物进入临床试验阶段，即将用于人体测试”。Isomorphic Labs 于 2021 年由谷歌 DeepMind 分拆而来，源于 DeepMind 知名突破研究 AlphaFold。 AlphaFold 模型是 DeepMind 开发的用于预测蛋白质三维结构的 AI 工具。去年更新的三代模型 AlphaFold 3，被称为 “革命性模型”，能以前所未有的准确度预测所有生命分子的结构和相互作用。去年，Isomorphic 与诺华和礼来签署重要研究合作协议，既支持制药公司现有药物项目，也在肿瘤学、免疫学等领域设计内部候选药物并在早期试验后授权出去。 对于制药公司，研发新药投入巨大，且药物试验成功率仅10%，而 Isomorphic 的技术有望大幅提高这一成功率。当下 AI 技术在医药领域应用广泛，产业合作热度上升。比如晶泰科技与 DoveTree LLC 签署合作意向书，利用 AI 药物发现平台，针对肿瘤、自身免疫性疾病及神经疾病领域靶点，发现和开发小分子及抗体类候选药物；阿斯利康在 6 月与石药集团基于 AI 制药展开合作，针对高优先级靶点，推进新型口服候选药物的发现与开发。数据显示，2025 年第一季度，至少有 14 家 AI 公司获得 MNC 药企融资或与之开展合作。AI 通过分析海量生物医药数据，识别潜在药物靶点，辅助药物分子设计，利用机器学习算法预测化合物结构、活性及毒性，快速筛选临床潜力候选药物，缩短研发时间。近几年，跨国药企通过多种模式加速与 AI 制药企业融合，万联证券指出，药企支付高额预付款，显示 AI 生成分子可信度提升，合作共担风险推动 AI 制药从 “概念” 走向 “现金流”。 ➛ 2025 世界人工智能大会：AI 虚拟疾病生物学家“元生”发布，攻克药物靶标发现难题 东方网 7 月 28 日报道，在药物研发中，靶标发现至关重要，然而全球超 90% 的候选药物折戟临床试验，近半数失败可追溯至靶标选择缺陷。在 2025 世界人工智能大会的 “人工智能医药研发新模式与新机遇生态论坛” 上，临港实验室发布 AI 虚拟疾病生物学“元生”（OriGene），刷新多项纪录，破解药物靶标发现难题。 在 AI 普及前，靶标发现依赖经验丰富的疾病生物学家研读文献、挖掘分析组学数据，再经多轮实验验证生物假设。而“元生”能攻克靶标发现的高度复杂性，协调多个专业智能体，对多组学信息、临床数据和文献专利证据等多模态数据进行推理，系统化、大规模地识别原创性治疗靶标。“元生”系统以专业疾病生物学家的思维模式与分析方法为核心设计理念，像疾病生物学家一样“思考、工作和成长”，通过自我进化框架，持续吸收人类专家和湿实验反馈，迭代优化核心分析流程和工具组合，提升精度与效率。 研发团队与中山医院合作，围绕肝癌与结直肠癌测试“元生”提出原创靶标的能力。在肝癌治疗研究中，“元生”系统锁定 G 蛋白偶联受体 GPR160 为关键靶标，并自主完成全链条验证：临床数据分析显示 GPR160 在肝癌组织表达量较正常肝组织提升，高表达患者无复发生存率显著降低；实验验证其小分子抑制剂对 Huh-7 细胞系具有强效抑制作用；实验结果还显示，该靶标阻断可激活 T 细胞免疫应答，揭示“直接杀伤 + 免疫调节”双效机制，可能是全新的免疫检查点，在 3 例患者来源肿瘤片段模型、12 例患者来源类器官中均观察到显著抑瘤效果，为肝癌精准治疗开辟新路径。 针对结直肠癌治疗瓶颈，“元生”从竞争靶标中智能优选精氨酸酶 ARG2。临床证据显示 ARG2 在癌组织特异性高表达，系统自主设计验证闭环：首轮在 HCT116 细胞系确认抑制剂的剂量依赖性抑制，继而根据反馈自主升级实验方案，在 4 例转移性患者 PDO 模型中实现强效的抑瘤响应，为结直肠癌靶向治疗转化扫清关键障碍。“元生”系统已具备在科学家和实验迭代反馈下发现原创靶标的能力，未来研发团队将拓展合作、强化内核，将其打造成药物研发中担当重任的“虚拟疾病生物学家”，持续产出高价值靶标，为新药研发注入“靶标活水”。 ➛ AI 助力抗体发现取得革命性进展，Chai-2 模型成果显著 近日，ChaiDiscovery 公司宣布其推出的 AI 模型 Chai-2 在抗体发现领域取得革命性进展。据 21 世纪经济报道，一位科学家通过该 AI 系统，数小时内攻克曾耗资 500 万美元的抗体设计难题，而传统研发方法需数月乃至数年。最新数据显示，Chai-2 在仅需 10 元的实验板上，以 16% 的命中率成功发现抗体，展现出在抗体研发中的潜力与价值，为生物制药行业带来新可能。 Chai-2 是 Chai Discovery 开发的多模态生成式 AI 模型，专注分子结构预测与设计。与传统抗体发现方法（动物免疫或高通量筛选）不同，它无需现有抗体模板或大规模实验筛选，仅通过目标抗原和表位信息就能从零设计抗体的互补决定区（CDR）。在对 52 个全新抗原靶点测试中，Chai-2 在仅测试 20 个设计的情况下，成功率为 16%-20%，50% 的靶点至少获得一个有效结合物，远超传统 AI 方法 0.1% 的成功率。行业机构分析认为，Chai-2 的突破是 AI 在药物研发领域的里程碑，预示着生物学向工程化转型。未来，随着 Chai-2 在制造可行性、药代动力学等领域优化，AI 驱动的药物研发有望实现“一次设计即成”目标，为癌症、自身免疫疾病及感染性疾病等领域带来革命性进展。 ➛ AI 赋能神经系统疾病研究，Cognition Therapeutics 临床试验取得进展 Cognition Therapeutics 宣布在神经系统疾病临床试验方面取得重大进展，特别是在阿尔茨海默病和干性年龄相关性黄斑变性（AMD）研究方面。其针对早期阿尔茨海默病的二期 START 研究入组率超 50%，目标是纳入多达 540 名个体。该试验获国家老龄化研究所 8100 万美元资助，同时评估药物 Zervimesine 在干性 AMD 治疗中减少病变生长的潜力。针对继发于干性 AMD 的地理性萎缩的二期 MAGNIFY 试验报告显示，与安慰剂相比，Zervimesine 减缓了病变生长 28.6%，并减少了病变大小 28.2%。 Cognition Therapeutics 公司首席执行官 Lisa Ricciardi 指出，在阿尔茨海默病等疾病研究中，AI 技术能帮助识别和分析生物标志物，实现精准医学方法。神经系统疾病曾是研发 “黑洞”，AI 技术的突破有望带来曙光。 ➛ AI 蛋白质设计平台升级，加速生物制药与生物制造产业发展 在 2025 世界人工智能大会上，据封面新闻 7 月 27 日消息，AI 蛋白质设计公司分子之心展示了全新升级的 AI 蛋白质优化与设计平台 MoleculeOS，以及面向生物制药、生物制造产业的数十项解决方案。MoleculeOS 集成多模态 AI 蛋白质基础大模型 NewOrigin（达尔文）等十余项 AI 蛋白质预测、优化、设计技术，并融合分子动力学、量子化学等科学计算方法。在蛋白质设计上，分子之心实现超高精度的分子动态结构预测和蛋白质动态设计，分子模拟精度达工业级水平。MoleculeOS 将多种 AI 算法封装成自动化流程，沉淀药物设计、酶设计工作流和解决方案，已在多个产业项目中得到验证，可针对创新药设计、合成生物学等真实产业应用需求，“一键即达”定制具备特定功能的蛋白质。此外，MoleculeOS 拥有对话式的 AIAgent，让生物学家无需 AI 背景，通过与 AI 对话就能快速、精准地设计出高价值分子。 以往科学家在实验室通过实验筛选进行蛋白质设计，耗时耗力且成功率低。如今在 AI 赋能下，这些产业痛点正逐步解决。“AI 设计 + 少量实验验证”的生成生物学新方法，大幅减轻生物学家操作负担，提升研发效率，基于 AI 设计的高价值分子也提高了研发成功率。 ➛ AI 算力助力复旦医学科研突破，阿尔茨海默病早筛早诊检测试剂年内上线 中新网上海 7 月 19 日消息，复旦大学在医学领域取得突破性成果，阿尔茨海默病（AD）早筛早诊检测试剂将于今年末上线各大医院和体检中心，此前还发现了帕金森病（PD）全新治疗靶点。这些研究由复旦大学与阿里云等联合打造的 CFFF 平台提供 AI 算力支持。 复旦大学附属华山医院郁金泰教授表示，生物医药大数据需要强大算法、算力及新算法支撑。2023 年，中国高校最大云上科研智算平台 CFFF 上线，借助阿里云技术形成“超级计算机”。其中，阿里云乌兰察布数据中心为科研项目提供超千卡并行智能计算，支持千亿参数大模型训练。郁金泰教授团队依托 CFFF 平台实现提前 15 年预测阿尔茨海默病发病风险，精度超 98.7%，成果发表于《自然》杂志；还发现帕金森病全新治疗靶点，利用 AI 筛选出候选药物，研究成果登上《细胞》《自然》等国际顶刊。 阿尔茨海默病和帕金森病是严重威胁人类健康的神经退行性疾病，早期预警与精准干预至关重要。传统研究手段处理数据少、耗时久、效率低。CFFF 平台建成后，科研人员用“数据 + 算法”替代传统“假设驱动”模式，可在更短时间处理更多数据。在阿尔茨海默病领域，郁金泰团队测试 6361 余种脑脊液蛋白质组学数据，利用 AI 算力筛选出 5 种关键蛋白质，将诊断准确性提高到 98.7%。在帕金森领域，借助 AI 算力和大模型技术，团队得以在所有基因中筛选潜在靶点，预测蛋白结构并虚拟筛选小分子化合物，5 年内完成原本需几十年的工作。目前，阿里云 AI 基础设施支撑 CFFF 平台全面升级，提供多学科模型和科学数据集开放使用，助力发表多篇高水平论文。 本文仅用于学术分享，转载请注明出处。若有侵权，请联系微信：bioonSir 删除或修改！