药物发现迎来新一轮技术尝试
药物发现，即识别可用于开发新药的分子，被业内普遍视为耗时且复杂的过程。传统方法如高通量筛选成本高、效率有限，且结果具有较强随机性。近年来，一批生物技术初创公司开始引入人工智能和数据技术，试图在这一环节提速降本。
一年多时间完成多轮融资并跻身“独角兽”
成立于2024年的Chai Discovery，是这一趋势中的新进入者。公司由一批年轻联合创始人创立，在成立后一年多时间内即筹集到数亿美元资金，并获得硅谷多家具有影响力的风险投资机构支持。
2024年12月，Chai完成B轮融资，新增融资1.3亿美元，公司估值达到13亿美元。投资方之一General Catalyst董事总经理Elena Viboch在接受TechCrunch采访时表示，其认为采用Chai服务的生物制药企业将能够在分子推进至临床方面取得进展。
她称：“我们相信，最早与Chai等公司合作的生物制药公司，将率先将分子推向临床，并制造出有意义的药物。实际上，这意味着在2026年达成合作，并在2027年底看到首批创新药物进入临床试验。”
与礼来达成合作，聚焦抗体分子设计
上周五，Chai宣布与制药企业礼来达成合作协议。根据公告，礼来将使用Chai的软件支持新药研发。Chai的核心算法名为“Chai-2”，主要用于抗体分子的设计——抗体是机体对抗疾病所需的关键蛋白质。
Chai方面表示，希望其技术成为分子“计算机辅助设计套件”的一部分工具。礼来方面则通过内部项目TuneLab推进人工智能和机器学习在药物发现中的应用。
礼来TuneLab项目负责人Aliza Apple表示：“通过将Chai的生成设计模型与礼来深厚的生物制药专业知识和专有数据相结合，我们打算推动人工智能从一开始就设计更优分子的前沿，最终目标是帮助加速创新药物的开发，造福患者。”
在与Chai达成合作前不久，礼来刚宣布与英伟达合作，计划投资10亿美元在旧金山建设一个人工智能药物发现实验室。该项目被称为“共创实验室”，旨在结合大数据、计算资源和科学专长，加快新药开发进程。
行业分歧仍存，支持者与质疑者并行
尽管资本和大型制药企业持续布局，人工智能在药物发现领域的前景仍存在分歧。一些行业资深人士认为，考虑到传统药物开发本身的高难度，新技术对整体流程的影响可能有限。不过，支持者数量与质疑者大致相当。
General Catalyst的Viboch认为，技术在药物发现中的部署不存在“根本性障碍”。她表示，企业仍需对候选药物进行实验和临床试验，但采用相关技术的公司有望在压缩发现周期以及开发传统上较难攻克的药物类别方面获得优势。
从OpenAI办公室走出的团队
Chai成立时间虽短，其构想可追溯至约六年前。联合创始人之一Josh Meier曾于2018年在OpenAI的研究与工程团队工作。离开OpenAI后，OpenAI首席执行官Sam Altman联系了Meier在哈佛大学的同学Jack Dent，探讨潜在创业机会。
Meier和Dent在哈佛的计算机科学课程中相识。彼时，Dent在支付公司Stripe担任工程师，Altman是Stripe的早期投资者之一。Dent回忆称，Altman当时询问他，Meier是否愿意参与创办一家蛋白质组学公司，即专注蛋白质研究的企业。
Dent表示，他当时认为Meier会有兴趣，但存在一个关键问题：Meier认为当时相关技术尚不成熟。支撑此类公司的人工智能算法仍在早期发展阶段，距离满足需求还有差距。
其后，Meier选择加入Facebook的研究与工程团队，并参与开发了ESM1——首个变换器蛋白质语言模型。该模型被视为Chai当前工作的一个重要前身。离开Facebook后，Meier又在另一家以人工智能驱动药物开发的生物技术公司Absci工作了三年。
到2024年，Meier和Dent认为技术条件已具备，决定重启与Altman早先讨论的蛋白质组学创业计划。Dent表示：“Josh和我重新联系了Sam，告诉他我们应该从之前的对话继续——我们将一起创办Chai。”
OpenAI随后成为Chai的首批种子投资者之一。Meier和Dent与联合创始人Matthew McPartlon和Jacques Boitreaud一起，在OpenAI位于旧金山Mission区的办公室内创立了Chai。Dent称，OpenAI当时为他们提供了办公空间。
自研模型与团队扩张
在与礼来达成合作、公司快速扩张的背景下，Dent将Chai的成长归因于团队建设和技术路线。他表示，公司专注于推动模型能力边界，“我们代码库中的每一行代码都是自主研发的。我们没有直接使用开源生态系统中的大型语言模型并进行微调。这些都是高度定制的架构。”
在投资方看来，随着更多制药企业尝试将此类模型引入药物发现流程，相关技术的应用空间仍在打开。Viboch表示，尽管药物开发的实验和临床环节仍然不可或缺，但在早期分子设计阶段引入人工智能工具，可能为采用者带来时间和品类上的优势。
