Chai-1 技术报告精读：多分子复合物预测的新路线

Chai-1（Chai Discovery，2024）与 Boltz-1 几乎同期发布，同样是 AlphaFold3 级的复合物预测模型。它的差异化在于更灵活的约束机制与对实验数据的整合能力。

能力概览

能力	说明
蛋白、DNA、RNA、小分子	统一建模
修饰残基与辅因子	支持
接触约束	指定残基对应该接近
口袋约束	指定配体的结合区域
无 MSA 模式	可以完全不用 MSA 运行
多次采样	输出多个候选结构

约束机制：把已知信息注入预测

# 这是 Chai-1 相对同类工作更强调的能力
#
# 可用的约束类型：
#   contact:  两个残基（或残基与配体原子）应该接近
#   pocket:   配体应结合在指定残基附近
#   bond:     共价连接
#
# 实际价值：
#   很多时候我们【已经知道部分信息】：
#     - 突变实验表明某残基对结合至关重要
#     - 交联质谱给出了残基对的距离约束
#     - 同源结构提示了结合位点
#     - HDX-MS 指出了界面区域
#     - 已知的药效团模式
#
#   把这些信息作为约束输入，
#   能显著提高预测质量 ——
#   尤其对模型本身不确定的体系
#
# 约束文件（CSV 格式）：
# restraints.csv:
#   chainA,res_idxA,chainB,res_idxB,connection_type,confidence,min_distance_angstrom,max_distance_angstrom
#   A,123,B,1,contact,1.0,0.0,8.0
#   A,145,B,1,contact,1.0,0.0,8.0

# 这个能力在实践中被低估：
#   纯从序列预测 vs 带实验约束预测，
#   后者的可靠性高得多

使用

pip install chai_lab

# 输入：FASTA 格式（用特殊的头部标记分子类型）
# input.fasta:
#   >protein|name=chain_A
#   MKTAYIAKQRQISFVKSHFSRQLEERLGLIEVQ
#   >ligand|name=lig
#   CC(=O)Nc1ccc(O)cc1
#   >rna|name=rna_chain
#   AUGCUAGCUAGC

from pathlib import Path
from chai_lab.chai1 import run_inference

output = run_inference(
    fasta_file=Path("input.fasta"),
    output_dir=Path("results/"),
    num_trunk_recycles=3,
    num_diffn_timesteps=200,
    seed=42,
    device="cuda:0",
    use_esm_embeddings=True,     # 用 ESM 表示替代 MSA
    # constraint_path=Path("restraints.csv"),   # 可选约束
)

# 输出：
#   pred.model_idx_0.cif ... 多个候选结构
#   scores.model_idx_0.npz   置信度（pTM、ipTM、pLDDT、PAE）

# 读取置信度
import numpy as np
scores = np.load("results/scores.model_idx_0.npz")
print("aggregate_score:", scores["aggregate_score"])
print("ptm:", scores["ptm"])
print("iptm:", scores["iptm"])

无 MSA 模式的意义

• 做法：用 ESM 蛋白语言模型的表示替代 MSA（原理见 116《ESMFold 论文精读》）；
• 速度优势：省去 MSA 搜索这个最耗时的步骤，从数十分钟压缩到秒级；
• 准确度代价：对有深 MSA 的蛋白，无 MSA 模式的准确度明显下降；
• 适用场景：
  • 批量筛选，需要极高吞吐；
  • 序列敏感，不能发送到外部 MSA 服务器；
  • 孤儿蛋白或人工设计蛋白，本来就没有 MSA；
  • 快速迭代阶段，先粗看再精算。
• 建议：关键预测仍应用 MSA 模式，无 MSA 模式用于粗筛。

许可：需要仔细核对

# Chai-1 的许可情况比 Boltz 复杂
#
# 代码：Apache 2.0
# 权重：有单独的许可条款
#
# 关键点：
#   - 学术与研究用途明确允许
#   - 【商业用途需要核对具体条款】
#     不同版本的条款可能不同
#   - 部分版本要求商用需联系 Chai Discovery
#
# 对比：
#   Boltz-1/2:  MIT，商用无任何限制（见 120、121）
#   Chai-1:     需核对当前条款
#   AlphaFold3: 明确禁止商业用途（见 113）
#
# 实践建议：
#   1) 在企业环境中使用前，让法务审阅当前的许可文本
#   2) 许可条款可能随版本变化 —— 每次升级都要重新确认
#   3) 如果只想避免这类不确定性，直接用 Boltz-2
#
# 这不是技术问题，但在产业环境中是实际的决策因素

Boltz 与 Chai 的选择

考量	Boltz-2	Chai-1
商用许可	MIT，最省心	需核对条款
亲和力预测	有	无
约束灵活性	口袋 + 共价键	接触约束更灵活
无 MSA 模式	需自行处理	原生支持
输入格式	YAML（结构化）	FASTA（简单）
结构准确度	两者接近，各基准互有胜负

实用建议：两个都装上，对关键体系都跑一遍。它们训练细节不同，结果一致时可信度显著提高；结果分歧时说明该体系本身难预测——这个交叉验证的价值超过纠结选哪一个。

使用中的共同注意事项

• 多次采样看一致性：单次预测不足以判断可靠性；
• 物理有效性检查：PoseBusters 必做（见 096《Binding Pose》）；
• 与传统对接交叉验证：原理不同，一致性有判别价值；
• 置信度指标的正确解读：ipTM 看界面，pLDDT 看局部，PAE 看相对位置；
• 不预测亲和力（Chai-1）：需要亲和力时用 Boltz-2 或 FEP。

延伸资源

• Boltz-1：120《Boltz-1 技术报告精读》；Boltz-2：121《Boltz-2 技术报告精读》；AlphaFold3：113《AlphaFold3 论文精读》；
• ESMFold：116《ESMFold 论文精读》；方法对比：346《比较 DiffDock、Vina、GNINA》。