米Chai DiscoveryのChai-1は、タンパク質や核酸、低分子などの生体分子複合体の構造を予測するAIモデルで、2024年10月に技術報告とともに公開された。実験で得た拘束条件を入力に反映できる点を特徴とし、Boltz-1と並んで、複合体予測のオープン化を進めたモデルとして位置付けられる。精度の優劣は評価条件によって変わるため、特定ベンチマークの順位だけで判断しないことが重要である。

Chai-1とは：条件付けできる複合体構造予測モデル

Chai-1はマルチモーダルな基盤モデルとして設計され、配列や構造情報に加え、実験由来の拘束（例えば架橋実験の結果など）を条件として与えると、それに沿った予測を出すことができると説明される。これは予測を一方通行にせず、実験側の知見を組み込む設計で、構造生物学の実務に近い発想である。開発元のChai DiscoveryはAI創薬のスタートアップで、モデル公開と事業開発を並行させる戦略を取ってきた。

Chai-1の評価と位置付け：Boltz-1等とのオープン化競争

評価では、タンパク質と低分子の複合体予測などで高い水準が報告されたが、比較対象のモデルやデータセットの選び方によって順位は入れ替わる。2024年後半はBoltz-1など複数のオープンモデルが相次ぎ、コミュニティによる第三者評価が進んだ時期でもある。利用者にとっての実質は、単一モデルの選択ではなく、自社標的での小規模検証を複数のモデルで回し、実験結果と照らして選ぶ運用である。

オープン予測モデルの使い方：検証と知財の確認

知財と運用の注意点も共通している。公開モデルのライセンス条件、学習に使われたデータの制約、そして予測結果を特許出願や論文に使う際の開示の扱いを確認する必要がある。日本の大学発スタートアップにとって、オープンモデルの存在は参入障壁を下げる一方、差別化は実験データと検証速度へ移ることを意味する。情報は2024年10月の技術報告に基づく。

創薬・構造生物学の研究者は、拘束条件付き予測が自らの実験系に合うかを試す価値がある。起業家は、基盤モデルが無償化する領域でどこに付加価値を作るかという問いを、この事例から学べる。

あわせて読みたい

「AlphaFold 3：タンパク質だけでなく、薬との結びつきまで予測する」 https://seed.aohalab.ai/#/article/61

「ノイズからタンパク質を彫り出す：RFdiffusion論文」 https://seed.aohalab.ai/#/article/70

出典：Chai Discovery「Chai-1: Decoding the molecular interactions of life」（2024年10月、技術報告） https://www.chaidiscovery.com/blog/introducing-chai-1

本記事で紹介した内容は2026年11月時点の公表情報に基づきます。最新の内容は出典の一次情報をご確認ください。