chai

Chai-1 结构预测

前提条件

要求	最低配置	推荐配置
Python	3.10+	3.11
CUDA	12.0+	12.1+
GPU 显存	24GB	40GB（A100）
内存	32GB	64GB

运行方法

第一次使用？ 请参阅入门指南，了解如何设置 Modal 和 biomodals。

选项 1：Modal

cd biomodals
modal run modal_chai1.py \
  --input-faa complex.fasta \
  --out-dir predictions/

GPU：A100（40GB） | 超时：默认 30 分钟

选项 2：Chai API（推荐）

pip install chai_lab

python -c "
import chai_lab
from chai_lab.chai1 import run_inference

# Run prediction
run_inference(
    fasta_file='complex.fasta',
    output_dir='predictions/',
    num_trunk_recycles=3
)
"

选项 3：本地安装

git clone https://github.com/chaidiscovery/chai-lab.git
cd chai-lab
pip install -e .

chai-lab predict \
  --fasta complex.fasta \
  --output predictions/

FASTA 格式

蛋白质复合物

>binder
MKTAYIAKQRQISFVKSHFSRQLE...
>target
MVLSPADKTNVKAAWGKVGAHAGE...

蛋白质 + 配体

>protein
MKTAYIAKQRQISFVKSHFSRQLE...
>ligand|smiles
CCO

蛋白质 + DNA/RNA

>protein
MKTAYIAKQRQISFVKSHFSRQLE...
>dna
ATCGATCGATCG

关键参数

参数	默认值	范围	说明
num_trunk_recycles	3	1-10	循环次数（越多越好）
num_diffn_timesteps	200	50-500	扩散步数
seed	0	int	随机种子

输出格式

predictions/
├── pred.model_idx_0.cif    # Best model (CIF format)
├── pred.model_idx_1.cif    # Second model
├── scores.json             # Confidence scores
├── pae.npy                 # PAE matrix
└── plddt.npy               # pLDDT values

注意：Chai-1 输出 CIF 格式。需要时可转换为 PDB：

from Bio.PDB import MMCIFParser, PDBIO
parser = MMCIFParser()
structure = parser.get_structure("pred", "pred.model_idx_0.cif")
io = PDBIO()
io.set_structure(structure)
io.save("pred.model_idx_0.pdb")

提取指标

import numpy as np
import json

# Load scores
with open('predictions/scores.json') as f:
    scores = json.load(f)

plddt = np.load('predictions/plddt.npy')
pae = np.load('predictions/pae.npy')

print(f"pLDDT: {plddt.mean():.3f}")
print(f"pTM: {scores['ptm']:.3f}")
print(f"ipTM: {scores.get('iptm', 'N/A')}")

使用场景

结合剂验证

# Predict complex with Chai
chai-lab predict --fasta binder_target.fasta --output val/

# Check ipTM > 0.5
scores = json.load(open('val/scores.json'))
if scores['iptm'] > 0.5:
    print("Design passes validation")

蛋白质-配体复合物

# FASTA with SMILES
fasta = """
>protein
MKTA...
>ligand|smiles
CCO
"""

# Chai handles both protein and small molecules

批量预测

# Multiple sequences
for fasta in sequences/*.fasta; do
    chai-lab predict \
        --fasta "$fasta" \
        --output "predictions/$(basename $fasta .fasta)"
done

与 AF2 的比较

方面	Chai-1	AlphaFold2
是否需要 MSA	否	是
小分子	是	否
DNA/RNA	是	有限
速度	更快	更慢
准确度	相当	参考标准

示例输出

成功运行

$ chai-lab predict --fasta complex.fasta --output predictions/
[INFO] Loading Chai-1 model...
[INFO] Running inference...
[INFO] Saved 5 models to predictions/

predictions/scores.json:
{
  "ptm": 0.82,
  "iptm": 0.71,
  "ranking_score": 0.76
}

良好输出的表现：

• pTM：> 0.7（全局结构可信）
• ipTM：> 0.5（界面可信；> 0.7 表示高度可信）
• CIF 文件中的原子位置合理

决策树

Should I use Chai?
│
├─ What are you predicting?
│  ├─ Protein-protein complex → Chai ✓ or ColabFold
│  ├─ Protein + small molecule → Chai ✓
│  ├─ Protein + DNA/RNA → Chai ✓
│  └─ Single protein only → Use ESMFold (faster)
│
├─ Need MSA?
│  ├─ No / want speed → Chai ✓
│  └─ Yes / want accuracy → ColabFold
│
└─ Priority?
   ├─ Highest accuracy → ColabFold with MSA
   ├─ Speed / no MSA → Chai ✓
   └─ Ligand binding → Chai ✓

典型性能

项目规模	耗时（A100）	费用（Modal）	备注
100 个复合物	30-60 分钟	~$10	标准验证
500 个复合物	2-4 小时	~$45	大型项目
1000 个复合物	5-8 小时	~$90	全面分析

每个复合物：典型的结合剂-靶标复合物约需 20-40 秒。

---

验证

find predictions -name "*.cif" | wc -l  # Should match input count

---

故障排除

pLDDT 较低：增加 num_trunk_recycles
ipTM 较低：检查链顺序和界面区域
OOM 错误：使用 A100-80GB 或减小批次
预测较慢：减少 num_diffn_timesteps

错误解读

错误	原因	解决方法
RuntimeError: CUDA out of memory	复合物过大	使用 A100-80GB 或拆分预测
KeyError: 'iptm'	预测结果为单链	确保 FASTA 包含多条链
ValueError: invalid SMILES	配体格式错误	使用 RDKit 验证 SMILES
torch.cuda.OutOfMemoryError	GPU 显存耗尽	将 num_diffn_timesteps 减少到 100

---

下一步：使用 protein-qc 进行筛选和排序。