인공지능을 활용한 단백질 설계의 혁신에도 불구하고, 기능적인 항체를 처음부터 신뢰성 있게 설계하는 것은 여전히 해결되지 않은 과제였다. 최근 연구들은 가능성을 보여주고 있지만, 여전히 수천에서 수백만 개의 설계를 대규모 실험 스크리닝을 통해 신뢰성 있게 성공적인 후보물을 찾는 것이 필요하다. 본 연구에서는 완전히 de novo 항체 설계에서 16%의 성공률을 달성한 다중 모드 생성 모델인 Chai-2를 소개한다. 이는 이전의 계산 방법에 비해 100배 이상 향상된 결과이다. 우리는 Chai-2에게 52개의 다양한 표적에 대해 ≤20개의 항체 또는 나노항체를 설계하도록 요청하였으며, AI 설계부터 실험실 검증까지 약 2주 만에 작업 흐름을 완료하였다. 특히, 이러한 표적 중 어느 것도 Protein Data Bank(단백질 데이터베이스)에 사전에 존재하는 항체 또는 나노항체 결합자가 없었다. 놀랍게도, 단 한 번의 실험 테스트에서 표적의 50%에 대해 적어도 하나의 성공적인 후보물이 발견되었으며, 종종 강력한 결합력과 유리한 약물 특성을 보였다. 항체 설계뿐만 아니라, Chai-2는 미니단백질 설계에서도 실험실 검증 성공률 68%를 달성하여 일반적으로 피코몰(Picomolar) 수준의 결합력을 가진 후보물을 제공한다. Chai-2의 높은 성공률은 새로운 항체를 약 2주 안에 신속하게 실험 검증하고 특성을 분석할 수 있게 하며, 이를 통해 원자 수준에서 분자 공학을 빠르고 정확하게 수행할 수 있는 새로운 시대가 열릴 것으로 전망된다.