MIT představuje model CheMeleon pro predikci molekul při nedostatku dat

MIT News 6. listopadu 2026 podrobně představilo model CheMeleon, open-source základní model pro molekulární predikci, který předpovídá chemické vlastnosti v situacích, kdy je k dispozici jen málo experimentálních dat pro konkrétní úlohu. Vyvinuli jej výzkumníci z MIT a BASF a jeho cílem je pomáhat určovat priority při výběru molekul pro vývoj léčiv a materiálů.

Recenzovaný článek, na němž je model založen, vyšel ještě před jeho představením. Online byl publikován 7. srpna 2026 a následně se objevil v čísle časopisu Journal of Chemical Information and Modeling z 14. září 2026; jeho starší verze byla online už od roku 2025.

Jednou z cílových úloh je odhad afinity ligandu k nedávno objevenému buněčnému cíli pro léčiva. Výzkumníci mají k této sledované vlastnosti jen málo naměřených hodnot a musí rozhodnout, které sloučeniny stojí za syntézu a testování. Úkolem CheMeleonu je zúžit okruh kandidátů, nikoli dokonale předpovídat chování molekul.

Předtrénování na vypočtených deskriptorech

CheMeleon byl předtrénován na přibližně milionu molekul z databáze PubChem a zhruba 1 600 molekulárních deskriptorech, které chemici vyvíjeli po několik desetiletí. Cílové hodnoty pro trénování byly vypočteny, nikoli převzaty z publikované experimentální literatury; patřila mezi ně například molekulová hmotnost a počet atomů kyslíku. Toto učení s učitelem využívá vypočitatelné deskriptory s nízkou mírou šumu k vytváření molekulárních reprezentací, které lze přenést na další úlohy.

Stejný předtrénovaný model lze následně doladit na malém množství dat specifických pro danou úlohu a předpovídat tak vlastnosti, jako jsou rozpustnost, viskozita, biologická aktivita nebo reaktivita vůči určitému proteinu či enzymu. CheMeleon je základní model s přibližně 10 miliony parametrů, vyvinutý pro neuronové sítě s orientovaným předáváním zpráv.

Postgraduální student MIT Akshat Shirish Zalte tento přístup srovnal s klasickými modely založenými na odborných znalostech, v nichž specialisté ručně zakódují, jak mohou deskriptory, jako jsou velikost molekuly, její větvení nebo objemnost, souviset s určitou vlastností, například rozpustností. CheMeleon se místo toho během předtrénování učí obecné chemické vztahy, takže síť nemusí při každé nové úloze začínat od nuly.

Výsledky srovnávacích testů a uváděné využití

Výzkumníci vyhodnotili CheMeleon na 58 srovnávacích datových sadách, které zahrnovaly vlastnosti důležité pro vývoj léčiv z malých molekul a pocházely z průmyslové iniciativy Polaris zaměřené na srovnávací testování. Podle statistických srovnání uváděných autory překonal CheMeleon klasické základní modely, včetně náhodného lesa využívajícího molekulární otisky a deskriptory, i stávající základní modely.

William Green, profesor chemického inženýrství na MIT, jehož profesura nese jméno Hoyta Hottela, uvedl, že model výrazně snižuje počet molekul, které je třeba experimentálně testovat, aby bylo možné přesně předpovídat vlastnosti nových sloučenin. Tuto výhodu spojil s časovou náročností a náklady na syntézu a testování.

Green uvedl, že devět z 20 nejlepších účastníků soutěže OpenADMET, která se konala začátkem roku 2026, použilo CheMeleon v pracovních postupech pro předpovídání vlastností molekul, které dosud nebyly syntetizovány.

MIT uvedlo, že model pravidelně využívá několik farmaceutických společností. Green řekl, že nejméně jedna nejmenovaná společnost zaměstnancům nařídila, aby při modelování jakékoli vlastnosti začínali s CheMeleonem.

Volná dostupnost a praktická omezení

CheMeleon i jeho rámec pro předtrénování jsou open-source a uživatelé si mohou model stáhnout a doladit prostřednictvím ChemProp, softwaru vyvíjeného a spravovaného Greenovou skupinou. Na projektu spolupracují také výzkumníci MIT z oboru chemického inženýrství a vědci společnosti BASF SE Jochen Sieg, Christian Feldmann a Miriam Mathea v Německu.

Pro výzkumné týmy zabývající se objevováním nových látek spočívá praktický přínos v opakovaně použitelném výchozím bodě pro situace, kdy je pro novou vlastnost k dispozici jen málo přímo relevantních trénovacích dat. Uváděné výsledky srovnávacích testů a počáteční rozšíření modelu ukazují, že CheMeleon překročil rámec jediné laboratorní demonstrace, jeho úloha však nadále spočívá v určování priorit: sloučeniny, které upřednostní, je stále nutné experimentálně ověřit, aby se zjistilo jejich skutečné chování.