MIT beskriver CheMeleon-modellen til molekylære forudsigelser med få data

MIT News beskrev CheMeleon den 6. november 2026 som en open source-grundmodel for molekyler, der er udviklet til at forudsige kemiske egenskaber, når der kun findes få eksperimentelle data for den pågældende opgave. Modellen er udviklet af forskere fra MIT og BASF og skal hjælpe med at prioritere molekyler i udviklingen af lægemidler og materialer.

Den fagfællebedømte artikel, som ligger til grund for modellen, udkom før offentliggørelsen. Den blev publiceret online den 7. august 2026 og udkom i nummeret af Journal of Chemical Information and Modeling dateret 14. september 2026; en tidligere version havde været tilgængelig online siden 2025.

Et muligt anvendelsesområde er at estimere ligandens affinitet for et nyligt opdaget cellulært lægemiddelmål. Her har forskerne kun få målinger af den relevante egenskab og skal beslutte, hvilke forbindelser der er værd at syntetisere og teste. CheMeleon skal indsnævre feltet af kandidater, ikke gøre molekylers adfærd fuldstændig forudsigelig.

Fortræning med beregnede deskriptorer

CheMeleon blev fortrænet på omkring en million molekyler fra PubChem og omtrent 1.600 molekylære deskriptorer, som kemikere har udviklet gennem årtier. Træningsmålene blev beregnet frem for indsamlet fra publiceret eksperimentel litteratur; eksempler omfatter molekylvægt og antal oxygenatomer. Denne overvågede fortræning bruger beregnelige deskriptorer med lav støj til at opbygge molekylære repræsentationer, der kan overføres til andre opgaver.

Den samme fortrænede model kan derefter finjusteres med en lille mængde opgavespecifikke data for egenskaber som opløselighed, viskositet, bioaktivitet eller reaktivitet over for et bestemt protein eller enzym. CheMeleon er en grundmodel med omkring 10 millioner parametre, udviklet til rettede neurale netværk med beskedoverførsel.

MIT-kandidatstuderende Akshat Shirish Zalte sammenlignede tilgangen med klassiske, ekspertbaserede modeller, hvor specialister manuelt indarbejder, hvordan deskriptorer som molekylestørrelse, forgrening eller rumfang kan hænge sammen med en egenskab som opløselighed. CheMeleon lærer i stedet generelle kemiske sammenhænge under fortræningen, så netværket ikke behøver at lære alt fra bunden for hver ny opgave.

Benchmarkresultater og rapporteret udbredelse

Forskerne evaluerede CheMeleon på 58 benchmarkdatasæt, der dækkede egenskaber af relevans for udvikling af lægemidler baseret på små molekyler. Datasættene stammede fra benchmarkinitiativet Polaris, der ledes af industrien. I forfatternes rapporterede statistiske sammenligninger klarede CheMeleon sig bedre end klassiske basismodeller, herunder Random Forest anvendt på molekylære fingeraftryk og deskriptorer, samt eksisterende grundmodeller.

William Green, Hoyt Hottel-professor i kemiteknik ved MIT, sagde, at modellen markant reducerer antallet af molekyler, der skal testes eksperimentelt for at kunne forudsige nye forbindelsers egenskaber præcist. Han knyttede denne fordel til den tid og de omkostninger, der er forbundet med syntese og testning.

Green sagde, at ni af de 20 øverste deltagere i en OpenADMET-konkurrence, der blev afholdt tidligere i 2026, brugte CheMeleon i arbejdsgange til at forudsige egenskaber ved molekyler, som endnu ikke var blevet syntetiseret.

MIT rapporterede, at flere lægemiddelvirksomheder bruger modellen regelmæssigt. Green sagde, at mindst én unavngiven virksomhed havde instrueret medarbejderne i at begynde med CheMeleon, når de modellerer en egenskab.

Åben adgang og praktiske begrænsninger

CheMeleon og modellens fortræningsramme er open source, og brugere kan downloade og finjustere modellen via ChemProp, software udviklet og vedligeholdt af Greens gruppe. Projektet samler også forskere i kemiteknik fra MIT med forskerne Jochen Sieg, Christian Feldmann og Miriam Mathea fra BASF SE i Tyskland.

For forskerhold, der arbejder med opdagelse af nye lægemidler og materialer, er den praktiske betydning, at modellen giver et udgangspunkt, der kan genbruges, når der kun findes få direkte relevante træningsdata for en ny egenskab. De rapporterede benchmarkresultater og den tidlige udbredelse viser, at CheMeleon er kommet videre end en enkelt laboratoriedemonstration, men modellens rolle er stadig at prioritere kandidater: De forbindelser, den udpeger, skal fortsat undersøges eksperimentelt for at fastslå deres faktiske adfærd.