El modelo CheMeleon de MIT para predecir propiedades moleculares con pocos datos

MIT News presentó CheMeleon el 6 de noviembre de 2026: un modelo fundacional molecular de código abierto diseñado para predecir propiedades químicas cuando escasean los datos experimentales específicos de cada tarea. Desarrollado por investigadores de MIT y BASF, está pensado para priorizar moléculas en el descubrimiento de fármacos y materiales.

El artículo revisado por pares en el que se basa el modelo es anterior al anuncio. Se publicó en línea el 7 de agosto de 2026 y apareció en el número del 14 de septiembre de 2026 de Journal of Chemical Information and Modeling; una versión anterior estaba disponible en línea desde 2025.

Uno de los escenarios objetivo consiste en estimar la afinidad de un ligando por una diana farmacológica celular descubierta recientemente, para la que los investigadores disponen de pocas mediciones de la propiedad de interés y deben decidir qué compuestos merecen sintetizarse y someterse a pruebas. La función de CheMeleon es reducir ese conjunto de candidatos, no hacer que el comportamiento molecular sea perfectamente predecible.

Preentrenamiento con descriptores calculados

CheMeleon se preentrenó con alrededor de un millón de moléculas de PubChem y unos 1.600 descriptores moleculares desarrollados por químicos a lo largo de décadas. Los valores objetivo del entrenamiento se calcularon, en lugar de recopilarse de publicaciones sobre estudios experimentales; entre los ejemplos figuran la masa molecular y el número de átomos de oxígeno. Este preentrenamiento supervisado utiliza descriptores calculables y de bajo ruido para crear representaciones moleculares que puedan transferirse a otras tareas.

Después, el mismo modelo preentrenado puede ajustarse con una pequeña cantidad de datos específicos de la tarea para propiedades como la solubilidad, la viscosidad, la bioactividad o la reactividad con una proteína o enzima determinada. CheMeleon es un modelo fundacional con alrededor de 10 millones de parámetros, desarrollado para redes neuronales de paso de mensajes dirigido.

Akshat Shirish Zalte, estudiante de posgrado del MIT, contrastó este enfoque con los modelos clásicos basados en el conocimiento experto, en los que los especialistas codifican manualmente cómo pueden relacionarse descriptores como el tamaño molecular, la ramificación o el volumen con una propiedad como la solubilidad. En cambio, CheMeleon aprende relaciones químicas generales durante el preentrenamiento, de modo que la red no tiene que aprenderlo todo desde cero para cada tarea nueva.

Resultados de referencia y adopción comunicada

Los investigadores evaluaron CheMeleon con 58 conjuntos de datos de referencia que abarcaban propiedades pertinentes para el descubrimiento de fármacos de moléculas pequeñas y procedían de la iniciativa de evaluación comparativa Polaris, liderada por la industria. Según las comparaciones estadísticas presentadas por los autores, CheMeleon superó los modelos clásicos de referencia, entre ellos Random Forest aplicado a huellas dactilares y descriptores moleculares, así como los modelos fundacionales existentes.

William Green, profesor Hoyt Hottel de Ingeniería Química del MIT, afirmó que el modelo reduce drásticamente el número de moléculas que deben someterse a pruebas experimentales para predecir con precisión las propiedades de nuevos compuestos, y vinculó esa ventaja al tiempo y al costo de la síntesis y las pruebas.

Green dijo que nueve de las 20 mejores propuestas de un concurso de OpenADMET celebrado a principios de 2026 utilizaron CheMeleon en flujos de trabajo para predecir las propiedades de moléculas que aún no se habían sintetizado.

MIT informó que varias empresas farmacéuticas lo utilizan con regularidad. Green afirmó que al menos una empresa, cuyo nombre no se reveló, indicó a su personal que comenzara con CheMeleon siempre que modelara una propiedad.

Disponibilidad abierta y límites prácticos

CheMeleon y su marco de preentrenamiento son de código abierto, y los usuarios pueden descargar y ajustar el modelo mediante ChemProp, un programa desarrollado y mantenido por el grupo de Green. El proyecto también reúne a investigadores de ingeniería química del MIT con los científicos de BASF SE Jochen Sieg, Christian Feldmann y Miriam Mathea, en Alemania.

Para los equipos de descubrimiento, su importancia práctica radica en ofrecer un punto de partida reutilizable cuando se dispone de pocos datos de entrenamiento directamente pertinentes para una propiedad nueva. Los resultados comunicados en las evaluaciones de referencia y su adopción inicial muestran que CheMeleon ha trascendido una demostración de laboratorio aislada, pero su función sigue siendo priorizar: los compuestos que favorece aún deben someterse a experimentos para determinar su comportamiento real.