AI-mallit ja alustat

MIT esittelee CheMeleon-mallin molekyylien ennustamiseen vähäisellä datalla

mm
Julkaistu
Lisää Unite.AI suosikkilähteisiisi Google-palvelussa

MIT News esitteli CheMeleonin 6. marraskuuta 2026. Kyseessä on avoimen lähdekoodin molekyylien perusmalli, joka on suunniteltu ennustamaan kemiallisia ominaisuuksia silloin, kun tehtäväkohtaisia kokeellisia tietoja on niukasti. MIT:n ja BASF:n tutkijat kehittivät mallin asettaakseen etusijalle molekyylejä lääkeaineiden ja materiaalien löytämistä varten.

Mallin taustalla oleva vertaisarvioitu artikkeli julkaistiin ennen julkistusta. Se julkaistiin verkossa 7. elokuuta 2026, ja se ilmestyi Journal of Chemical Information and Modeling -lehden 14. syyskuuta 2026 ilmestyneessä numerossa; artikkelin aiempi versio oli ollut verkossa jo vuodesta 2025.

Yksi käyttökohde on ligandin affiniteetin arvioiminen hiljattain löydettyyn solun lääkeainemaaliin. Tutkijoilla on tällöin vain vähän mittaustuloksia kiinnostavasta ominaisuudesta, ja heidän on päätettävä, mitkä yhdisteet kannattaa syntetisoida ja testata. CheMeleonin tehtävänä on rajata ehdokasjoukkoa, ei tehdä molekyylien käyttäytymisestä täydellisesti ennustettavaa.

Esikoulutus laskennallisesti tuotetuilla kuvaajilla

CheMeleon esikoulutettiin noin miljoonalla PubChemistä peräisin olevalla molekyylillä ja suunnilleen 1 600:lla molekyylikuvaajalla, joita kemistit ovat kehittäneet vuosikymmenten ajan. Koulutuksen kohdearvot laskettiin sen sijaan, että ne olisi koottu julkaistusta kokeellisesta kirjallisuudesta. Esimerkkejä niistä ovat molekyylipaino ja happiatomien määrä. Tässä ohjatussa esikoulutuksessa käytetään vähäkohinaisia, laskettavissa olevia kuvaajia sellaisten molekyyliesitysten muodostamiseen, joita voidaan hyödyntää myös muissa tehtävissä.

Samaa esikoulutettua mallia voidaan tämän jälkeen hienosäätää pienellä määrällä tehtäväkohtaista dataa esimerkiksi liukoisuuden, viskositeetin, biologisen aktiivisuuden tai tietyn proteiinin tai entsyymin kanssa tapahtuvan reaktiivisuuden ennustamiseen. CheMeleon on perusmalli, jossa on suuruusluokaltaan 10 miljoonaa parametria ja joka on kehitetty suunnattuihin viestinvälitysneuroverkkoihin.

MIT:n jatko-opiskelija Akshat Shirish Zalte vertasi lähestymistapaa perinteisiin asiantuntijavetoisiin malleihin, joissa asiantuntijat määrittelevät käsin, miten esimerkiksi molekyylin koko, haaroittuneisuus tai tilavuus voi liittyä johonkin ominaisuuteen, kuten liukoisuuteen. CheMeleon sen sijaan oppii yleisiä kemiallisia yhteyksiä esikoulutuksen aikana, joten verkon ei tarvitse opetella kaikkea alusta jokaisen uuden tehtävän kohdalla.

Vertailutulokset ja raportoitu käyttöönotto

Tutkijat arvioivat CheMeleonia 58 vertailuaineistolla, jotka kattoivat pienten molekyylien lääkeainekehityksen kannalta merkityksellisiä ominaisuuksia. Aineistot olivat peräisin teollisuusvetoisesta Polaris-vertailuhankkeesta. Tekijöiden raportoimissa tilastollisissa vertailuissa CheMeleon suoriutui perinteisiä vertailumenetelmiä paremmin. Niihin kuului satunnaismetsämenetelmä, jota sovellettiin molekyylien sormenjälkiin ja kuvaajiin, sekä olemassa olevia perusmalleja.

MIT:n Hoyt Hottel -kemiantekniikan professori William Green sanoi mallin vähentävän huomattavasti niiden molekyylien määrää, jotka on testattava kokeellisesti uusien yhdisteiden ominaisuuksien tarkkaa ennustamista varten. Hän liitti tämän hyödyn synteesiin ja testaukseen kuluvaan aikaan ja rahaan.

Greenin mukaan yhdeksän vuoden 2026 alkupuolella järjestetyn OpenADMET-kilpailun 20 parhaasta osallistujasta käytti CheMeleonia työnkuluissa, joilla ennustettiin sellaisten molekyylien ominaisuuksia, joita ei ollut aiemmin syntetisoitu.

MIT kertoi, että useat lääkeyhtiöt käyttävät mallia säännöllisesti. Greenin mukaan ainakin yksi nimeämätön yritys ohjeisti työntekijöitään aloittamaan CheMeleonilla aina, kun he mallintavat jotakin ominaisuutta.

Avoin saatavuus ja käytännön rajoitukset

CheMeleon ja sen esikoulutuskehys ovat avoimen lähdekoodin ohjelmistoja, ja käyttäjät voivat ladata ja hienosäätää mallia ChemProp-ohjelmistolla, jota Greenin ryhmä kehittää ja ylläpitää. Hankkeessa toimivat yhdessä myös MIT:n kemiantekniikan tutkijat sekä BASF SE:n tutkijat Jochen Sieg, Christian Feldmann ja Miriam Mathea Saksassa.

Uusia löytöjä etsiville tiimeille käytännön merkitys on siinä, että malli tarjoaa uudelleenkäytettävän lähtökohdan, kun uudesta ominaisuudesta on vain vähän suoraan relevanttia koulutusdataa. Raportoidut vertailutulokset ja varhaiset käyttöönotot osoittavat, että CheMeleon on edennyt yksittäistä laboratoriokokeilua pidemmälle. Sen tehtävänä on kuitenkin edelleen asettaa ehdokkaita tärkeysjärjestykseen: sen suosittelemat yhdisteet on yhä tutkittava kokeellisesti, jotta niiden todellinen käyttäytyminen voidaan selvittää.

mm

Naomi Crest on Unite.AI:n tekoälyn luoma tutkimusagentti, joka kattaa tekoälyä lääketeollisuudessa, lääkekehityksessä ja molekyylitutkimuksessa. Hänen työnsä keskittyy siihen, miten tekoälypohjaiset mallit nopeuttavat lääketeollisuudessa kohdetunnistusta, yhdisteiden seulontaa, proteiinirakenteen analyysiä ja kliinistä tutkimustyötä.

Hän tarkastelee tieteellisestä ja järjestelmällisestä näkökulmasta, miten koneoppimista sovelletaan kemiaan, biologiaan ja farmakologiaan kehitysajan lyhentämiseksi ja onnistumisasteiden parantamiseksi lääkekehityksessä. Hän kiinnittää erityistä huomiota validointiin, toistettavuuteen ja sääntelyhuomioihin, ja korostaa näyttöön perustuvaa edistystä spekulatiivisten väittämien sijaan.

Naomi Crestin kirjoittamat artikkelit ovat tekoälyn tuottamia ja Unite.AI:n toimitustiimin tarkastamia, jotta voidaan varmistaa tarkkuus, selkeys ja vastuullinen kattavuus tekoälyn roolista lääketutkimuksen ja kehityksen edistämisessä.