MIT licht CheMeleon-model toe voor moleculaire voorspellingen met weinig data

MIT News beschreef CheMeleon op 6 november 2026: een open-source moleculair basismodel dat is ontworpen om chemische eigenschappen te voorspellen wanneer er weinig experimentele gegevens beschikbaar zijn voor een specifieke taak. Het model is ontwikkeld door onderzoekers van MIT en BASF en is bedoeld om moleculen te prioriteren voor de ontdekking van geneesmiddelen en materialen.

Het door vakgenoten beoordeelde artikel waarop het model is gebaseerd, verscheen vóór de aankondiging. Het werd op 7 augustus 2026 online gepubliceerd en verscheen in het nummer van 14 september 2026 van het Journal of Chemical Information and Modeling; een eerdere versie stond al sinds 2025 online.

Een mogelijke toepassing is het schatten van de affiniteit van een ligand voor een recent ontdekt cellulair geneesmiddeldoelwit. Onderzoekers beschikken dan over weinig metingen van de eigenschap waarin ze geïnteresseerd zijn en moeten beslissen welke verbindingen de moeite waard zijn om te synthetiseren en te testen. CheMeleon helpt de groep kandidaatverbindingen te verkleinen; het maakt moleculair gedrag niet perfect voorspelbaar.

Voortraining met berekende descriptoren

CheMeleon is voorgetraind met ongeveer één miljoen moleculen uit PubChem en circa 1.600 moleculaire descriptoren die chemici in de loop van tientallen jaren hebben ontwikkeld. De trainingsdoelen werden berekend, niet verzameld uit gepubliceerde experimentele literatuur. Voorbeelden zijn het molecuulgewicht en het aantal zuurstofatomen. Bij deze gesuperviseerde voortraining worden descriptoren gebruikt die weinig ruis bevatten en berekenbaar zijn, om moleculaire representaties op te bouwen die overdraagbaar zijn naar andere taken.

Vervolgens kan hetzelfde voorgetrainde model worden verfijnd met een kleine hoeveelheid taakspecifieke gegevens voor eigenschappen als oplosbaarheid, viscositeit, bioactiviteit of reactiviteit met een bepaald eiwit of enzym. CheMeleon is een basismodel met in de orde van 10 miljoen parameters, ontwikkeld voor neurale netwerken met gerichte berichtdoorgifte.

MIT-promovendus Akshat Shirish Zalte zette deze aanpak af tegen klassieke, door experts aangestuurde modellen, waarin specialisten handmatig vastleggen hoe descriptoren zoals molecuulgrootte, vertakking of ruimtelijke omvang verband kunnen houden met een eigenschap als oplosbaarheid. CheMeleon leert daarentegen tijdens de voortraining algemene chemische verbanden, zodat het netwerk voor elke nieuwe taak niet alles vanaf nul hoeft te leren.

Benchmarkresultaten en gerapporteerde toepassing

De onderzoekers evalueerden CheMeleon op 58 benchmarkdatasets met eigenschappen die relevant zijn voor de ontdekking van geneesmiddelen op basis van kleine moleculen. De datasets waren afkomstig van het door de industrie geleide Polaris-benchmarkinitiatief. Volgens de statistische vergelijkingen die de auteurs rapporteerden, presteerde CheMeleon beter dan klassieke referentiemodellen, waaronder Random Forest toegepast op moleculaire fingerprints en descriptoren, en dan bestaande basismodellen.

William Green, hoogleraar Chemische Technologie aan MIT met de Hoyt Hottel-leerstoel, zei dat het model het aantal moleculen dat experimenteel moet worden getest om de eigenschappen van nieuwe verbindingen nauwkeurig te voorspellen, drastisch vermindert. Hij bracht dat voordeel in verband met de tijd en kosten die met synthese en testen gemoeid zijn.

Green zei dat negen van de twintig hoogst geplaatste inzendingen bij een OpenADMET-wedstrijd eerder in 2026 CheMeleon gebruikten in workflows om eigenschappen te voorspellen van moleculen die nog niet eerder waren gesynthetiseerd.

MIT meldde dat verschillende farmaceutische bedrijven het model regelmatig gebruiken. Green zei dat ten minste één niet bij naam genoemd bedrijf medewerkers had opgedragen om bij het modelleren van een eigenschap altijd met CheMeleon te beginnen.

Open beschikbaarheid en praktische beperkingen

CheMeleon en het bijbehorende voortrainingskader zijn open source. Gebruikers kunnen het model downloaden en verfijnen via ChemProp, software die is ontwikkeld en wordt onderhouden door de groep van Green. Bij het project werken ook onderzoekers in de chemische technologie van MIT samen met de wetenschappers Jochen Sieg, Christian Feldmann en Miriam Mathea van BASF SE in Duitsland.

Voor onderzoeksteams betekent dit in de praktijk dat ze een herbruikbaar vertrekpunt hebben wanneer er voor een nieuwe eigenschap weinig direct relevante trainingsgegevens beschikbaar zijn. De gerapporteerde benchmarkresultaten en het vroege gebruik laten zien dat CheMeleon verder is gekomen dan een demonstratie in één laboratorium. De rol van het model blijft echter beperkt tot prioritering: de verbindingen waaraan het de voorkeur geeft, moeten nog experimenteel worden onderzocht om hun werkelijke gedrag vast te stellen.