MIT prezintă modelul CheMeleon pentru predicții moleculare cu puține date

Știrile MIT au prezentat CheMeleon pe 6 noiembrie 2026, descriindu-l drept un model fundamental open-source pentru chimie moleculară, conceput să prezică proprietățile chimice atunci când datele experimentale specifice sarcinii sunt puține. Dezvoltat de cercetători de la MIT și BASF, modelul este destinat prioritizării moleculelor pentru descoperirea de medicamente și materiale.

Articolul științific evaluat de experți, care stă la baza modelului, a fost publicat înaintea anunțului. A apărut online pe 7 august 2026 și a fost inclus în numărul din 14 septembrie 2026 al revistei Journal of Chemical Information and Modeling; o versiune anterioară era disponibilă online încă din 2025.

Unul dintre scenariile vizate este estimarea afinității unui ligand pentru o țintă celulară recent descoperită pentru medicamente, într-un context în care cercetătorii au puține măsurători ale proprietății de interes și trebuie să decidă care compuși merită sintetizați și testați. Rolul CheMeleon este să restrângă lista candidaților, nu să facă comportamentul molecular perfect predictibil.

Preantrenare pe descriptori calculați

CheMeleon a fost preantrenat pe aproximativ un milion de molecule din PubChem și pe circa 1.600 de descriptori moleculari elaborați de chimiști de-a lungul mai multor decenii. Valorile-țintă pentru antrenare au fost calculate, nu colectate din literatura experimentală publicată; printre exemple se numără masa moleculară și numărul de atomi de oxigen. Această preantrenare supravegheată folosește descriptori calculabili, cu un nivel scăzut de zgomot, pentru a construi reprezentări moleculare transferabile către alte sarcini.

Modelul preantrenat poate fi apoi ajustat cu o cantitate mică de date specifice sarcinii pentru a prezice proprietăți precum solubilitatea, vâscozitatea, bioactivitatea sau reactivitatea față de o anumită proteină ori enzimă. CheMeleon este un model fundamental cu aproximativ 10 milioane de parametri, dezvoltat pentru rețele neuronale cu transmiterea direcționată a mesajelor.

Akshat Shirish Zalte, student în ciclul postuniversitar la MIT, a comparat această abordare cu modelele clasice bazate pe expertiză, în care specialiștii codifică manual modul în care descriptori precum dimensiunea moleculară, ramificarea sau volumul pot fi legați de o proprietate precum solubilitatea. În schimb, CheMeleon învață relații chimice generale în timpul preantrenării, astfel încât, pentru fiecare sarcină nouă, rețeaua nu trebuie să învețe totul de la zero.

Rezultatele evaluărilor comparative și utilizarea raportată

Cercetătorii au evaluat CheMeleon pe 58 de seturi de date de referință, care acoperă proprietăți relevante pentru descoperirea medicamentelor cu molecule mici și provin din inițiativa de evaluare comparativă Polaris, condusă de industrie. Potrivit comparațiilor statistice raportate de autori, CheMeleon a depășit modelele de referință clasice, inclusiv Random Forest aplicat amprentelor moleculare și descriptorilor, precum și modelele fundamentale existente.

William Green, profesorul Hoyt Hottel de inginerie chimică la MIT, a spus că modelul reduce drastic numărul moleculelor care trebuie testate experimental pentru a prezice cu precizie proprietățile unor compuși noi, legând acest avantaj de timpul și costurile sintezei și testării.

Green a spus că nouă dintre primele 20 de înscrieri la un concurs OpenADMET desfășurat mai devreme în 2026 au folosit CheMeleon în fluxuri de lucru pentru prezicerea proprietăților moleculelor care nu fuseseră sintetizate anterior.

MIT a raportat că mai multe companii farmaceutice folosesc modelul în mod regulat. Green a spus că cel puțin o companie, al cărei nume nu a fost dezvăluit, le-a cerut angajaților să înceapă cu CheMeleon ori de câte ori modelează o proprietate.

Disponibilitate open-source și limite practice

CheMeleon și cadrul său de preantrenare sunt open-source, iar utilizatorii pot descărca și ajusta modelul prin ChemProp, un software dezvoltat și întreținut de grupul lui Green. Proiectul reunește, de asemenea, cercetători în inginerie chimică de la MIT și oamenii de știință de la BASF SE Jochen Sieg, Christian Feldmann și Miriam Mathea, din Germania.

Pentru echipele de cercetare din domeniul descoperirii de medicamente și materiale, importanța practică a modelului constă în faptul că oferă un punct de pornire reutilizabil atunci când există puține date de antrenare direct relevante pentru o proprietate nouă. Rezultatele evaluărilor comparative raportate și adoptarea timpurie arată că CheMeleon a depășit stadiul unei singure demonstrații de laborator, însă rolul său rămâne cel de prioritizare: compușii pe care îi favorizează trebuie în continuare testați experimental pentru a le stabili comportamentul real.