MIT beskriver CheMeleon-modellen för molekylära förutsägelser med få data

MIT News redogjorde för CheMeleon den 6 november 2026 och presenterade en molekylär grundmodell med öppen källkod, utformad för att förutsäga kemiska egenskaper när det finns ont om uppgiftsspecifika experimentdata. Modellen har utvecklats av forskare vid MIT och BASF och är avsedd att hjälpa till att prioritera molekyler för upptäckt av läkemedel och material.

Den referentgranskade artikeln bakom modellen publicerades före tillkännagivandet. Den publicerades online den 7 augusti 2026 och ingick i numret av Journal of Chemical Information and Modeling från den 14 september 2026; en tidigare version hade funnits online sedan 2025.

Ett möjligt användningsområde är att uppskatta ligandaffiniteten för ett nyligen upptäckt cellulärt läkemedelsmål, när forskarna har få mätvärden för den aktuella egenskapen och måste avgöra vilka föreningar som är värda att syntetisera och testa. CheMeleons uppgift är att begränsa urvalet av kandidater, inte att göra molekylers beteende helt förutsägbart.

Förträning på beräknade deskriptorer

CheMeleon förtränades på omkring en miljon molekyler från PubChem och ungefär 1 600 molekylära deskriptorer som kemister hade utvecklat under flera årtionden. Träningsmålen beräknades i stället för att hämtas från publicerad experimentell litteratur; exemplen omfattar molekylvikt och antal syreatomer. Denna övervakade förträning använder beräkningsbara deskriptorer med lågt brus för att skapa molekylära representationer som kan överföras till andra uppgifter.

Samma förtränade modell kan sedan finjusteras med en liten mängd uppgiftsspecifika data för egenskaper som löslighet, viskositet, biologisk aktivitet eller reaktivitet med ett visst protein eller enzym. CheMeleon är en grundmodell med i storleksordningen 10 miljoner parametrar, utvecklad för neurala nätverk med riktad meddelandepassning.

MIT-doktoranden Akshat Shirish Zalte jämförde metoden med klassiska expertstyrda modeller, där specialister manuellt kodar hur deskriptorer som molekylstorlek, förgrening eller volym kan hänga samman med en egenskap som löslighet. I stället lär sig CheMeleon generella kemiska samband under förträningen, så nätverket behöver inte lära sig allt från grunden för varje ny uppgift.

Resultat i jämförelser och rapporterad användning

Forskarna utvärderade CheMeleon på 58 jämförelsedataset som omfattade egenskaper relevanta för läkemedelsutveckling med små molekyler. Dataseten hämtades från det branschledda jämförelseinitiativet Polaris. I författarnas redovisade statistiska jämförelser presterade CheMeleon bättre än klassiska baslinjemodeller, däribland Random Forest tillämpat på molekylära fingeravtryck och deskriptorer, samt befintliga grundmodeller.

William Green, Hoyt Hottel-professor i kemiteknik vid MIT, sade att modellen drastiskt minskar antalet molekyler som måste testas experimentellt för att förutsäga egenskaper hos nya föreningar med hög träffsäkerhet. Han kopplade denna fördel till den tid och de kostnader som syntes och testning kräver.

Green sade att nio av de 20 främsta bidragen i en OpenADMET-tävling som hölls tidigare under 2026 använde CheMeleon i arbetsflöden för att förutsäga egenskaper hos molekyler som inte hade syntetiserats tidigare.

MIT rapporterade att flera läkemedelsföretag använder modellen regelbundet. Green sade att minst ett icke namngivet företag hade instruerat sina medarbetare att börja med CheMeleon varje gång de modellerar en egenskap.

Öppen tillgång och praktiska begränsningar

CheMeleon och dess förträningsramverk har öppen källkod, och användare kan ladda ner och finjustera modellen via ChemProp, en programvara som Greens forskargrupp har utvecklat och underhåller. Projektet förenar också forskare inom kemiteknik vid MIT med forskarna Jochen Sieg, Christian Feldmann och Miriam Mathea från BASF SE i Tyskland.

För forskargrupper som arbetar med upptäckt innebär detta i praktiken en återanvändbar utgångspunkt när det finns få träningsdata som är direkt relevanta för en ny egenskap. De redovisade jämförelserna och den tidiga användningen visar att CheMeleon har kommit längre än en demonstration i ett enda laboratorium, men dess roll är fortfarande att prioritera: de föreningar modellen väljer ut måste fortfarande undersökas experimentellt för att fastställa deras faktiska beteende.