MIT详述CheMeleon模型：以少量数据预测分子性质

MIT News于2026年11月6日详细介绍了CheMeleon。这是一种开源分子基础模型，旨在特定任务的实验数据稀缺时预测化学性质。该模型由MIT和BASF的研究人员开发，用于为药物和材料发现筛选优先研究的分子。

该模型背后的同行评审论文早于此次公布发表。论文于2026年8月7日在线发表，并刊载于Journal of Chemical Information and Modeling2026年9月14日发行的期刊中；其早期版本自2025年起已在线发布。

其中一个目标应用场景是估算一种新近发现的细胞药物靶点的配体亲和力。在这种情况下，研究人员手头有关目标性质的测量数据很少，必须决定哪些化合物值得合成和测试。CheMeleon的作用是缩小候选范围，而不是让分子行为变得完全可预测。

基于计算所得描述符进行预训练

CheMeleon使用来自PubChem的约100万个分子以及约1,600种由化学家历经数十年开发的分子描述符进行预训练。训练目标是通过计算得出的，而非从已发表的实验文献中收集，例如分子量和氧原子数量。这种监督式预训练利用噪声低、可计算的描述符构建分子表征，使其能够迁移到其他任务中。

随后，同一预训练模型可以利用少量特定任务数据进行微调，以预测溶解度、黏度、生物活性，或与特定蛋白质或酶的反应性等性质。CheMeleon是一种拥有约1,000万个参数的基础模型，专为定向消息传递神经网络开发。

MIT研究生Akshat Shirish Zalte将这一方法与传统的专家驱动模型作了对比。在传统模型中，专家会手动编码分子大小、支链或体积等描述符与溶解度等性质之间可能存在的关系。相比之下，CheMeleon在预训练期间学习一般性的化学关系，因此每项新任务都不必从头开始让网络学习所有内容。

基准测试结果与报告的应用情况

研究人员使用58个基准数据集评估了CheMeleon。这些数据集涵盖与小分子药物发现相关的性质，来源于由业界主导的Polaris基准测试计划。根据作者报告的统计比较，CheMeleon的表现优于传统基准模型，包括应用于分子指纹和描述符的随机森林模型，以及现有的基础模型。

MIT霍伊特·霍特尔化学工程学教授William Green表示，该模型大幅减少了为准确预测新化合物性质而必须进行实验测试的分子数量，并指出这一优势与合成和测试所需的时间及费用有关。

Green表示，在2026年早些时候举办的OpenADMET竞赛中，排名前20的参赛项目有9个在工作流程中使用了CheMeleon，用于预测此前尚未合成的分子的性质。

MIT报告称，已有多家制药公司定期使用该模型。Green表示，至少有一家未具名的公司指示员工，在对任何性质进行建模时都从CheMeleon开始。

开放获取与实际局限

CheMeleon及其预训练框架均为开源项目，用户可以通过ChemProp下载并微调模型。ChemProp由Green的研究团队开发并维护。该项目还汇集了MIT化学工程研究人员，以及德国BASF SE的科学家Jochen Sieg、Christian Feldmann和Miriam Mathea。

对药物发现团队而言，当某项新性质缺少直接相关的训练数据时，CheMeleon的重要实际价值在于提供一个可重复使用的起点。报告中的基准测试结果和早期应用表明，CheMeleon已不再只是单一实验室的演示项目，但它的作用仍是筛选优先级：它倾向选择的化合物仍需经过实验研究，才能确定其实际行为。