LO ESENCIAL EN 30 SEGUNDOS

  • CheMeleon tiene unos 10 millones de parámetros. Se preentrenó con cerca de un millón de moléculas de PubChem para predecir unos 1.600 descriptores calculados.
  • En 58 conjuntos de datos de referencia, los autores indican tasas de victoria del 75 % en las tareas de Polaris y del 97 % en los ensayos de MoleculeACE, por delante de Random Forest y Chemprop.
  • El código tiene licencia MIT, los pesos están en Zenodo y el modelo se ajusta con Chemprop 2.2.0 o una versión posterior.

Investigadores del MIT y de la química alemana BASF han presentado CheMeleon, un modelo abierto que predice propiedades moleculares cuando apenas hay datos experimentales para una tarea. El MIT dio a conocer el trabajo el 6 de noviembre. El estudio se publicó en el Journal of Chemical Information and Modeling, en línea el 7 de agosto y en el número del 14 de septiembre. Una versión previa estaba en arXiv desde junio de 2025.

Cómo funciona el modelo

En química, el aprendizaje automático choca con el coste de medir, por ejemplo, toxicidad o solubilidad, datos que suelen existir solo en conjuntos pequeños. CheMeleon plantea el preentrenamiento de otro modo. En lugar de aprender de mediciones experimentales ruidosas o de simulaciones de química cuántica, se entrenó con alrededor de un millón de moléculas de la base de datos PubChem para predecir unos 1.600 descriptores moleculares, valores numéricos que el software calcula a partir de la estructura. Según el repositorio de código del proyecto, los descriptores proceden del paquete Mordred. Calcularlos llevó unas 500 horas de CPU, y el preentrenamiento, unas 1.000 horas de GPU.

El modelo resultante tiene unos 10 millones de parámetros y se basa en redes neuronales de paso de mensajes dirigido. Cada usuario lo ajusta luego con sus propios datos. En el artículo, los autores lo evaluaron en 58 conjuntos de datos de las pruebas Polaris y MoleculeACE. En las tareas de Polaris indican una tasa de victoria del 75 %, frente al 68 % de Random Forest, el 36 % de fastprop y el 32 % de Chemprop. En los ensayos de MoleculeACE señalan un 97 %, frente al 50 % de Random Forest.

Adopción y disponibilidad

William Green, profesor de ingeniería química del MIT y responsable del grupo, afirma que nueve de las 20 mejores propuestas de un concurso de OpenADMET celebrado a principios de este año usaron CheMeleon para predecir propiedades de moléculas que aún no se habían sintetizado. La cifra procede de Green, citado en el anuncio del MIT; los resultados publicados por OpenADMET no se han verificado para este artículo. El equipo incluye a Akshat Shirish Zalte, estudiante de posgrado del MIT, y a Jochen Sieg, Christian Feldmann y Miriam Mathea, científicos de BASF.

El código se publica con licencia MIT y los pesos están archivados en Zenodo. Chemprop, el software que mantiene el grupo de Green, carga el modelo con una sola opción de línea de comandos. Según su documentación, cada época tarda más porque el modelo es más grande. Los desarrolladores presentan CheMeleon como una forma de acotar las moléculas candidatas, no como un sustituto de los experimentos. Los compuestos prometedores deben sintetizarse y probarse en el laboratorio.