MIT 团队用 CheMeleon 从稀缺数据预测分子性质
MIT 团队开发的 CheMeleon 通过预训练约百万个分子的约 1600 个分子描述符，在数据稀缺时预测分子性质，并在 58 个测试案例中排名第一。该开源模型基于 ChemProp，可下载微调；在 OpenADMET 竞赛前 20 名中有 9 个参赛方案使用了它，已有制药公司将其列为建模默认起点。
MIT News· David L. Chandler | 化学工程系·2026-11-07 03:00· 42 分钟前AI 评分45
如何从少量数据预测分子行为
AI 导读
MIT 团队开发的 CheMeleon 通过预训练百万分子、约 1600 个分子描述符，在数据稀缺时预测分子性质优于现有方法，并在 58 个测试案例中排名第一。该开源模型基于 ChemProp，可下载微调；在 OpenADMET 竞赛前 20 名中有 9 个参赛方案使用了它，已有制药公司将其列为建模默认起点。
正文 · 原文
为特定用途发现新分子是推动各行各业进步的主要动力，无论是制药公司寻找新药，还是电子或能源公司寻求具有特定性质的新材料。但这一过程在很大程度上仍是试错，因为目前还没有任何方法能完美预测某种化合物在材料可能表现出的无数不同性质和响应方面会如何表现。
最近，人们在利用人工智能和机器学习来补充或加速基于物理原理的繁琐计算方面取得了进展，这些计算至少能为哪些化合物值得合成和测试提供一些初步指导。如今，MIT 开发的一种新方法表明，当某些技术相关性质的数据很少时——例如配体对一种新发现的潜在药物细胞靶点的亲和力——这种方法在缩小可能值得关注的候选分子范围方面，可以优于其他现有方法。
研究结果已发表在 9 月 14 日的《化学信息与建模杂志》上，论文作者包括 MIT 研究生 Akshat Shirish Zalte、近期毕业生 Jackson Burns（博士 '26）、研究科学家 Charlles Abreu、William Green 教授，以及化学公司 BASF 的三位研究人员。
该论文的早期版本自去年起就已在线发布，团队开发的开源模型 CheMeleon 已被多家制药公司常规使用。CheMeleon 基于 ChemProp 构建，后者也是由 MIT Green 课题组开发和维护的开源机器学习软件包，任何人都可以通过 ChemProp 下载 CheMeleon，并针对自己的用途进行微调。
Green 是 Hoyt Hottel 化学工程教授，他说，今年早些时候，OpenADMET 组织了一场比赛，尝试预测多种此前未曾合成的新分子的性质。“这是一场大型比赛，很多人参与，”他说。获奖名单公布时，结果发现前 20 名中有 9 个参赛方案在流程中使用了 CheMeleon。“于是我们开始收到制药公司关于此事的各种询问，但我们的论文才刚刚提交；甚至还没有经过同行评审或其他任何流程。”
Green 说，在论文经历评审流程期间，它的影响力已经在扩散。至少有一家制药公司“向所有员工发消息说：‘任何时候你们要对某种性质建模，都从 CheMeleon 开始，这是我们公司的新政策’”，在初步决定要研究哪些分子时便是如此。
CheMeleon 的关键在于用约一百万个不同分子的详细数据预训练一个机器学习模型，使其能够学习给定分子的结构与其在化学家数十年来开发的约 1,600 个描述符目录下的行为之间的关联。随后，CheMeleon 可以被微调，以预测溶解度、粘度等众所周知的属性，以及更小众的属性，例如与特定蛋白质或酶相关的生物活性或反应性。
这一百万个分子只是原子相互结合方式中极小的一部分，但它们提供了足够的示例，使得 AI 系统在接受这些数据训练后，能够自行找出许多潜在的模式和关系，然后将其应用于呈现给它的新的、未知的分子。
“当今大多数深度学习模型比传统方法需要更多数据，”Zalte 说。他表示，一些成功的模型使用了化学期刊已发表文献中的大量数据。“我们完全不看文献。我们只是计算一系列分子描述符，比如分子量或氧原子数等。”然后，预测这些描述符构成了他们预训练任务的基础。
CheMeleon 是一个预训练的基础模型。受 ChatGPT 和 Claude 等知名语言基础模型的启发——这些模型本质上是通过向它们输入来自互联网的大量信息来开发的——CheMeleon 使用了来自 PubChem 的一百万个分子的分子描述符，PubChem 是由美国国立卫生研究院维护的一个大型、免费可用的化学信息数据库。
另一方面，在经典的专家驱动模型中，某一领域的专家会手动输入关于其主题的详细知识。他说，例如在开发这些经典模型时，人们从实验中知道某个感兴趣的属性（比如溶解度）可能与同一分子的特定描述符有关，“比如分子量，或存在的氧原子数，或分子的分支程度或体积大小。”
采用该团队的方法，他们可以从现有的神经网络架构开始，训练它学习底层原理。“我们不是针对特定属性来训练它，而是将其作为一个理解一定化学水平的通用模型来训练，这样即使你只用少量数据点针对你关心的任务进行微调，仍然可以获得不错的性能，”他说。这得益于该模型“不必从头学习一切”。
为了验证其有效性，“我们不仅将我们的模型与现有的其他基础模型进行比较，还与利用专家设计原理的经典模型进行了比较，”Zalte 说。在 58 个测试用例中比较其性能，“我们看到我们的模型脱颖而出。”
Green 补充道，“CheMeleon 基础模型大幅减少了为准确预测新分子属性而需要实验测试的分子数量。这是一个巨大的优势，因为合成和测试大量分子既缓慢又昂贵。”
除了 MIT 的成员外，团队还包括德国巴斯夫公司（BASF SE）的研究人员 Jochen Sieg、Christian Feldmann 和 Miriam Mathea。这项工作得到了机器学习药物发现与合成联盟（Machine Learning for Pharmaceutical Discovery and Synthesis consortium）的支持，并获得了美国能源部和 MathWorks 的奖学金资助。
来源：MIT News · news.mit.edu
来源：RadarAI · aihot.news