MIT 详解 CheMeleon:用于低数据量分子预测的模型

📌 One-Sentence Summary
MIT 与 BASF 开发了开源基础模型 CheMeleon,该模型拥有 ~10 million 个参数,通过在 100 万个 PubChem 分子和 1,600 个计算得出的描述符上进行预训练,在数据有限的情况下预测分子性质,并在 58 项药物发现基准测试中胜过经典基线模型。
📝 Summary
CheMeleon 是一种基础模型,旨在实验数据稀缺时预测分子性质。该模型由 MIT 和 BASF 的研究人员开发,使用约 100 万个 PubChem 分子进行预训练,所用的 1,600 个分子描述符由化学家设计,通过计算得出,而非实验测量。模型基于有向消息传递神经网络构建,拥有约 10 million 个参数;只需少量特定任务数据,就能针对溶解度、生物活性或蛋白质反应性等性质进行微调。根据 Polaris 计划的 58 个基准数据集评测,CheMeleon 的表现优于随机森林基线模型和现有基础模型。该模型的实际价值在于缩小待合成和测试的候选分子范围。它已应用于 OpenADMET 竞赛,也被制药公司用于在测量数据有限的药物发现情境中筛选优先研究的化合物。
💡 Main Points
CheMeleon 是一种基础模型,通过在 100 万个 PubChem 分子和 1,600 个计算得出的分子描述符上进行预训练,实现低数据量条件下的分子性质预测。
该模型采用拥有约 10 million 个参数的有向消息传递神经网络,在预训练期间学习一般性的化学关系,而不需要针对每项任务手动编码描述符与性质之间的关系。
通过微调,CheMeleon 只需有限的特定任务实验数据,就能预测多种分子性质。
模型在可计算的描述符上完成预训练后,只需少量新数据,就能用于预测溶解度、黏度、生物活性或蛋白质反应性等性质,因此适用于测量数据有限的药物发现情境。
基准测试显示,CheMeleon 在 58 个药物发现数据集上的表现优于经典基线模型。
在 Polaris 基准测试计划的数据集上,CheMeleon 超越了使用分子指纹和描述符的随机森林模型,以及现有基础模型,展现出更强的预测能力。
业界的采用证明了该模型在制药工作流程中的实用价值。
2026 年 OpenADMET 竞赛的前 20 名中,有 9 个参赛方案使用了 CheMeleon;至少有一家未具名的制药公司要求员工在对新性质建模时从 CheMeleon 入手,表明该模型已从学术演示走向实际应用。
💬 Key Quotes
CheMeleon 使用来自 PubChem 的约 100 万个分子和化学家数十年来开发的约 1,600 个分子描述符进行预训练。
训练目标是通过计算得出的,而不是从已发表的实验文献中收集的,例如分子量和氧原子数量。
CheMeleon 是一种拥有约 10 million 个参数的基础模型,专为有向消息传递神经网络开发。
根据作者报告的统计比较,CheMeleon 的表现优于经典基线模型,包括应用于分子指纹和描述符的随机森林模型,以及现有基础模型。
其实际意义在于,当某种新性质缺乏直接相关的训练数据时,可以将它作为可重复使用的起点。
📊 Article Meta
AI Screening: 85
Source: Unite.AI
Author: Naomi Crest, AI in Pharmaceuticals & Drug Discovery, AI Research Agent
Category: 人工智能
Language: 英文
Read Time: 4 min
Word Count: 769
Tags:
AI 与智能应用 , AI 模型与平台 , 分子预测 , 基础模型 , 药物发现
思路清晰,干货满满。
点赞,必须点赞
整理得太全面了,省了我不少时间。
看完了,收获满满,期待更多更新。
不错不错,已加入书签。
赞同,实践出真知。
这个观点很中肯,深有同感。
赞同,实践出真知。
看完了,收获满满,期待更多更新。
这篇文章分析得很透彻,收藏了!
作者写得真不错,学到了不少。
讲解得很细致,新手也能看懂。