Het zoeken naar een nieuw medicijn of materiaal is nog altijd veel proberen en meten. Onderzoekers van MIT hebben samen met het Duitse chemiebedrijf BASF een AI-model gebouwd dat dat zoeken moet inkorten, juist als er weinig meetgegevens zijn. Het model heet CheMeleon en is vrij te downloaden.

Eerst algemene scheikunde, dan de specifieke vraag

CheMeleon is een zogeheten foundation model, vergelijkbaar met hoe taalmodellen eerst breed leren voordat ze een specifieke taak krijgen. Het team trainde het model niet op wetenschappelijke artikelen, maar op berekende kenmerken van een miljoen moleculen uit PubChem, een gratis database van de Amerikaanse gezondheidsinstituten. Denk aan het molecuulgewicht, het aantal zuurstofatomen of hoe vertakt een molecuul is. Het gaat om zo'n 1.600 van die kenmerken.

Daarna kun je het model met een handvol eigen meetpunten bijstellen voor de eigenschap die je zoekt, zoals oplosbaarheid of hoe sterk een stof aan een bepaald eiwit bindt. Omdat het model de basis al kent, hoeft het niet alles opnieuw te leren. In 58 testgevallen kwam het volgens de onderzoekers als beste uit de bus, zowel tegen andere foundation models als tegen klassieke modellen op basis van expertkennis.

Al in gebruik voordat het gepubliceerd was

Opvallend is dat de industrie niet op de officiële publicatie wachtte. Bij een wedstrijd van OpenADMET eerder dit jaar gebruikten negen van de twintig beste inzendingen CheMeleon. Volgens hoogleraar William Green stuurde minstens één farmabedrijf een interne richtlijn rond: begin elke modellering met CheMeleon. Het artikel verscheen in september in het Journal of Chemical Information and Modeling.

Europees tintje

Drie van de auteurs werken bij BASF in Duitsland, en het model is gebouwd op het opensource-pakket ChemProp. Daardoor kan ook een Nederlands lab of chemiebedrijf het zonder licentie gebruiken en aanpassen. Het past in een reeks AI-toepassingen voor medicijnonderzoek waar we eerder over schreven, zoals het werk van Barzilay en Collins aan antibiotica gevonden met AI. Het belangrijkste voordeel is praktisch: minder moleculen hoeven echt gemaakt en getest te worden, en dat scheelt tijd en geld.