← 返回首頁

實驗資料少,也能預測分子表現?MIT以CheMeleon探索新藥篩選

先學會可計算的分子特徵,再用少量實驗資料調整模型,CheMeleon試圖改善新藥探索初期的預測難題。58組基準資料的結果提供支持,但距離證明能提高實際研發成功率,還有一段路。

By SURL BioNews

剛找到一個可能與疾病有關的蛋白質,研究人員往往還不知道,哪些分子值得投入時間合成與測試。此時最需要預測工具,手上的實驗資料卻也最少。麻省理工學院(MIT)11月6日介紹的CheMeleon,正是針對這個困境:讓模型先從大量分子的基本特徵學起,再協助判斷候選化合物的生物活性、毒性或溶解度。

這項由MIT與巴斯夫(BASF)研究人員合作的成果,已於9月14日刊登在《Journal of Chemical Information and Modeling》。團隊在58組與小分子藥物探索相關的基準資料集上進行評估;期刊摘要指出,統計比較支持CheMeleon優於以分子指紋或描述符為輸入的隨機森林等傳統方法,以及既有基礎模型。不過,這代表受測條件下的整體優勢,不能解讀為每項性質都能準確預測。

CheMeleon的起點,是化學家早已使用的「分子描述符」:例如分子量、氧原子數量等可由結構計算的特徵。依MIT說明,研究人員以約100萬個分子、約1,600項描述符進行預訓練,讓模型學習分子結構與這些特徵之間的關係。這類訓練標記可透過計算取得,減少了預訓練對昂貴實驗量測的依賴。

完成這一輪學習後,約有1,000萬個參數的模型,再以特定任務的資料微調。對藥物探索而言,其用途是協助安排實驗優先順序:當某個新標的只有少量活性量測,或候選分子的溶解度資料有限時,研究人員希望藉此縮小下一輪測試範圍。它能否在不同化學結構與實驗條件下維持優勢,仍須逐案檢驗。

研究也已有競賽應用的訊號。MIT引述研究團隊說法指出,OpenADMET競賽排名前20的參賽方案中,有9個在流程中使用CheMeleon。這顯示模型能被納入其他團隊的預測工作,但排名反映的是完整參賽方案,無法單憑這項數字分離出CheMeleon本身的貢獻。

這套方法在期刊出版前便已公開:預印本最早於2025年6月上線,2026年2月修訂。作者的公開程式庫提供重現研究所需的程式,並連結訓練資料與模型權重;使用者可透過ChemProp微調模型,也可直接產生供其他分析使用的分子特徵表示。公開資源讓外部團隊有機會檢查結果,並在自己的資料上測試適用程度。

目前證據的重心仍是分子性質預測。基準測試與競賽表現,尚未證明這套工具能縮短多少研發時間、降低多少成本,或提高候選藥物進入臨床的機率;毒性預測也不能直接當作人體安全性的結論。對研發團隊而言,下一個關鍵問題是:依模型建議挑出的分子,能否在後續實驗中持續交出更好的結果。

References

  1. MIT News
  2. PubMed / Journal of Chemical Information and Modeling
  3. arXiv
  4. Jackson Burns / GitHub