IA y desarrollo de fármacos · global
¿Predecir el comportamiento molecular con pocos datos experimentales? MIT explora la selección de fármacos con CheMeleon
CheMeleon busca mejorar las predicciones en las primeras etapas del descubrimiento de fármacos aprendiendo primero características moleculares calculables y ajustando después el modelo con pocos datos experimentales. Los resultados en 58 conjuntos de datos de referencia respaldan el enfoque, pero aún queda camino para demostrar que puede aumentar la tasa de éxito del desarrollo real.
Tras identificar una proteína que podría estar relacionada con una enfermedad, los investigadores a menudo todavía no saben qué moléculas merecen el tiempo necesario para sintetizarlas y probarlas. Es entonces cuando más necesitan herramientas de predicción, pero también cuando menos datos experimentales tienen. CheMeleon, presentado por el Instituto Tecnológico de Massachusetts (MIT) el 6 de noviembre, aborda precisamente este dilema: permite que el modelo aprenda primero las características básicas de un gran número de moléculas y luego ayude a evaluar la actividad biológica, la toxicidad o la solubilidad de los compuestos candidatos.
El trabajo, fruto de la colaboración entre investigadores del MIT y de BASF, se publicó el 14 de septiembre en Journal of Chemical Information and Modeling. El equipo lo evaluó en 58 conjuntos de datos de referencia relacionados con el descubrimiento de fármacos de moléculas pequeñas. Según el resumen de la revista, las comparaciones estadísticas respaldan la superioridad de CheMeleon frente a métodos tradicionales, como los bosques aleatorios que utilizan huellas moleculares o descriptores como datos de entrada, y frente a modelos fundacionales existentes. Sin embargo, esto representa una ventaja global en las condiciones evaluadas y no debe interpretarse como que todas las propiedades pueden predecirse con precisión.
El punto de partida de CheMeleon son los «descriptores moleculares» que los químicos utilizan desde hace tiempo: características calculables a partir de la estructura, como el peso molecular o el número de átomos de oxígeno. Según explica el MIT, los investigadores realizaron el preentrenamiento con aproximadamente 1 millón de moléculas y unos 1.600 descriptores, para que el modelo aprendiera la relación entre las estructuras moleculares y estas características. Las etiquetas para este tipo de entrenamiento pueden obtenerse mediante cálculos, lo que reduce la dependencia del preentrenamiento de costosas mediciones experimentales.
Una vez completada esta fase de aprendizaje, el modelo, de unos 10 millones de parámetros, se ajusta con datos de tareas específicas. En el descubrimiento de fármacos, su utilidad consiste en ayudar a establecer prioridades para los experimentos: cuando solo hay unas pocas mediciones de actividad para una nueva diana, o los datos de solubilidad de las moléculas candidatas son limitados, los investigadores esperan reducir así el conjunto que se someterá a la siguiente ronda de pruebas. Su capacidad para mantener la ventaja con distintas estructuras químicas y condiciones experimentales todavía debe verificarse caso por caso.
También hay indicios de su aplicación en competiciones. El MIT, citando al equipo de investigación, señala que 9 de las 20 propuestas mejor clasificadas en la competición OpenADMET utilizaron CheMeleon en su proceso. Esto muestra que el modelo puede incorporarse al trabajo predictivo de otros equipos, pero la clasificación refleja las propuestas completas, por lo que esta cifra por sí sola no permite aislar la contribución de CheMeleon.
El método ya se había hecho público antes de su publicación en la revista: la prepublicación apareció por primera vez en junio de 2025 y se revisó en febrero de 2026. El repositorio público de los autores ofrece el código necesario para reproducir el estudio y enlaces a los datos de entrenamiento y los pesos del modelo. Los usuarios pueden ajustar el modelo mediante ChemProp o generar directamente representaciones de características moleculares para otros análisis. Estos recursos públicos brindan a equipos externos la oportunidad de comprobar los resultados y evaluar su aplicabilidad a sus propios datos.
Por ahora, la evidencia sigue centrada en la predicción de propiedades moleculares. Los resultados en las pruebas de referencia y las competiciones aún no demuestran cuánto podría acortar esta herramienta los tiempos de desarrollo, reducir los costes o aumentar la probabilidad de que los candidatos a fármacos lleguen a la fase clínica. Las predicciones de toxicidad tampoco pueden tomarse directamente como conclusiones sobre la seguridad en seres humanos. Para los equipos de desarrollo, la siguiente pregunta clave es si las moléculas seleccionadas siguiendo las recomendaciones del modelo pueden seguir ofreciendo mejores resultados en los experimentos posteriores.