MIT indique que CheMeleon a dominé 58 tests de prédiction des propriétés moléculaires

Une équipe du MIT a développé CheMeleon, un modèle d’apprentissage automatique qui vise à prédire les propriétés moléculaires lorsqu’il existe peu de données pour une tâche donnée. MIT indique que, dans une comparaison portant sur 58 cas de test, le modèle est arrivé en tête ou a obtenu des résultats statistiquement indiscernables des meilleurs selon les critères utilisés. Sa stratégie consiste à préentraîner un réseau neuronal pour prédire des descripteurs calculés de molécules, puis à l’ajuster à des propriétés spécifiques.

Prédire le comportement d’un composé pourrait aider à sélectionner ceux qu’il convient de synthétiser et de tester. Selon MIT, la découverte de molécules reste largement un processus d’essais et d’erreurs : il n’existe aucun moyen d’anticiper parfaitement la variété des propriétés et des réactions d’un composé. CheMeleon vise à contribuer à réduire l’ensemble des candidats qui nécessitent des recherches expérimentales, et non à éliminer la nécessité de ces essais.

Apprendre à partir de descripteurs

CheMeleon a été préentraîné avec des informations sur un million de molécules issues de PubChem, une base de données chimiques en libre accès gérée par les National Institutes of Health des États-Unis. À cette étape, au lieu d’apprendre à partir de mesures expérimentales d’une propriété spécifique, le modèle prédit les valeurs d’un catalogue d’environ 1.600 descripteurs moléculaires calculés. MIT cite notamment comme exemples le poids moléculaire et le nombre d’atomes d’oxygène.

L’idée est que le réseau apprenne des relations entre la structure d’une molécule et ces descripteurs. Le modèle peut ensuite être ajusté (fine-tuning) pour prédire des propriétés déterminées, comme la solubilité, la viscosité, la bioactivité ou la réactivité vis-à-vis d’une protéine ou d’une enzyme. Ainsi, pour traiter une nouvelle tâche, il n’aurait pas à apprendre à partir de zéro toutes les relations entre structure et propriété.

Le préprint des auteurs décrit CheMeleon comme un réseau neuronal à passage de messages dirigés (D-MPNN), préentraîné pour prédire des descripteurs Mordred calculés pour un million de molécules. Il présente ces descripteurs comme des objectifs d’entraînement déterministes et peu bruités, et indique que la méthode combine des informations chimiques encodées dans des descripteurs avec des représentations apprises par un réseau neuronal. Cette approche explique la méthodologie, mais ne démontre pas à elle seule les performances dans des applications autres que celles évaluées.

Résultats sur des jeux de référence

MIT indique que l’équipe a comparé la méthode à d’autres modèles fondamentaux et à des modèles classiques fondés sur des principes conçus par des spécialistes. Le préprint décrit une évaluation sur 58 jeux de référence de Polaris et MoleculeACE. Les auteurs font état de taux de victoire de 75% pour les tâches de Polaris et de 97% pour les essais de MoleculeACE. Dans le résumé du préprint, une victoire comprend le meilleur résultat ou un résultat statistiquement indiscernable du meilleur selon les critères d’évaluation utilisés.

Ces chiffres résument les résultats obtenus sur les jeux et selon les critères décrits par les auteurs. Ils ne représentent pas un taux de réussite général pour tous les problèmes chimiques et ne démontrent pas que le modèle surpasse les autres méthodes pour toutes les propriétés ou dans toutes les conditions d’utilisation. L’article de MIT et le préprint décrivent le même travail : le préprint apporte des détails méthodologiques et d’évaluation, mais ne constitue pas une corroboration indépendante de l’article.

Applications et ressources nécessaires

MIT indique que les prédictions pourraient orienter le choix des molécules à étudier expérimentalement, un processus qui peut être lent et coûteux. L’article indique également que plusieurs entreprises pharmaceutiques ont utilisé CheMeleon et que neuf des vingt propositions les mieux classées lors d’une compétition organisée par OpenADMET avaient utilisé le modèle. Il s’agit d’exemples d’utilisation et d’intérêt rapportés par la source institutionnelle ; ils ne constituent pas en eux-mêmes une évaluation indépendante de la précision dans des produits ou programmes spécifiques.

Le dépôt des auteurs explique comment ajuster CheMeleon avec Chemprop 2.2.0 ou une version ultérieure et comment générer des empreintes moléculaires sans ajustement. Il indique également que reproduire l’étude nécessite d’importantes ressources informatiques : le calcul des caractéristiques pour un million de chaînes SMILES a pris environ 500 heures de CPU, et le préentraînement de CheMeleon, environ 1.000 heures de GPU. Ces ressources correspondent à la reproduction décrite dans le dépôt, et non au coût de chaque prédiction ou ajustement individuel.

Dans l’ensemble, CheMeleon associe un préentraînement à l’aide de descripteurs calculés et un ajustement ultérieur à des propriétés moléculaires spécifiques. Les résultats rapportés étayent ses performances dans les évaluations examinées par les auteurs ; son utilité dans une application donnée dépend des données et des vérifications pertinentes.