A Microsoft RetroChimera modellje gyorsíthatja a molekulatervezést

Visszafelé tervezi meg a molekulák előállítását

A RetroChimera a retroszintézis problémáját kezeli. Ennek során a rendszer egy célmolekulából indul ki, majd lépésről lépésre egyszerűbb előanyagokra bontja azt, egészen addig, amíg megvásárolható kiindulási építőelemekhez nem jut. A cél egy teljes, laboratóriumban megvalósítható szintézisútvonal megtalálása.

A Microsoft Research szerint az új gyógyszerek és anyagok fejlesztését lassítja, hogy az új molekulák előállítása továbbra is nagyrészt manuális, időigényes és költséges feladat. A szintézis a gyógyszerfejlesztés költségeinek is jelentős tényezője. A számítási módszerek ugyan nagyszámú új molekula vizsgálatát teszik lehetővé, ezek gyakorlati előállítási módjának megtalálása továbbra is kritikus kihívás.

Két eltérő modell előnyeit egyesíti

A Nature-ben nemrég publikált tanulmány szerint a RetroChimera két almodellre épül. Az R-SMILES 2 Transformer-alapú, de novo modell, amely közvetlenül jósol előanyagmolekulákat a bemeneti molekulából. Ez rugalmasan tanulhat reakciómintákat az adatokból, ugyanakkor a korlátozások nélküli generálás miatt hallucinációra is hajlamosabb lehet.

A NeuralLoc ezzel szemben gráf-neurális hálózatra épül. A célmolekulát és a reakciósablonokat gráfként kódolja, majd kiválasztja a megfelelő sablonokat, és megjósolja, hol kell alkalmazni őket. Mivel a képzési adatokból kinyert reakciómintákra támaszkodik, pontosabb és megbízhatóbb kimeneteket adhat, viszont korlátozottabb lehet a sablonkönyvtárban nem szereplő reakcióknál.

A két modell eltérő kémiai mintákat ragad meg. Az R-SMILES 2 különösen a reakció során nagy változásokkal járó esetekben teljesít jól, a NeuralLoc pedig az alacsony gyakoriságú, illetve lokalizált változásokat tartalmazó reakciókban erős. A RetroChimera tanult együttesítéssel rangsorolja a két modell javaslatait. Ha ugyanazt a reakciót mindkettő felveti, a hozzájuk tartozó szavazatokat összeadja.

A vegyészek vakteszten is előnyben részesítették

A Microsoft Research beszámolója szerint a RetroChimera a gyakori és ritka reakcióosztályokban egyaránt erős eredményeket ért el. Vakteszteken PhD-szintű vegyészek a modell egyedi reakció-előrejelzéseit előnyben részesítették a korábbi modellek, a komponensmodellek és a szakirodalomban rögzített reakciók javaslataival szemben.

Tíz nehéz célmolekulán végzett szakértői értékelésben a RetroChimera kilenc esetben talált elfogadható teljes szintézisútvonalat. Összehasonlításként a de novo modell öt, az editing modell négy, a NeuralSym nevű erős alapmodell pedig két célmolekulán teljesített sikeresen.

A vállalat szeptember 21-i közleménye szerint a RetroChimera implementációja és súlyai nyílt forrásúak. A modell GitHubon, MIT-licenc alatt érhető el, és a Microsoft Foundryn keresztül is használható. A Microsoft Research arra kéri a kémiai kutatóközösséget, hogy különböző célmolekulákon tesztelje a rendszert, és jelezze annak erősségeit, illetve hiányosságait.

Gyorsabb lehet a molekulák tervezési ciklusa

A Microsoft Research szerint a RetroChimera segítségével a kutatók hatékonyabban azonosíthatnak ígéretes szintézisútvonalakat, így gyorsulhat a molekulák tervezését, előállítását és tesztelését összekapcsoló folyamat. A modell lehetővé teheti több, összetettebb jelöltmolekula értékelését gyógyszerkutatási és intelligens anyagokkal kapcsolatos alkalmazásokban.

A közlemény szerint a növekvő laborautomatizálással együtt a technológia hozzájárulhat olyan zárt hurkú rendszerek kialakításához, amelyek a szintézis tervezését és végrehajtását is folyamatosan javítják. A kutatók a teljes eredményekhez a Nature-ben megjelent tanulmányt és a kapcsolódó Microsoft Source-cikket ajánlják.