Qué pasó
Un equipo del MIT desarrolló CheMeleon, un modelo abierto que predice propiedades de moléculas cuando hay pocos datos disponibles. El estudio, con participación de tres investigadores de la química BASF, se publicó en el Journal of Chemical Information and Modeling. Una versión preliminar circula desde el año pasado y varias farmacéuticas ya lo usan.
Por qué importa
Encontrar moléculas para fármacos, electrónica o energía sigue siendo en gran parte prueba y error, porque no hay forma de predecir con exactitud cómo se comportará un compuesto. El aprendizaje automático ayuda a decidir qué vale la pena sintetizar y probar. El aporte de CheMeleon es que funciona mejor justo donde faltan datos, por ejemplo con una diana celular recién descubierta para un posible fármaco.
El dato
En un concurso organizado por OpenADMET para predecir propiedades de moléculas nuevas, nueve de las veinte mejores propuestas usaron CheMeleon.
Contexto
El modelo se construyó sobre ChemProp, un paquete de código abierto del grupo de William Green, profesor de ingeniería química del MIT, y cualquiera puede descargarlo a través de ChemProp y ajustarlo a sus fines. Green contó que tras el concurso empezaron a recibir consultas de muchas partes. Los autores son el estudiante Akshat Shirish Zalte, el reciente doctor Jackson Burns, el investigador Charlles Abreu y Green, junto con tres científicos de BASF. Según el texto, el método supera a otros existentes para reducir el campo de moléculas por revisar cuando los datos son escasos. Sobre temas cercanos, Mamífero publicó Un LLM abierto convierte recetas de zeolitas en pasos; ‘MOSS-Image: modelo abierto para texto largo en imágenes’; Xiaomi abre MiMo-V2.6 y supera a Opus 5 en dos pruebas y Moléculas de sangre de dinosaurio de 115 millones de años.
Qué viene
Lo que viene depende del uso: al ser abierto, otros grupos podrán ajustarlo a sus propias propiedades de interés y compararlo con alternativas. Su desempeño se juzgará con moléculas sintetizadas y medidas en el laboratorio.
Cierre
Es una herramienta de filtrado: acelera la elección de candidatos, pero la comprobación sigue ocurriendo en el laboratorio.
Fuentes
- Phys.org: resumen del estudio del MIT publicado en Journal of Chemical Information and Modeling (consultado el 9 de noviembre de 2026).
- Imagen de portada: Belikov Maxim, CC BY 4.0, vía Wikimedia Commons
Editado por Rodrigo Cornejo. Quiénes escriben las notas
