何が起きたか
MITのチームが、データが少ない状況で分子の性質を予測するオープンなモデル「CheMeleon」を開発した。化学企業BASFの研究者3人が加わった研究で、「Journal of Chemical Information and Modeling」に掲載された。予備的なバージョンは昨年から出回っており、すでに複数の製薬会社が使っている。
なぜ重要か
医薬品、電子機器、エネルギーに使う分子を探す作業は、化合物がどう振る舞うかを正確に予測する方法がないため、今も大部分が試行錯誤だ。機械学習は、何を合成して試す価値があるかを判断する助けになる。CheMeleonの貢献は、データが足りない場面でこそ、より良く機能する点にある。たとえば、医薬品候補になりうる新たに見つかった細胞の標的を扱う場合だ。
数字で見る
OpenADMETが主催した新規分子の性質予測コンテストでは、上位20件のうち9件がCheMeleonを使っていた。
背景
このモデルは、MITの化学工学教授William Greenの研究グループによるオープンソースのパッケージChemPropの上に構築されており、誰でもChemPropを通じてダウンロードし、必要に応じて調整できる。Greenによると、コンテストの後、各地から問い合わせが届くようになった。著者は、学生のAkshat Shirish Zalte、博士号を取得したばかりのJackson Burns、研究員のCharlles Abreu、Greenに、BASFの科学者3人を加えた顔ぶれだ。記事によると、この手法は、データが乏しいときに検討すべき分子を絞り込む点で既存の手法を上回る。関連する話題として、MamíferoはオープンなLLMがゼオライトのレシピを実験手順に変える、MOSS-Image：画像内の長文テキスト向けのオープンモデル、XiaomiがMiMo-V2.6を公開、2つのテストでOpus 5を上回る、1億1500万年前の恐竜に残る血液の分子を掲載している。
今後
今後は使われ方しだいだ。オープンであるため、ほかのグループが自分の関心のある性質に合わせて調整し、代替手法と比較できる。性能は、実験室で合成して測定した分子で判断されることになる。
まとめ
これは絞り込みの道具だ。候補の選定を速めるが、検証は今も実験室で行われる。
出典
- Phys.org、「Journal of Chemical Information and Modeling」に掲載されたMITの研究の要約（2026年11月9日閲覧）。
- カバー画像：Belikov Maxim、CC BY 4.0、Wikimedia Commonsより
編集：Rodrigo Cornejo。選定と検証の方法：ノートを書いているのは誰か。
