发生了什么
麻省理工学院的一个团队开发了 CheMeleon，这是一个开源模型，能在数据很少的情况下预测分子性质。这项研究有三名来自化工公司 BASF 的研究人员参与，发表在《Journal of Chemical Information and Modeling》上。该模型的初步版本自去年起就已流传，多家制药公司已经在使用。
为什么重要
为药物、电子产品或能源寻找分子，在很大程度上仍靠反复试错，因为目前还无法准确预测一种化合物会有怎样的表现。机器学习有助于判断哪些分子值得合成和测试。CheMeleon 的贡献在于，它恰恰在数据缺乏的地方表现更好，例如面对某种可能成为药物靶点的新发现的细胞靶标。
关键数字
在 OpenADMET 组织的一场预测新分子性质的竞赛中，前二十名参赛作品里有九个使用了 CheMeleon。
背景
该模型建立在 ChemProp 之上，这是麻省理工学院化学工程教授 William Green 课题组开发的开源软件包，任何人都可以通过 ChemProp 下载它，并按自己的需要进行调整。Green 说，竞赛结束后，他们开始收到来自各地的咨询。作者包括学生 Akshat Shirish Zalte、新晋博士 Jackson Burns、研究员 Charlles Abreu 和 Green，以及三名 BASF 科学家。据文章介绍，在数据稀缺时，这种方法在缩小需要审查的分子范围方面优于现有方法。在相关话题上，Mamífero 还发布过：开源大模型把沸石配方变成实验室步骤；MOSS-Image：面向图像中长文本的开源模型；小米开源 MiMo-V2.6，在两项测试中胜过 Opus 5；来自1.15亿年前恐龙的血液分子。
接下来
接下来如何，取决于使用情况：由于模型开源，其他团队可以针对自己关心的性质进行调整，并与替代方案作比较。它的表现将以在实验室中合成并测量过的分子来评判。
一句话总结
这是一种筛选工具：它能加快候选分子的选择，但验证仍要在实验室里完成。
来源
- Phys.org，对麻省理工学院发表于《Journal of Chemical Information and Modeling》的研究的摘要（2026年11月9日查阅）。
- 封面图片：Belikov Maxim，CC BY 4.0，来自 Wikimedia Commons
编辑：Rodrigo Cornejo。我们如何挑选和核实：谁在写这些笔记。
