RetroChimera. AI Microsoftu planuje syntezę cząsteczek

Czym jest retrosynteza i co robi RetroChimera

Retrosynteza to planowanie syntezy od końca. Chemik zaczyna od docelowej cząsteczki, na przykład kandydata na lek, i szuka reakcji, które pozwolą złożyć ją z prostszych, dostępnych w handlu związków. Przy nowych cząsteczkach to często wielotygodniowa praca, bo gotowego przepisu nie ma w literaturze.

RetroChimera proponuje kolejne kroki takiej drogi. Według artykułu w Nature model składa się z dwóch nowych komponentów o uzupełniających się założeniach (inductive bias), a ich propozycje łączy wyuczony mechanizm zespołowy. Autorzy piszą, że model radzi sobie przy różnej skali danych i potrafi uczyć się z niewielkiej liczby przykładów dla danej klasy reakcji.

Wyniki oceny przez chemików

Najważniejszy test nie polegał na automatycznym benchmarku, tylko na ocenie ekspertów. Liczby pochodzą z materiału Microsoftu opisującego publikację.

• 10 cząsteczek testowych - dla 9 z nich chemicy w pełni zaakceptowali drogę syntezy zaproponowaną przez RetroChimera, a modele konkurencyjne uzyskały od 2 do 5 akceptacji,
• porównanie z literaturą - dziewięciu chemików organików z doktoratem wybierało między najlepszą propozycją modelu a drogą opisaną wcześniej i w około 64 proc. przypadków wolało propozycję modelu,
• dane firmowe - autorzy sprawdzili przenoszenie wiedzy bez dotrenowania i z dotrenowaniem na danych firm farmaceutycznych.

Kto stoi za badaniem

Pracą kierował zespół Microsoft Research AI for Science z Cambridge. Współautorami są naukowcy Novartis Biomedical Research z Bazylei, GSK ze Stevenage, Uniwersytetu w Cambridge, Uniwersytetu Jagiellońskiego w Krakowie i Uniwersytetu w Wuppertalu. Udział dwóch dużych koncernów farmaceutycznych oznaczał dostęp do firmowych zbiorów reakcji, na których sprawdzono, czy model działa poza danymi publicznymi.

Obecność Uniwersytetu Jagiellońskiego to rzadki przykład polskiego wkładu w publikację o modelu AI w Nature. Artykuł jest płatny, więc szczegółowy podział ról między ośrodkami trzeba sprawdzić w pełnej wersji pracy.

Dostępność, licencja i wymagania

Microsoft opublikował RetroChimera w repozytorium microsoft/retrochimera na GitHubie na licencji MIT. Udostępniono kod oraz punkty kontrolne modelu wytrenowane na zbiorach Pistachio, USPTO-50K i USPTO-FULL, a także model przewidujący przebieg reakcji w przód. Najmocniejsza wersja według autorów to ta trenowana na Pistachio.

Repozytorium opisuje model jako wydanie do badań i eksperymentów. Twórcy zalecają łączenie go z modelem oceniającym wykonalność reakcji i zastrzegają, że skuteczność może spadać przy chemii mało reprezentowanej w danych treningowych. Model można dostosować do własnych danych firmy.

Ograniczenia i ryzyka

Wynik 9 z 10 dotyczy małej próby i nie mówi, jak model poradzi sobie z tysiącami cząsteczek w realnym projekcie. Ocena ekspertów potwierdza też sensowność drogi na papierze, a nie wydajność reakcji w laboratorium. Preferencja w 64 proc. porównań oznacza, że w ponad jednej trzeciej przypadków chemicy wybierali drogę znaną z literatury.

Każdą propozycję musi ocenić chemik, także pod kątem bezpieczeństwa. Repozytorium wprost wymaga niezależnej oceny ryzyka i weryfikacji wyników przez ekspertów. Narzędzia do planowania syntezy mają charakter podwójnego zastosowania, dlatego ich użycie w firmie wymaga kontroli dostępu i procedur zgodnych z przepisami o substancjach kontrolowanych.

Co to oznacza dla polskich laboratoriów

Otwarta licencja obniża próg wejścia dla zespołów chemii medycznej na uczelniach i w polskich firmach biotechnologicznych oraz farmaceutycznych. Laboratorium może uruchomić model na własnej infrastrukturze, bez wysyłania struktur cząsteczek do zewnętrznej usługi, co ma znaczenie przy chronionych projektach badawczych.

W naszej ocenie rozsądny pierwszy krok to test na kilkunastu cząsteczkach, dla których zespół zna już skuteczną drogę syntezy. Porównanie propozycji modelu z własnym doświadczeniem pokaże, czy RetroChimera skraca planowanie w danej klasie reakcji, zanim trafi do codziennej pracy.