Un equipo del MIT presentó CheMeleon, un modelo de aprendizaje automático que predice propiedades de moléculas cuando hay pocos datos sobre la propiedad de interés. Los resultados se publicaron en el número del 14 de septiembre del Journal of Chemical Information and Modeling, según informó MIT News el 6 de noviembre de 2026. El modelo se preentrenó con información detallada de un millón de moléculas de la base de datos PubChem y con un catálogo de unos 1.600 descriptores químicos.

Según el equipo, CheMeleon superó a otros modelos fundacionales y a modelos clásicos basados en principios diseñados por expertos en 58 casos de prueba. El modelo se construyó sobre ChemProp, un paquete de código abierto del grupo de William Green en el MIT, y puede descargarse y ajustarse. Green señaló que el modelo reduce el número de moléculas que deben probarse experimentalmente para predecir propiedades de compuestos nuevos.

El artículo también indica que nueve de las 20 mejores entradas de un concurso organizado por OpenADMET ese año usaron CheMeleon, y que varias farmacéuticas lo han empleado. El trabajo contó con apoyo del consorcio Machine Learning for Pharmaceutical Discovery and Synthesis, el Departamento de Energía de EE. UU. y MathWorks, y con investigadores de BASF SE.