Microsoft Research ha publicado y liberado como código abierto RetroChimera, un nuevo marco de trabajo para la predicción de retrosíntesis que combina dos modelos complementarios para proponer rutas de síntesis de alta calidad. El sistema integra R-SMILES 2, un modelo de-novo basado en Transformer, con NeuralLoc, un modelo basado en redes neuronales gráficas (GNN), utilizando una estrategia de ensamble aprendida para clasificar las predicciones.

  • RetroChimera aprovecha la flexibilidad de R-SMILES 2 y la precisión fundamentada de NeuralLoc para capturar patrones de reacción complementarios.
  • En pruebas a ciegas, los químicos con doctorado preferieron las predicciones individuales de reacciones de RetroChimera frente a modelos anteriores y reacciones documentadas en la literatura.
  • El modelo logró una tasa de aceptación del 90% para rutas completas de síntesis por parte de expertos, en comparación con el 20-50% de sus submodelos o líneas base.
  • La implementación y los pesos están disponibles en GitHub bajo la licencia MIT y a través de Microsoft Foundry.

RetroChimera tiene como objetivo ayudar a los investigadores a identificar rutas de síntesis prometedoras de manera más eficiente, apoyando ciclos de diseño-fabricación-prueba más rápidos en el descubrimiento de fármacos y materiales inteligentes.