Microsoft Research a publié et open-sourcé RetroChimera, un nouveau cadre de prédiction de rétrosynthèse qui combine deux modèles complémentaires pour proposer des voies de synthèse de haute qualité. Le système intègre R-SMILES 2, un modèle de novo basé sur Transformer, avec NeuralLoc, un modèle basé sur un réseau neuronal graphique (GNN), en utilisant une stratégie d'assemblage apprise pour classer les prédictions.

  • RetroChimera exploite la flexibilité de R-SMILES 2 et la précision ancrée de NeuralLoc pour capturer des motifs réactionnels complémentaires.
  • Lors de tests en aveugle, des chimistes de niveau doctorat ont préféré les prédictions de réactions individuelles de RetroChimera par rapport aux modèles précédents et aux réactions documentées dans la littérature.
  • Le modèle a atteint un taux d'acceptation de 90 % pour les voies de synthèse complètes par des experts, comparé à 20-50 % pour ses sous-modèles ou les références.
  • L'implémentation et les poids sont disponibles sur GitHub sous licence MIT et via Microsoft Foundry.

RetroChimera vise à aider les chercheurs à identifier plus efficacement des voies de synthèse prometteuses, soutenant des cycles de conception-fabrication-test plus rapides dans la découverte de médicaments et les matériaux intelligents.