माइक्रोसॉफ्ट रिसर्च ने रेट्रोसिंथेसिस भविष्यवाणी के लिए एक नया फ्रेमवर्क, RetroChimera को प्रकाशित और ओपन-सोर्स किया है, जो उच्च गुणवत्ता वाले संश्लेषण मार्गों का सुझाव देने के लिए दो पूरक मॉडलों को जोड़ता है। सिस्टम एक सीखी हुई एन्सेंबलिंग रणनीति का उपयोग करके R-SMILES 2, एक Transformer-आधारित de-novo मॉडल, और NeuralLoc, एक ग्राफ न्यूरल नेटवर्क (GNN) आधारित मॉडल को एकीकृत करता है।
- RetroChimera पूरक प्रतिक्रिया पैटर्न को पकड़ने के लिए R-SMILES 2 की लचीलेपन और NeuralLoc की स्थिर सटीकता का लाभ उठाता है।
- अंधे परीक्षणों में, पीएचडी स्तर के रसायनज्ञों ने पूर्व मॉडलों और साहित्यिक प्रतिक्रियाओं की तुलना में RetroChimera की व्यक्तिगत प्रतिक्रिया भविष्यवाणियों को प्राथमिकता दी।
- विशेषज्ञों द्वारा पूर्ण संश्लेषण मार्गों के लिए मॉडल ने 90% स्वीकृति दर हासिल की, जबकि इसके उप-मॉडल या आधार रेखाओं के लिए यह दर 20-50% थी।
- कार्यान्वयन और वजन MIT लाइसेंस के तहत GitHub पर और Microsoft Foundry के माध्यम से उपलब्ध हैं।
रेट्रोसाइमेरा शोधकर्ताओं को अधिक कुशलता से वादा करने वाले संश्लेषण मार्गों की पहचान करने में सहायता करने के लिए बनाया गया है, जिससे दवा खोज और स्मार्ट सामग्रियों में तेज़ डिजाइन-मेक-टेस्ट चक्रों का समर्थन होता है।