Microsoft Research telah menerbitkan dan membuka sumber RetroChimera, sebuah kerangka kerja baru untuk prediksi retrosintesis yang menggabungkan dua model komplementer untuk mengusulkan rute sintesis berkualitas tinggi. Sistem ini mengintegrasikan R-SMILES 2, model de-novo berbasis Transformer, dengan NeuralLoc, model berbasis jaringan saraf graf (GNN), menggunakan strategi ensembling terlatih untuk meranking prediksi.
- RetroChimera memanfaatkan fleksibilitas R-SMILES 2 dan akurasi grounded dari NeuralLoc untuk menangkap pola reaksi yang saling melengkapi.
- Dalam uji buta, ahli kimia tingkat PhD lebih memilih prediksi reaksi individual dari RetroChimera dibandingkan model pendahulu dan reaksi literatur yang tercatat.
- Model ini mencapai tingkat penerimaan 90% untuk rute sintesis lengkap oleh para ahli, dibandingkan dengan 20-50% untuk sub-model atau baselinenya.
- Implementasi dan bobot tersedia di GitHub di bawah lisensi MIT dan melalui Microsoft Foundry.
RetroChimera bertujuan membantu peneliti mengidentifikasi rute sintesis yang menjanjikan secara lebih efisien, mendukung siklus design-make-test yang lebih cepat dalam penemuan obat dan bahan cerdas.