A Microsoft Research publicou e disponibilizou como código aberto o RetroChimera, um novo framework para previsão de retrosíntese que combina dois modelos complementares para propor rotas de síntese de alta qualidade. O sistema integra R-SMILES 2, um modelo de-novo baseado em Transformer, com NeuralLoc, um modelo baseado em rede neural gráfica (GNN), utilizando uma estratégia de ensembling aprendida para classificar as previsões.

  • RetroChimera aproveita a flexibilidade do R-SMILES 2 e a precisão fundamentada do NeuralLoc para capturar padrões de reação complementares.
  • Em testes cegos, químicos com doutorado preferiram as previsões individuais de reação do RetroChimera em comparação com modelos anteriores e reações registradas na literatura.
  • O modelo alcançou uma taxa de aceitação de 90% para rotas completas de síntese por especialistas, comparado a 20-50% para seus sub-modelos ou linhas de base.
  • A implementação e os pesos estão disponíveis no GitHub sob a licença MIT e via Microsoft Foundry.

O RetroChimera visa ajudar pesquisadores a identificar rotas de síntese promissoras com mais eficiência, apoiando ciclos de design-fabricação-teste mais rápidos na descoberta de medicamentos e materiais inteligentes.