Предвидувањето како ќе се однесува ново хемиско соединение е тешко: откривањето молекули за конкретна намена сè уште во голема мера се потпира на обиди и грешки. Тоа е важно за истражувачи што бараат соединенија со посакувани својства, на пример растворливост или биолошка активност. CheMeleon е модел за машинско учење развиен за вакви предвидувања, а неговото развивање и споредбено тестирање се опишани во институционално соопштение.
Што учи моделот пред да добие конкретна задача?
Пред да се приспособи на одредено прашање, CheMeleon се обучува со податоци за милион молекули од PubChem, јавна база на хемиски информации. Моделот учи обрасци меѓу структурата на молекулите и нивните својства преку хемиски дескриптори: мерки како молекулската маса или бројот на атоми кислород. Така, при дообучување за нова задача не мора да почнува од нула.
Потоа моделот може да се приспособи да предвидува различни својства, од растворливост и вискозност до биолошка активност или реактивност со протеин или ензим. Според соопштението, дури и неколку податочни точки за конкретната задача може да бидат доволни за добри резултати, бидејќи моделот веќе има научено општи хемиски обрасци. Тоа може да помогне во почетното насочување на потрагата по молекули, кога експерименталното синтетизирање и тестирање на многу кандидати е бавно и скапо.
Што покажаа тестовите — и што сè уште не знаеме?
Во споредбата опишана во соопштението, CheMeleon бил најдобар во 58 тест-случаи, во однос на други основни модели и класични модели засновани на стручни принципи. Овој резултат е охрабрувачки, но соопштението не ги наведува составот на тест-случаите, резултатите за секое својство, точните мерки за точност или колку податоци биле употребени при дообучувањето. Затоа не може да се заклучи дека моделот ќе биде подеднакво успешен за секоја нова молекула или задача.
Тврдењето дека моделот го намалува бројот потребни експериментални тестирања е изјава на истражувачите; не се наведени конкретни бројки за заштедените тестови или трошоци. Соопштението наведува дека трудот бил објавен во Journal of Chemical Information and Modeling, но статусот на стручна рецензија не е потврден. CheMeleon е софтвер со отворен код достапен преку ChemProp, според соопштението.
Научна основа и ограничувања
Развој и споредбено тестирање на модел за машинско учење, опишани во институционално соопштение
Примерок: unknown.
- Ова е институционално соопштение, а не целосен опис на истражувачкиот труд; не се наведени деталите за методот, составот на 58-те тест-случаи или резултатите по поединечни својства.
- Не се наведени бројот и видот на податоците користени при дообучувањето, ниту конкретните мерки за точност. Затоа овие информации не утврдуваат колку добро моделот ќе работи на секоја нова задача.
- Тврдењето за намален број експериментални тестирања е изјава на истражувач во соопштението; не се дадени бројки за заштедата или споредба на трошоци.
- Статусот на стручна рецензија не е потврден
