The Pulse

Microsoft rilascia come open source RetroChimera per pianificare la sintesi delle molecole

Microsoft Research ha rilasciato RetroChimera, un modello di IA con licenza MIT che prevede percorsi retrosintetici per piccole molecole. Il sistema combina due modelli complementari e ha superato diverse alternative nelle valutazioni di es

AI.info Team · Scritto con l’IA · verificato · 2026-09-21

Microsoft Research sta rilasciando il codice e i pesi del modello RetroChimera. L’azienda sostiene che l’IA possa migliorare un compito che i chimici svolgono ancora attraverso una laboriosa pianificazione affidata agli esperti: risalire da una molecola desiderata agli ingredienti e alle reazioni necessarie per realizzarla.

Il rilascio è accompagnato da uno studio pubblicato su Nature che descrive il modello e la sua valutazione. RetroChimera è una risposta, afferma Microsoft, a una persistente debolezza della pianificazione della sintesi assistita dal computer: i sistemi possono ottenere buoni risultati sulle reazioni comuni, ma non individuare trasformazioni rare, generare suggerimenti chimicamente implausibili o produrre percorsi che falliscono quando vengono concatenati più passaggi.

Questa affermazione va però letta alla luce di una precisazione contenuta nello stesso repository di Microsoft. L’azienda avverte che RetroChimera può produrre allucinazioni, in particolare al di fuori della distribuzione dei dati di addestramento, e afferma che tutte le previsioni devono essere valutate e verificate in modo indipendente da esperti di chimica. Il divario tra i migliori risultati nei benchmark e la necessità di supervisione da parte degli esperti caratterizza il rilascio.

Due modelli coprono diversi punti ciechi della chimica

RetroChimera prevede i passaggi retrosintetici. Data una molecola bersaglio, procede a ritroso proponendo molecole precursori e reazioni che potrebbero produrla, ripetendo il processo finché il percorso non raggiunge elementi di partenza più semplici o disponibili in commercio.

Il sistema combina due sottomodelli con architetture diverse. R-SMILES 2 è un modello basato su transformer che genera le molecole precursori direttamente dalla struttura bersaglio. La sua libertà di apprendere dai dati gli schemi delle reazioni lo aiuta a gestire trasformazioni che comportano cambiamenti sostanziali a una molecola, ma questa stessa libertà può produrre risultati non validi.

NeuralLoc adotta un approccio più vincolato. La rete neurale a grafi rappresenta la molecola bersaglio e i modelli di reazione sotto forma di grafi, quindi prevede quale modello applicare e dove. Le previsioni basate su modelli possono essere più affidabili quando la chimica pertinente compare nei dati di addestramento, anche se il metodo è meno flessibile quando una reazione non rientra nella sua libreria di modelli.

RetroChimera combina le proposte dei due modelli usando un sistema di classificazione appreso. Ciascun modello assegna ai gruppi candidati di reagenti punteggi che dipendono dalla loro posizione in classifica, con un sostegno aggiuntivo quando entrambi propongono la stessa reazione. Secondo Microsoft, l’ensemble può eguagliare il componente più efficace nelle diverse classi di reazioni, riducendo al tempo stesso le debolezze di ciascun modello usato singolarmente.

Gli esperti hanno accettato nove percorsi completi su dieci

La valutazione di Microsoft si è concentrata su un aspetto difficile della pianificazione della sintesi: una sola reazione errata può invalidare un intero percorso a più passaggi. In una valutazione condotta da esperti su 10 molecole bersaglio impegnative, i chimici hanno accettato percorsi completi di RetroChimera per nove di esse. I risultati corrispondenti sono stati cinque per il modello de novo, quattro per un modello di editing e due per il modello di riferimento NeuralSym.

Anche le previsioni delle singole reazioni hanno ottenuto buoni risultati nei confronti alla cieca. Secondo Microsoft, chimici con un dottorato hanno preferito i suggerimenti di RetroChimera ai risultati dei modelli che lo compongono, agli approcci consolidati e alle reazioni tratte dal set di test. Un resoconto separato di Microsoft sul lavoro afferma che nove chimici organici di Microsoft e di importanti aziende farmaceutiche hanno preferito la prima proposta di RetroChimera ai percorsi documentati in precedenza in circa il 64% dei casi.

Questi risultati misurano se gli esperti considerano accettabile una reazione o un percorso proposto. Non dimostrano che il modello abbia sintetizzato autonomamente ogni composto proposto, né eliminano la necessità di test di laboratorio. Il repository di Microsoft consiglia espressamente agli utenti di richiedere non più di cinque-10 reazioni per input, a meno che non applichino filtri rigorosi.

La prova più difficile sono i dati proprietari

I dataset pubblici di reazioni sono utili per i benchmark, ma non rappresentano la chimica di ogni azienda. I team farmaceutici lavorano spesso con registri elettronici di laboratorio interni e raccolte di reazioni che differiscono dai dati pubblici di addestramento per le molecole, le classi di reazioni e le pratiche di documentazione che contengono.

Lo studio pubblicato su Nature riporta un trasferimento zero-shot a un dataset interno di una grande azienda farmaceutica, mentre il resoconto di Microsoft afferma che il modello è stato adattato ai dati proprietari di GSK. L’azienda presenta il risultato come prova del fatto che RetroChimera può andare oltre i benchmark accademici standard e supportare contesti in cui la chimica disponibile differisce dai dati usati per costruire il modello originale.

Microsoft non presenta il rilascio come un chimico autonomo già completo. Il checkpoint principale di RetroChimera è stato addestrato sui dati di reazione di Pistachio e, secondo il repository, i dati di addestramento disponibili al modello arrivano fino al 2023. Microsoft mette a disposizione anche checkpoint meno efficaci, addestrati su USPTO-50K e USPTO-FULL per i benchmark, insieme a un checkpoint di un modello di previsione diretta addestrato su Pistachio.

Licenza MIT, ma la revisione degli esperti resta obbligatoria

L’implementazione è disponibile nel repository pubblico di Microsoft su GitHub con licenza MIT, e il modello è accessibile anche tramite Microsoft Foundry. Il repository include istruzioni di installazione, esempi di inferenza e indicazioni per l’uso dei checkpoint rilasciati.

La documentazione di Microsoft elenca diverse limitazioni. Le previsioni possono essere meno accurate per la chimica accademica specialistica e la chimica dei prodotti naturali, mentre il rumore nel dataset Pistachio rende necessario verificare i risultati rispetto alla letteratura pertinente. L’azienda raccomanda di affiancare al modello strumenti per valutare la fattibilità delle reazioni, usare modalità di consenso e, dove appropriato, effettuare il fine-tuning su dati di laboratorio o della letteratura specifici del settore.

RetroChimera è dunque un sistema di ricerca per stabilire le priorità e testare idee di sintesi, non un sostituto del giudizio dei chimici. Il suo contributo immediato è più concreto: i ricercatori possono ora esaminare, eseguire e adattare lo stesso framework di ensemble descritto nello studio pubblicato su Nature, invece di affidarsi soltanto ai risultati dichiarati nelle pubblicazioni.

Il codice e i pesi di RetroChimera sono disponibili su GitHub, mentre i risultati della ricerca sul modello sono descritti da Microsoft Research.