Un nouvel outil d'apprentissage automatique simplifie la prédiction des propriétés chimiques pour les chercheurs

Un nouvel outil basé sur l'apprentissage automatique permet aux chercheurs de prédire les propriétés chimiques des molécules. Pour de nombreux chimistes, la capacité à anticiper des caractéristiques comme le point d'ébullition ou le point de fusion d'une molécule est essentielle. Ces prédictions facilitent le progrès de leurs recherches, permettant ainsi de découvrir de nouveaux médicaments, matériaux ou substances utiles. Cependant, les méthodes traditionnelles pour obtenir ces informations sont coûteuses, à la fois en temps et en ressources, en plus de nécessiter des équipements parfois exigeants. L'intelligence artificielle, plus précisément l'apprentissage automatique (ML), a permis d’alléger cette charge, mais les outils les plus performants demandent souvent une expertise en programmation, ce qui constitue un obstacle pour de nombreux chimistes. Pour résoudre ce problème, des chercheurs du groupe McGuire au MIT ont développé ChemXploreML, une application de bureau conviviale qui permet aux chimistes de réaliser ces prédictions sans avoir besoin de compétences avancées en informatique. Disponible gratuitement, facile à télécharger et compatible avec les principaux systèmes, cette application fonctionne en mode hors ligne, ce qui garantit la protection des données de recherche. Cette innovation est décrite dans un article récent publié dans le Journal of Chemical Information and Modeling. Un des principaux défis de l'apprentissage automatique en chimie est de traduire les structures moléculaires en un langage numérique compréhensible par les ordinateurs. ChemXploreML simplifie cette tâche grâce à des outils intégrés, appelés "molecular embedders", qui convertissent les structures chimiques en vecteurs numériques représentatifs. L'application utilise ensuite des algorithmes de pointe pour identifier des motifs et prédire avec précision les propriétés moléculaires, tout en offrant une interface graphique intuitive et interactive. « L’objectif de ChemXploreML est de rendre l’apprentissage automatique accessible à tous les chimistes », explique Aravindh Nivas Marimuthu, post-doctorant au groupe McGuire et auteur principal de l’étude. « En créant une application simple et puissante, fonctionnant hors ligne, nous offrons aux chercheurs des outils de prédiction avancés, indépendamment de leur niveau en programmation. Ce projet accélère non seulement la découverte de nouveaux médicaments et matériaux, en rendant le processus de criblage plus rapide et moins coûteux, mais il ouvre également la voie à de nouvelles innovations. » L’application est conçue pour évoluer avec les progrès technologiques. Ainsi, de nouvelles méthodes et algorithmes peuvent être facilement intégrés, assurant ainsi aux chercheurs un accès aux outils les plus récents. Lors des tests, ChemXploreML a montré une grande précision pour prédire cinq propriétés clés des composés organiques, notamment le point de fusion, le point d'ébullition, la pression de vapeur, la température critique et la pression critique. Pour la température critique, elle a atteint un taux d’exactitude de 93 pour cent. Les chercheurs ont également mis en évidence une nouvelle méthode de représentation des molécules, appelée VICGAE, qui est aussi précise que les méthodes standard, comme Mol2Vec, mais environ dix fois plus rapide. « Nous imaginons un avenir où tout chercheur pourra facilement personnaliser et appliquer l’apprentissage automatique pour résoudre des défis uniques, que ce soit dans le développement de matériaux durables ou l’exploration de la chimie complexe de l’espace interstellaire », conclut Marimuthu. Il collabore sur cet article avec Brett McGuire, professeur assistant en chimie au titre de la classe de 1943.