Nei silenziosi laboratori della chimica computazionale, gli scienziati si sono a lungo affidati a un tipo specifico di impronta digitale digitale per comprendere il mondo invisibile delle molecole. Queste impronte, note come embedding, sono riassunti matematici che catturano l'essenza di una struttura chimica, permettendo ai computer di prevedere come una sostanza si comporterà, se si scioglierà in acqua o se potrebbe essere tossica. Per anni, la creazione di queste impronte ha richiesto strumenti specializzati progettati per uno scopo singolo: scattare una foto a una molecola o leggerne il codice chimico e restituire un unico numero fisso. Questo approccio funzionava bene per compiti specifici, ma mancava di flessibilità. Non poteva cambiare facilmente il proprio focus in base a ciò che uno scienziato stava chiedendo. Se un ricercatore voleva sapere circa la capacità di una molecola di attraversare la barriera emato-encefalica, lo strumento forniva la stessa risposta come se stesse chiedendo la sua capacità di sciogliersi nell'olio, perché lo strumento non comprendeva la domanda, ma solo la forma della molecola.

Questo limite è diventato un collo di bottiglia mentre il campo si muove verso la scoperta di farmaci e la progettazione di materiali più complessi. Gli scienziati avevano bisogno di un modo per parlare a queste impronte digitali, per chiedere loro di evidenziare diverse caratteristiche a seconda del contesto della richiesta. La domanda era se i potenti e flessibili sistemi di intelligenza artificiale, che possono già leggere testi e vedere immagini, potessero essere riutilizzati per creare queste impronte chimiche adattabili. Invece di costruire un nuovo strumento limitato per ogni problema chimico, i ricercatori si chiedevano se un singolo sistema general-purpose potesse imparare a rappresentare le molecole in un modo che cambia in base al linguaggio utilizzato per descriverle.

Un team di ricercatori della Chinese University of Hong Kong, Shenzhen, e dello Shanghai Artificial Intelligence Laboratory si è posto l'obiettivo di rispondere a questa domanda con un nuovo framework che chiamano MolEmb. Sono partiti da un tipo di intelligenza artificiale noto come modello linguistico di grandi dimensioni multimodale. Questi sono gli stessi tipi di sistemi che possono guardare una fotografia, leggere una frase e comprendere la relazione tra le due. I ricercatori si sono resi conto che questi modelli erano naturalmente adatti a gestire i diversi modi in cui una molecola può essere descritta: come un disegno bidimensionale, come una stringa di caratteri testuali che rappresentano la sua struttura chimica o come un insieme di istruzioni su quale proprietà investigare.

Il team ha costruito un sistema leggero per insegnare a questi grandi modelli di agire come esperti di embedding molecolare. Non hanno cercato di insegnare al modello a generare nuove molecole o a scrivere articoli chimici da zero. Invece, si sono concentrati sull'addestrare il modello ad allineare la descrizione visiva e testuale di una molecola con un'istruzione testuale specifica. Immaginate una molecola come un oggetto complesso che può essere visto attraverso diverse lenti. I ricercatori hanno mostrato al modello l'immagine di una molecola e il suo codice chimico, poi hanno accoppiato questo con un'istruzione testuale come "analizza per tossicità" o "analizza per solubilità". L'obiettivo era far produrre al modello un'impronta digitale unica per quella molecola che cambiasse leggermente a seconda dell'istruzione. Quando l'istruzione riguardava la tossicità, l'impronta digitale avrebbe enfatizzato le parti della molecola rilevanti per la sicurezza. Quando l'istruzione cambiava in solubilità, l'impronta digitale si sarebbe spostata per evidenziare le parti rilevanti per sciogliersi in acqua.

Per verificare se questo approccio funzionasse, i ricercatori hanno condotto una serie di esperimenti rigorosi. Per prima cosa, hanno controllato se il nuovo sistema potesse prevedere le proprietà chimiche con la stessa accuratezza degli strumenti specializzati attualmente in uso. Hanno scoperto che il sistema, anche senza alcun addestramento speciale su compiti chimici specifici, poteva prevedere proprietà come la solubilità e la tossicità con un livello di accuratezza che rivaleggiava con i migliori metodi esistenti. Questa è stata una scoperta significativa perché suggeriva che il modello general-purpose aveva già imparato abbastanza sulla struttura chimica da essere utile, semplicemente comprendendo la relazione tra l'immagine della molecola, il suo codice testuale e il linguaggio usato per descriverla.

Successivamente, il team ha testato se queste impronte digitali potessero essere utilizzate per cercare molecole tramite il testo. Nei sistemi tradizionali, non è possibile cercare in un database di molecole digitando una frase come "trovami una molecola che sia tossica per le cellule del fegato" e aspettarsi un risultato pertinente, perché i dati chimici e i dati testuali vivono in mondi separati. I ricercatori hanno dimostrato che il loro nuovo sistema creava uno spazio condiviso dove molecole e descrizioni testuali potevano essere confrontati direttamente. Quando hanno chiesto al sistema di trovare una molecola corrispondente a una specifica descrizione, esso ha avuto successo con un'alta precisione, provando che il modello aveva veramente imparato a connettere gli aspetti visivi e testuali della chimica in una singola rappresentazione unificata.

Il test più critico, tuttavia, era vedere se il sistema potesse cambiare idea in base al contesto. I ricercatori hanno creato un benchmark diagnostico chiamato MolCAR per vedere se il modello potesse distinguere tra diverse descrizioni valide della stessa identica molecola. Hanno presentato al modello una singola molecola e gli hanno chiesto di trovare la descrizione corretta per un compito specifico, come la tossicità, ignorando altre descrizioni valide per compiti diversi, come l'idratazione. Prima di aggiungere un ultimo livello di addestramento specifico, il modello faticava a fare questa distinzione. Trattava la molecola come se avesse un'unica identità fissa, indipendentemente dalla domanda posta. Tuttavia, dopo che i ricercatori hanno addestrato il modello su un dataset progettato specificamente per accoppiare le molecole con diverse descrizioni focalizzate sul compito, il sistema ha imparato a cambiare focus. Ha iniziato a produrre diverse impronte digitali per la stessa molecola a seconda che la domanda riguardasse la tossicità o la solubilità.

I risultati suggeriscono che i modelli linguistici di grandi dimensioni multimodali non sono solo strumenti per generare idee chimiche o rispondere a domande; possono servire come fondamento per un nuovo tipo di rappresentazione molecolare. Lo studio indica che la capacità di creare impronte digitali chimiche consapevoli del contesto non è un difetto inerente all'architettura del modello, ma piuttosto una questione dei dati su cui viene addestrato. Quando i dati di addestramento includono esempi diversificati della stessa molecola descritta sotto diverse lenti scientifiche, il modello impara ad adattarsi. Questa scoperta punta verso un futuro in cui un singolo sistema general-purpose può sostituire una collezione di strumenti limitati e specializzati, permettendo agli scienziati di interrogare i dati chimici con la stessa flessibilità che usano per cercare informazioni in una biblioteca. Il lavoro dimostra che, allineando i profili molecolari con le istruzioni in linguaggio naturale, questi potenti modelli possono diventare un'infrastruttura versatile per la prossima generazione di scoperta di farmaci e ricerca chimica.