Microsoft's RetroChimera helpt chemici sneller moleculen maken

TL;DR

• Wat: Microsoft Research en Novartis hebben RetroChimera ontwikkeld, een AI-model dat voorspelt hoe je een gewenst molecuul chemisch kunt produceren.
• Waarom relevant: Snellere en goedkopere ontwikkeling van moleculen raakt de farmaceutische keten, landbouwchemie en materialen — sectoren waar ook Nederlandse bedrijven in opereren.
• Wat je ermee kunt: Als je bedrijf afhankelijk is van specialty chemicals of farmaceutische grondstoffen, is het zinvol om te volgen hoe AI de levertijden en kosten van nieuwe stoffen beïnvloedt.

Ik kwam deze week een bericht tegen van Microsoft Research over RetroChimera: een AI-model dat chemici helpt om syntheseroutes voor moleculen te bedenken. Wat mij triggerde is niet zozeer het model zelf, maar wat het zegt over hoe snel AI nu ook in de laboratoriumwereld oprukt — en wat dat op termijn betekent voor bedrijven die afhankelijk zijn van chemische producten.

Wat is retrosynthese en waarom is het lastig?

Even een stapje terug. Retrosynthese is, simpel gezegd, achteruit redeneren: je hebt een molecuul dat je wilt maken, en je werkt terug naar de grondstoffen en reacties die je daarvoor nodig hebt. Vergelijk het met een recept bedenken als je alleen het eindgerecht kent, maar niet weet welke ingrediënten erin zitten.

Dat klinkt rechttoe rechtaan, maar in de praktijk is het enorm complex. Een gemiddelde farmaceutische syntheseroute bevat volgens onderzoek zo'n acht stappen. Bij elke stap heb je meerdere mogelijke reacties, en niet elke combinatie werkt in de echte wereld. Chemici besteden dan ook veel tijd — en daarmee geld — aan het uitzoeken van de juiste route voordat er ook maar één experiment in het lab plaatsvindt.

Dat is precies het probleem dat RetroChimera aanpakt.

Wat doet RetroChimera precies?

RetroChimera is ontwikkeld door onderzoekers van Microsoft Research in samenwerking met Novartis en de Jagiellonian-universiteit in Polen. Het model neemt een doelmolecuul als invoer — uitgedrukt in een chemische notatie genaamd SMILES — en genereert vervolgens een gerangschikte lijst van mogelijke syntheseroutes.

Wat het bijzonder maakt, is de aanpak. RetroChimera combineert twee verschillende AI-modellen die elk op een andere manier naar moleculen kijken. Het ene model werkt met moleculaire grafen (denk aan een soort netwerkdiagram van atomen en bindingen), het andere met tekenreeksen. Door die twee perspectieven samen te voegen via een leerbare ensemble-strategie, vangt het model zwaktes van individuele benaderingen op.

Resultaten die opvallen

Wat mij hier opvalt, is één specifiek resultaat: toen PhD-niveau organisch chemici de voorspellingen van RetroChimera in een blind test vergeleken met de échte reacties uit de trainingsdata, gaven ze de voorkeur aan de voorspellingen van het model. Laat dat even bezinken — het AI-model stelt routes voor die experts beter vinden dan de routes waarop het getraind is.

Daarnaast presteert RetroChimera volgens de onderzoekers beter dan alle grote bestaande modellen, ook bij zeldzame reactietypes waar weinig trainingsdata voor beschikbaar is. En het model generaliseert naar nieuwe datasets, waaronder een interne dataset van een farmaceutisch bedrijf, zonder daar specifiek op getraind te zijn.

Een nuance over de publicatie

De tweet van Microsoft Research verwijst naar een "Nature paper." Ik heb dat proberen te verifiëren, maar de wetenschappelijke publicatie die ik kan vinden is een arXiv-preprint uit december 2024, herzien in augustus 2025. ArXiv is een preprint-server — dat betekent dat het artikel daar gedeeld wordt vóór of tijdens het peer-review-proces bij een tijdschrift. Het is mogelijk dat het paper inmiddels geaccepteerd is bij Nature of een Nature-tijdschrift, maar dat kon ik op dit moment niet onafhankelijk bevestigen. Ik noem dit omdat het verschil tussen een preprint en een peer-reviewed publicatie ertoe doet als je de betrouwbaarheid van claims wilt inschatten.

Wat betekent dit voor ondernemers?

Je denkt misschien: leuk voor wetenschappers, maar wat heb ik hieraan? Dat is een terechte vraag. RetroChimera is geen tool die je morgen in je bedrijf inzet — het is beschikbaar via Microsoft Foundry Labs en gericht op domeinexperts die de output kritisch kunnen beoordelen.

Maar de bredere beweging is wél relevant als je bedrijf ergens in de keten van chemische producten zit. Denk aan:

• Farmaceutische toeleveranciers: snellere syntheseplanning kan de doorlooptijd van medicijnontwikkeling verkorten. Dat verschuift de vraag naar grondstoffen en tussenproducten.
• Specialty chemicals: als het ontwerpen van nieuwe materialen goedkoper wordt, komen er sneller nieuwe producten op de markt. Stel dat je als ondernemer coatings, lijmen of voedingsadditieven levert — dan kan je productenlandschap sneller veranderen dan je gewend bent.
• Landbouwchemie: ook gewasbeschermingsmiddelen en meststoffen zijn moleculen die gesynthetiseerd moeten worden. Snellere routes kunnen de kosten drukken.

Kun je je voorstellen wat het betekent als de ontwikkeltijd van een nieuw molecuul van jaren naar maanden gaat? Dat is nog niet de realiteit — het model voorspelt routes, het vervangt geen lab — maar de richting is duidelijk.

De rol van de expert blijft

Belangrijk om te benadrukken: Microsoft zelf geeft aan dat expertbeoordeling nodig blijft, vooral bij lager gerangschikte voorspellingen waar het risico op "hallucinaties" — onjuiste reacties die er plausibel uitzien — toeneemt. Dit is een patroon dat we bij veel AI-toepassingen zien: het model versnelt het werk, maar vervangt het vakmanschap niet.

Een breder signaal

Ik vind het eerlijk gezegd fascinerend hoe snel AI-modellen nu doordringen in domeinen die je een paar jaar geleden nog als puur mensenwerk zou bestempelen. Retrosynthese was altijd het terrein van ervaren chemici met jarenlange intuïtie. Dat een model nu routes voorstelt die diezelfde experts verkiezen boven bestaande reacties, zegt iets over de snelheid waarmee deze technologie volwassen wordt.

Voor mij is dit vooral een signaal dat de impact van AI niet beperkt blijft tot de voor de hand liggende toepassingen zoals tekst, beeld en klantenservice. Het kruipt steeds dieper in gespecialiseerde vakgebieden. En als je bedrijf — direct of indirect — afhankelijk is van innovatie in chemie of materialen, dan is het verstandig om die ontwikkeling in de gaten te houden. Niet om morgen iets te veranderen, maar om niet verrast te worden als de markt om je heen wél beweegt.