Lähes autonominen tekoälykemisti parantaa haastavaa reaktiota lääkekemiassa

OpenAI:n työtä tieteen parissa motivoi yksinkertainen uskomus: kehittyneestä tekoälystä voi tulla tutkijoille voimakas kumppani, joka auttaa heitä tutkimaan useampia ideoita, yhdistämään kaukaisia käsitteitä, suunnittelemaan parempia kokeita ja nopeuttamaan ihmiskuntaa hyödyttäviä löytöjä. Olemme jo jakaneet varhaisia esimerkkejä malleista, jotka ovat tuottaneet uusia tuloksia matematiikassa, kuten työssä yksikköetäisyysongelman⁠ parissa, teoreettisessa fysiikassa uuden gluoniamplitudeja⁠ koskevan tuloksen kautta sekä biologiassa, jossa GPT‑5 auttoi alentamaan soluttoman proteiinisynteesin kustannuksia⁠ automatisoidussa laboratoriossa. Esittelimme myös GPT‑Rosalindin⁠, tarkoitukseen rakennetun mallin biotieteiden tutkimuksen ja lääkekehityksen työnkulkujen tueksi. 

Tämä projekti jatkaa samaa kehityssuuntaa lääkekemiaan, jossa edistystä ei voi mitata pelkällä päättelyllä. Hypoteesin on toimittava laboratoriossa todellisten molekyylien, laitteiden ja kokeellisen kohinan kanssa. Yhteistyössä Molecule.one⁠(avautuu uudessa ikkunassa):n kanssa, yhdistimme GPT‑5.4:n Mariaan – agenttipohjaiseen kemian tekoälyyn, joka on integroitu autonomista tutkimusta varten korkean suoritustehon laboratorioon – ja annoimme sille avoimen tavoitteen: parantaa yhtä useista tärkeistä reaktioluokista. Järjestelmä tuotti tutkimusehdotuksia, suunnitteli ja suoritti kokeita, analysoi kokeellista dataa ja ehdotti jatkokokeita. Ihmiset pysyivät mukana suunnittelemalla ohjaus- ja arviointikehotteita sekä valitsemalla testattavat ehdotukset. He tekivät myös rajallisia korjauksia koesuunnitelmiin, avustivat laboratorion perustoiminnoissa ja validoivat lopputuloksen riippumattomasti.

Lupaavin ehdotus, OAI-M1-03, keskittyi vaikeaan mutta hyödylliseen Chan–Lam-kytkennän muotoon, reaktioon, jota kemistit käyttävät hiili-typpisidosten muodostamiseen. Lähtien avoimesta tavoitteesta parantaa Chan–Lam-kytkentää prosessikemiassa GPT‑5.4 tunnisti itsenäisesti primääriset sulfonamidit haastavaksi ja arvokkaaksi substraattiluokaksi ja ehdotti, että miedot hapettimet, kuten TEMPO, voisivat parantaa reaktiota. 

Kahden Maria Labissa tehdyn kokeilusyklin aikana tämä idea tuotti merkittävän parannuksen. Optimoiduissa olosuhteissa mitatut saannot paranivat 88 prosentilla testatuista boronihapoista ja 83 prosentilla testatuista sulfonamideista. Keskimääräinen saanto nousi 16,6 prosentista 25,2 prosenttiin, ja yli 30 prosentin saannon reaktioiden osuus kasvoi 15,6 prosentista 37,5 prosenttiin. Ihmiskemistit toistivat sitten edustavat reaktiot työpöytämittakaavassa. Nämä kokeet vahvistivat mikrolitramittakaavan tulokset ja osoittivat suuremmat saannot 11:ssä 14 substraattiparista, useimmissa tapauksissa yli kaksinkertaisella kasvulla. Tämä on tärkeää, koska lääkekemistit tarvitsevat reaktioita, jotka toimivat paitsi mikrolitran seulontakokeissa myös käytännön laboratoriotyönkuluissa, joita käytetään lääkekehityksessä.

Parannukset tällä lääkekemian alueella ovat erityisen innostavia, koska synteesi on usein merkittävä pullonkaula lääkekehityksessä: tutkijat voivat testata vain molekyylejä, joita he pystyvät valmistamaan tai muuten hankkimaan. Sulfonamidiryhmää esiintyy lääkkeissä monilla hoitoalueilla, kuten syöpälääkkeissä, mikrobilääkkeissä ja diureeteissa, mutta primääristen sulfonamidien Chan–Lam-kytkentä boronihappojen kanssa on historiallisesti tuottanut pieniä saantoja. Tämän reaktiomuodon tekeminen luotettavammaksi voisi antaa lääkekemisteille laajemman ja käytännöllisemmän tavan tuottaa ja tutkia mahdollisesti hyödyllisiä molekyylejä.

Vaikka tämä on vielä varhainen tulos, se tarjoaa jälleen konkreettisen esimerkin laajemmasta suunnasta, jota kohti työskentelemme: tekoälyjärjestelmistä, joista voi tulla arvokkaita kumppaneita tutkijoille suuressa osassa tutkimussykliä. Malli tarkasteli kirjallisuutta, ehdotti odottamatonta ideaa, auttoi suunnittelemaan ja analysoimaan kokeita ja päätyi tieteelliseen löydökseen, jota ihmiskemistit pystyivät arvioimaan.

Orgaaninen kemia on kaikkien pienimolekyylisten lääkkeiden sekä maatalouden, elektroniikan ja materiaalitieteen tuotteiden perustana. Reaktio on erityisen hyödyllinen, kun se voi muodostaa samanlaisen kemiallisen sidoksen luotettavasti monista eri lähtöaineista. Kun reaktiot tuottavat pieniä saantoja tai liikaa ei-toivottuja sivutuotteita, kemistit saattavat joutua hylkäämään muuten lupaavia molekyylejä tai käyttämään merkittävästi aikaa toisen reitin kehittämiseen. Tämä tekee synteesistä merkittävän pullonkaulan lääkekehityksessä: tutkijat voivat yleensä testata vain molekyylejä, joita he pystyvät valmistamaan tai muuten hankkimaan.

Chan–Lam-kytkentä on hyödyllinen lääkekemiassa, koska se muodostaa hiili-typpisidoksia, jotka ovat lääkkeissä yleisiä. Reaktio ei kuitenkaan toimi yhtä hyvin kaikissa molekyyliluokissa. Erityisesti primääristen sulfonamidien kytkentä boronihappojen kanssa on historiallisesti tuottanut pieniä saantoja. Sulfonamidit ovat tärkeä molekyyliperhe, jota esiintyy onkologiassa ja infektiotaudeissa käytettävissä lääkkeissä. Tämän reaktion tekeminen luotettavammaksi voisi antaa lääkekemisteille laajemman ja käytännöllisemmän tavan tuottaa ja tutkia mahdollisesti hyödyllisiä molekyylejä.

Yhdistetty järjestelmä liitti yhteen toisiaan täydentäviä kyvykkyyksiä. Maria AI:n kanssa työskentelevien tutkijoiden kirjoittamia kehotteita käytettiin GPT‑5.4:n kanssa valjastuksessa tuottamaan ja järjestämään tuhansia mahdollisia tutkimusehdotuksia. Ihmiskemistit tarkastelivat pientä joukkoa ehdotuksia, jotka järjestelmä oli sijoittanut korkeimmalle, ja valitsivat niistä neljä laboratoriotestaukseen. Maria AI muunsi sitten valitut korkean tason suunnitelmat yksityiskohtaisiksi laboratorio-ohjeiksi, suoritti tuhansia suuren suoritustehon kokeita, analysoi raakadataa ja palautti jäsennellyt tulokset GPT‑5.4:lle. 

Yksi neljästä valitusta ehdotuksesta, OAI-M1-03, ehdotti mietojen hapettimien, kuten TEMPO:n, käyttöä Chan-Lam-reaktion suorituskyvyn parantamiseksi sulfonamidisynteesissä. Kemistit pitivät ehdotusta sekä yllättävänä että kiinnostavana. Jaamme OAI-M1-03:n yksityiskohtaiset löydökset tässä blogikirjoituksessa ja artikkelissa⁠(avautuu uudessa ikkunassa).

Maria käytti sitten lopullista tutkimusehdotusta kokeellisten ruudukkojen luomiseen, ihmisten tekemien pienten korjausten kanssa. Suurin ihmisten tekemä korjaus oli välttää dimetyylisulfoksidia eli DMSO:ta liuottimena, koska kemistit olivat huolissaan, että se voisi reagoida vertailussa käytettyjen vahvempien hapettimien kanssa.

Koko prosessi kesti kolme kuukautta ensimmäisestä kehotteesta 4. maaliskuuta siihen, kun OAI-M1-03:n tulokset jaettiin riippumattomille asiantuntijoille 4. kesäkuuta.

Kuvaamme tätä työnkulkua lähes autonomiseksi, emme täysin autonomiseksi, koska ihmiskemistit tekivät edelleen tärkeitä päätöksiä koko prosessin ajan. Malli ehdotti keskeiset tutkimusideat, kun taas ihmiskemistit tarjosivat korkean tason ohjausta ja harkintaa, korjasivat kokeellisia yksityiskohtia, auttoivat valmistamaan laboratorion kulutustarvikkeita ja reagensseja sekä toistivat keskeisiä kokeita käsin.

OAI-M1-03 tunnisti TEMPO:n hyödylliseksi lisäaineeksi tässä tutkitussa primääristen sulfonamidien Chan-Lam-kytkennässä. Optimoiduissa olosuhteissa reaktio parani kahdella tavalla: keskimääräinen saanto nousi, ja useammat substraattiyhdistelmät saavuttivat käytännöllisesti hyödyllisiä saantoja.

Kahden syklin aikana Maria suoritti yhteensä 10 080 reaktiota – enemmän kuin kemisti, joka suorittaa kolme reaktiota joka päivä, tekisi vuosikymmenessä. Tällä mittakaavalla oli merkitystä, koska kemian tulokset voivat olla harhaanjohtavia, kun niitä testataan vain muutamalla esimerkillä. Reaktio voi näyttää lupaavalta yhdellä lähtöaineparilla mutta epäonnistua laajemmassa molekyylijoukossa. Tuhannet reaktiot mahdollistivat TEMPO:n tunnistamisen kymmenen testatun hapettimen joukosta, vaikutuksen toistumisen havaitsemisen moninaisissa yhdistelmissä ja sen rajoitusten löytämisen.

Analysoituaan ensimmäisen kierroksen datan järjestelmä ehdotti kohdennetumpaa toista koesarjaa jatkohypoteesien testaamiseksi. Yksi hyödyllinen jatkolöydös oli, että TEMPO voitiin korvata paljon halvemmalla analogilla, 4-hydroksi-TEMPO:lla, suorituskyvyn heikentyessä vain vähän.

Tulos kesti myös Maria Labin mikrolitramittakaavan seulontamuotoa pidemmälle. Ihmiskemistit toistivat edustavat reaktiot käsin työpöytämittakaavassa ja havaitsivat saannon kasvun 11:ssä 14 substraattiparista; kahdeksassa parissa kasvu oli yli kaksinkertainen. Tällä toistolla on merkitystä, koska hyvin pienimittakaavaiset kokeet voivat joskus tuottaa artefakteja, jotka katoavat suuremmassa mittakaavassa. Työpöytämittakaavan validointi on myös tavanomaista ennen tutkimuksen julkaisemista tieteellisessä lehdessä.

Neljä ulkopuolista kemian asiantuntijaa arvioi OAI-M1-03:a kuvaavan ennakkojulkaisun. Heidän arvionsa tukivat näkemystämme, että tulos oli uusi ja jakamisen arvoinen tiedeyhteisölle. Vahvempi testi tulee seuraavaksi: pystyvätkö riippumattomat laboratoriot toistamaan tuloksen ja pitävätkö kemistit sitä hyödyllisenä laajemmassa molekyylivalikoimassa.

Kolmesta muusta GPT‑5.4:n tuottamasta ja Marian kolmen kuukauden aikana testaamasta ehdotuksesta OAI-M1-02 ja OAI-M1-04 todistettiin kokeellisesti Maria Labissa, kun taas OAI-M1-01 kumottiin. Näiden tulosten analysointi on käynnissä.

Tämä työ osoittaa, että malli voi antaa hyödyllisen panoksen orgaaniseen kemiaan. Se teki enemmän kuin tiivisti kirjallisuutta tai ehdotti yksittäistä koetta: se esitti tietyn yllättävän hypoteesin ja nosti sen ihmisten arvioitavaksi, suunnitteli kokeita, tulkitsi kokeellista dataa ja suunnitteli jatkokokeita.

Se ei osoita, että tekoäly pystyy itsenäisesti toteuttamaan kemian tutkimusohjelman alusta loppuun. Ihmisen harkinta pysyi välttämättömänä, ja työnkulku riippui erikoistuneesta suuren suoritustehon infrastruktuurista. Se ei myöskään osoita, että menetelmä yleistyy muihin kytkentäreaktioihin, muihin substraattiluokkiin tai valmistusolosuhteisiin.

Saantoarviot tulivat suuren suoritustehon alustalta, ja työpöytävalidointi kattoi 14 edustavaa substraattiparia. Lisätyötä tarvitaan reaktiomekanismin luonnehtimiseen, substraattikirjon määrittämiseen, suorituskyvyn mittaamiseen erilaisissa laboratorio-olosuhteissa ja tuloksen riippumattomaan toistamiseen.

Kemian kyvykkyydet vaativat huolellista käsittelyä, koska samoja työkaluja, jotka voivat tukea lääketiedettä ja materiaalitiedettä, voitaisiin myös käyttää väärin. Rajasimme tämän työn tarkoituksella oikeutettuun lääkekemian ongelmaan: tunnetun kytkentäreaktion parantamiseen lääkeainemaisia molekyylejä varten. Kokeisiin ei liittynyt toksiineja, kemiallisia aseita eikä pyyntöjä suunnitella haitallisia yhdisteitä. Näitä tuloksia ei pidä tulkita todisteeksi siitä, että järjestelmä voi auttaa tällaisissa haitallisissa sovelluksissa. Projekti ei testannut eikä osoittanut sitä.

Arvioimme ja lievennämme edistyneiden mallien kyvykkyyksistä aiheutuvia uusia riskejä Valmiuskehyksemme⁠ avulla, mukaan lukien kemiallisiin ja biologisiin aloihin liittyvät riskit. Tässä työssä käytetty malli oli jo käynyt läpi asiaankuuluvat arvioinnit UK AI Security Instituten kanssa, ja järjestelmä oli suunniteltu kieltäytymään haitallisiin käyttötarkoituksiin keskittyvistä pyynnöistä. Kokeellinen työnkulku lisäsi uuden valvonnan tason: ihmiskemistit valitsivat, mitkä ehdotukset etenivät laboratorioon, arvioivat koesuunnitelmat ja pitivät fyysisen infrastruktuurin hallinnassaan.

Mielestämme tämä on vastuullinen tapa tutkia tekoälyn potentiaalia kokeellisessa kemiassa: valitaan ongelma-alue, jolla on selkeä tieteellinen arvo, yhdistetään mallitason suojaukset asiantuntijavalvontaan ja arvioidaan järjestelmää rajatuilla fyysisillä kokeilla. Kun nämä kyvykkyydet paranevat, jatkamme nousevien riskien arviointia, vahvistamme suojauksia ja kerromme täsmällisesti, mitä tulos tarkoittaa ja mitä se ei tarkoita.

Välittömät seuraavat askeleet ovat tieteellisiä: testata laajempaa lähtöainevalikoimaa, tutkia miksi lisäaineet parantavat reaktiota, kartoittaa missä vaikutus toimii ja missä se epäonnistuu sekä tukea riippumatonta toistoa. Yhdessä nämä tutkimukset määrittävät, kuinka laajasti menetelmää voidaan soveltaa ja kuinka hyödyllinen se on käytännön lääkekemian työnkuluissa.

Pidemmän aikavälin tavoitteemme on tehdä tekoälyjärjestelmistä luotettavia tieteellisiä kumppaneita, jotka auttavat tutkijoita luomaan hypoteeseja, suunnittelemaan kokeita, tulkitsemaan tuloksia ja päättämään, mitä testata seuraavaksi, samalla kun ne pysyvät asiantuntijaharkinnan, luotettavien mittausten ja vahvojen suojausten varassa. Orgaaninen kemia on erityisen vaikuttava alue, koska edistys pienimolekyylien löytämisessä ja valmistuksessa riippuu kyvystä valmistaa molekyylejä luotettavasti. Tutkijat voivat testata vain molekyylejä, joita he pystyvät valmistamaan, ja parempi synteesi voi laajentaa ideoiden kirjoa, jota he voivat tutkia lääketieteessä, maataloudessa, elektroniikassa, energiassa ja materiaalitieteessä. Tämä tulos on yksi varhainen esimerkki tästä laajemmasta suunnasta: edistynyt malli, erikoistuneet agentit, automatisoitu laboratorio ja ihmiskemistit työskentelevät yhdessä edetäkseen nopeammin tutkimussyklissä ja tuottaakseen löydöksiä, joita tiedeyhteisö voi arvioida, toistaa ja joiden varaan se voi rakentaa.

Olemme kiitollisia Molecule.one-tiimille ja riippumattomille kemisteille, jotka arvioivat tämän työn.