ایک تقریباً خودمختار AI کیمیا دان دواؤں کی کیمیا میں ایک مشکل ردِ عمل کو بہتر بناتا ہے

سائنس میں OpenAI کا کام ایک سادہ یقین سے تحریک پاتا ہے: ترقی یافتہ AI سائنس دانوں کا ایک طاقتور شریک بن سکتا ہے، جو انہیں مزید خیالات دریافت کرنے، دور کے تصورات کو جوڑنے، بہتر تجربات ڈیزائن کرنے اور انسانیت کو فائدہ پہنچانے والی دریافتوں کو تیز کرنے میں مدد دے. ہم پہلے ہی ریاضی میں نئے نتائج میں ماڈلز کے تعاون کی ابتدائی مثالیں شیئر کر چکے ہیں، جن میں یونٹ ڈسٹنس مسئلے⁠ پر کام، نظری طبیعیات میں گلوآن ایمپلیٹیوڈز⁠ پر ایک نئے نتیجے کے ذریعے کام اور حیاتیات میں وہ کام شامل ہے جہاں GPT‑5 نے ایک خودکار لیب میں سیل فری پروٹین سنتھیسس کی لاگت کم کرنے⁠ میں مدد کی. ہم نے GPT‑Rosalind⁠ بھی متعارف کرایا، جو لائف سائنسز کی تحقیق اور ادویات کی دریافت کے ورک فلوز میں معاونت کے لیے خاص طور پر تیار کردہ ماڈل ہے. 

یہ پروجیکٹ اس سلسلے کو میڈیسنل کیمسٹری تک بڑھاتا ہے، جہاں پیش رفت کو محض ریزننگ سے نہیں ناپا جا سکتا. ایک مفروضے کو حقیقی سالمات، آلات اور تجرباتی شور کے ساتھ لیب میں کام کرنا ہوتا ہے. Molecule.one⁠(نئی ونڈو میں کھلتا ہے) کے ساتھ کام کرتے ہوئے، ہم نے GPT‑5.4 کو Maria سے جوڑا—ایک ایجنٹک کیمسٹری AI جو خود مختار تحقیق کے لیے ہائی-تھروپٹ لیبارٹری کے ساتھ مربوط ہے—اور اسے ایک کھلا ہدف دیا: کئی اہم ری ایکشن کلاسز میں سے ایک کو بہتر بنانا. سسٹم نے تحقیقی تجاویز بنائیں، تجربات ڈیزائن کیے اور چلائے، تجرباتی ڈیٹا کا تجزیہ کیا اور فالو اپ تجربات تجویز کیے. انسان اس عمل میں شامل رہے؛ انہوں نے رہنمائی اور گریڈنگ کے پرومپٹس ڈیزائن کیے اور ٹیسٹ کے لیے تجاویز منتخب کیں. انہوں نے تجرباتی پلانز میں محدود اصلاحات بھی کیں، بنیادی لیبارٹری کارروائیوں میں مدد دی اور آخری نتیجے کی آزادانہ توثیق کی.

سب سے امید افزا تجویز، OAI-M1-03، چن–لیم کپلنگ کے ایک مشکل مگر مفید نسخے پر مرکوز تھی، جو ایک ایسا تعامل ہے جسے کیمیا دان کاربن-نائٹروجن بانڈز بنانے کے لیے استعمال کرتے ہیں. پروسیس کیمسٹری کے لیے چن–لیم کپلنگ کو بہتر بنانے کے وسیع ہدف سے آغاز کرتے ہوئے، GPT‑5.4 نے آزادانہ طور پر پرائمری سلفونامائڈز کو ایک مشکل، اعلیٰ قدر والی سبسٹریٹ کلاس کے طور پر شناخت کیا اور تجویز دی کہ TEMPO سمیت ہلکے آکسیڈینٹس اس ردِ عمل کو بہتر بنا سکتے ہیں. 

ماریہ لیب میں تجربات کے دو ادوار کے دوران، اس خیال نے نمایاں بہتری پیدا کی. بہتر بنائے گئے حالات کے تحت، آزمائے گئے بورونک ایسڈز میں سے 88% اور سلفونامائڈز میں سے 83% کے لیے پیمائش شدہ حاصلات میں بہتری آئی. اوسط پیداوار 16.6% سے بڑھ کر 25.2% ہو گئی اور 30% سے زیادہ پیداوار والے تعاملات کا تناسب 15.6% سے بڑھ کر 37.5% ہو گیا. اس کے بعد انسانی کیمیا دانوں نے نمائندہ تعاملات کو بینچ اسکیل پر دہرایا. ان تجربات نے مائیکرو لیٹر پیمانے کے نتائج کی تصدیق کی، جس سے 14 میں سے 11 سبسٹریٹ جوڑوں کے لیے زیادہ پیداوار ظاہر ہوئی اور زیادہ تر صورتوں میں دو گنا سے بھی زیادہ اضافہ دیکھا گیا. یہ اس لیے اہم ہے کیونکہ میڈیسنل کیمسٹس کو ایسے تعاملات کی ضرورت ہوتی ہے جو صرف مائیکرو لیٹر اسکریننگ تجربات ہی میں نہیں، بلکہ دوا کی دریافت کے دوران استعمال ہونے والے عملی لیب ورک فلوز میں بھی کارآمد ہوں.

دواؤں کی کیمسٹری کے اس شعبے میں بہتری خاص طور پر دلچسپ ہے کیونکہ ترکیب اکثر منشیات کی دریافت میں ایک بڑی رکاوٹ ہے: سائنس دان صرف ان مالیکیولز کی جانچ کر سکتے ہیں جو وہ بنا سکتے ہیں یا دوسری صورت میں حاصل کر سکتے ہیں. سلفونامائڈ گروپ وسیع اقسام کے علاجی شعبوں کی ادویات میں پایا جاتا ہے، جن میں سرطان مخالف ادویات، ضدِ خرد حیوی ادویات اور پیشاب آور ادویات شامل ہیں، تاہم پرائمری سلفونامائڈز کی بورونک ایسڈز کے ساتھ چن–لیم کپلنگ تاریخی طور پر کم پیداوار دیتی رہی ہے. اس قسم کے تعامل کو زیادہ قابلِ اعتماد بنانا دواؤں کی کیمسٹری کے ماہرین کو ممکنہ طور پر مفید سالمات تیار کرنے اور ان کا مطالعہ کرنے کا ایک زیادہ وسیع اور عملی طریقہ فراہم کر سکتا ہے.

اگرچہ یہ ابھی ایک ابتدائی نتیجہ ہے، یہ اس وسیع تر سمت کی ایک اور ٹھوس مثال فراہم کرتا ہے جس کی جانب ہم کام کر رہے ہیں: ایسے AI نظام جو تحقیقی عمل کے بیشتر مراحل میں سائنس دانوں کے لیے قیمتی شراکت دار بن سکتے ہیں. ماڈل نے لٹریچر کا جائزہ لیا، ایک غیر متوقع خیال پیش کیا، تجربات کو ڈیزائن کرنے اور ان کا تجزیہ کرنے میں مدد کی اور ایک ایسے سائنسی نتیجے تک پہنچا جس کا انسانی کیمیا دان جائزہ لے سکتے تھے.

آرگینک کیمسٹری تمام چھوٹے سالماتی ادویات کے ساتھ ساتھ زراعت، الیکٹرانکس اور مٹیریلز سائنس کی مصنوعات کی بنیاد ہے. ایک ری ایکشن خاص طور پر مفید ہوتا ہے جب وہ بہت سے مختلف ابتدائی مواد میں ایک ہی قسم کا کیمیائی بانڈ قابل اعتماد طور پر بنا سکے. جب ری ایکشنز کم پیداوار یا بہت زیادہ غیر مطلوب ضمنی مصنوعات دیتے ہیں، تو کیمیا دانوں کو ورنہ امید افزا سالمات چھوڑنے پڑ سکتے ہیں یا مختلف راستہ تیار کرنے میں کافی وقت لگانا پڑ سکتا ہے. یہ سنتھیسس کو دوا کی دریافت میں ایک بڑی رکاوٹ بناتا ہے: سائنس دان عموماً صرف وہی سالمات ٹیسٹ کر سکتے ہیں جو وہ بنا سکیں یا کسی اور طرح حاصل کر سکیں.

چن-لیم کپلنگ دواؤں کی کیمسٹری میں مفید ہے کیونکہ یہ کاربن-نائٹروجن بانڈز بناتی ہے، جو ادویات میں عام ہیں. تاہم، یہ ردِ عمل مالیکیولز کے ہر زمرے کے لیے یکساں طور پر کارگر نہیں ہوتا. خاص طور پر، پرائمری سلفونامائڈز کو بورونک ایسڈ کے ساتھ جوڑنے سے تاریخی طور پر کم پیداوار دیتا ہے. سلفونامائڈز مالیکیولز کا ایک اہم خاندان ہیں، جو آنکولوجی اور متعدی امراض میں استعمال ہونے والی ادویات میں پائے جاتے ہیں. اس ردِ عمل کو زیادہ قابلِ اعتماد بنانا ادویاتی کیمیا دانوں کو ممکنہ طور پر مفید مالیکیولز تیار کرنے اور ان کی کھوج کرنے کا ایک وسیع تر اور زیادہ عملی طریقہ فراہم کر سکتا ہے.

مشترکہ نظام نے تکمیلی صلاحیتوں کو باہم جوڑا. Maria AI کے ساتھ کام کرنے والے سائنس دانوں کے لکھے ہوئے پرومپٹ، GPT‑5.4 کے ساتھ ایک ہارنس کے اندر استعمال کیے گئے تاکہ ہزاروں ممکنہ تحقیقی تجاویز تیار کی جا سکیں اور ان کی درجہ بندی کی جا سکے. انسانی کیمیا دانوں نے تجاویز کے اس چھوٹے ذیلی مجموعے کا جائزہ لیا جو نظام کے مطابق سب سے اعلیٰ درجہ پانے والی تھیں اور تجربہ گاہی جانچ کے لیے چار کو منتخب کیا. اس کے بعد ماریہ AI نے منتخب اعلیٰ سطحی منصوبوں کو تفصیلی لیب ہدایات میں تبدیل کیا، ہزاروں ہائی-تھروپٹ تجربات انجام دیے، خام ڈیٹا کا تجزیہ کیا اور منظم نتائج GPT‑5.4 کو واپس بھیجے. 

چار منتخب تجاویز میں سے ایک، OAI-M1-03، نے سلفونامائڈ کی تالیف کے لیے چن-لیم ردعمل کی کارکردگی کو بہتر بنانے کے لیے TEMPO جیسے ہلکے آکسیڈنٹس استعمال کرنے کی تجویز دی. کیمیا دانوں کو یہ تجویز حیران کن بھی لگی اور دلچسپ بھی. ہم OAI-M1-03 کے تفصیلی نتائج اس بلاگ پوسٹ اور مقالے⁠(نئی ونڈو میں کھلتا ہے) میں پیش کر رہے ہیں.

اس کے بعد حتمی تحقیقی تجویز کو ماریہ نے تجرباتی گرڈز تیار کرنے کے لیے استعمال کیا، جس میں انسانوں کی جانب سے معمولی تصحیحات کی گئیں. سب سے بڑی انسانی تصحیح یہ تھی کہ ڈائمیتھائل سلفوکسائیڈ، یا DMSO، کو محلل کے طور پر استعمال کرنے سے گریز کیا جائے، کیونکہ کیمیا دانوں کو تشویش تھی کہ یہ موازنے کے طور پر استعمال کیے جانے والے زیادہ طاقتور آکسیڈنٹس کے ساتھ ردِ عمل کر سکتا ہے.

پورے عمل میں تین ماہ لگے، پہلے پرومپٹ 04.03 سے لے کر OAI-M1-03 کے نتائج آزاد ماہرین کے ساتھ 04.06 کو شیئر کرنے تک.

ہم اس ورک فلو کو مکمل طور پر خود مختار نہیں، بلکہ تقریباً خود مختار قرار دیتے ہیں، کیونکہ انسانی کیمیا دانوں نے پورے عمل کے دوران بدستور اہم فیصلے کیے. ماڈل نے کلیدی تحقیقی خیالات تجویز کیے، جبکہ انسانی کیمیا دانوں نے اعلیٰ سطحی رہنمائی اور فیصلہ سازی فراہم کی، تجرباتی تفصیلات کو درست کیا، لیب کی استعمالی اشیاء اور ری ایجنٹس تیار کرنے میں مدد کی اور کلیدی تجربات ہاتھ سے دہرائے.

OAI-M1-03 نے یہاں زیرِ مطالعہ پرائمری سلفونامائڈ چن-لیم کپلنگ کے لیے TEMPO کو ایک مفید اضافی مادہ کے طور پر شناخت کیا. اصلاح شدہ شرائط کے تحت، ردِ عمل میں دو طرح سے بہتری آئی: اوسط ییلڈ بڑھی اور سبسٹریٹ کے زیادہ امتزاج عملی طور پر مفید ییلڈ تک پہنچے.

دو سائیکلوں کے دوران، ماریہ نے مجموعی طور پر 10,080 ری ایکشنز چلائے — یہ تعداد اس سے بھی زیادہ ہے جتنے ایک کیمیا دان روزانہ تین ری ایکشنز چلا کر دس برس میں چلائے گا. وہ پیمانہ اس لیے اہم تھا کہ کیمسٹری کے نتائج گمراہ کن ہو سکتے ہیں جب انہیں صرف چند مثالوں پر آزمایا جائے. کوئی کیمیائی تعامل ابتدائی مواد کے ایک جوڑے پر امید افزا معلوم ہو سکتا ہے، لیکن مالیکیولز کے ایک وسیع تر مجموعے پر ناکام ہو سکتا ہے. ہزاروں تعاملات کی بدولت دس آزمودہ تکسید کاروں میں TEMPO کی شناخت، متنوع امتزاجات میں اس اثر کے بار بار ظاہر ہونے کا مشاہدہ اور اس کی حدود کا تعین ممکن ہوا.

ڈیٹا کے پہلے دور کا تجزیہ کرنے کے بعد، سسٹم نے فالو اپ مفروضات کی جانچ کے لیے تجربات کے ایک زیادہ مرکوز دوسرے دور کی تجویز پیش کی. بعد کی ایک مفید دریافت یہ تھی کہ TEMPO کو اس کے کہیں سستے اینالاگ، 4-hydroxy-TEMPO، سے کارکردگی میں معمولی کمی کے ساتھ بدلا جا سکتا تھا.

یہ نتیجہ ماریہ لیب کے مائیکرو لیٹر پیمانے کے اسکریننگ فارمیٹ سے آگے بھی برقرار رہا. انسانی کیمیا دانوں نے نمائندہ تعاملات کو بینچ اسکیل پر دستی طور پر دہرایا اور 14 میں سے 11 سبسٹریٹ جوڑوں کے لیے پیداوار میں اضافہ دیکھا؛ آٹھ جوڑوں کے لیے یہ اضافہ دو گنا سے زیادہ تھا. یہی وجہ ہے کہ تجربے کو دہرانا اہم ہے، کیونکہ بہت چھوٹے پیمانے کے تجربات کبھی کبھی ایسے مصنوعی اثرات پیدا کر سکتے ہیں جو بڑے پیمانے پر غائب ہو جاتے ہیں. کسی سائنسی جریدے میں تحقیق کی اشاعت سے پہلے بینچ اسکیل پر توثیق بھی معمول کے مطابق کی جاتی ہے.

کیمیا کے چار بیرونی ماہرین نے OAI-M1-03 کی وضاحت کرنے والے پری پرنٹ کا جائزہ لیا. ان کے جائزوں نے ہمارے اس خیال کی تائید کی کہ یہ نتیجہ نیا تھا اور سائنسی برادری کے ساتھ شیئر کرنے کے قابل تھا. زیادہ سخت آزمائش اس کے بعد آئے گی: کیا آزاد تجربہ گاہیں اس نتیجے کو دُہرا سکتی ہیں اور کیا کیمیا دان اسے سالمات کی زیادہ وسیع رینج میں مفید پاتے ہیں.

GPT‑5.4 کے ذریعے تیار کردہ اور ماریہ کے ذریعے تین ماہ کی مدت کے دوران آزمائی گئی دیگر تین تجاویز میں سے، OAI-M1-02 اور OAI-M1-04 کو ماریہ لیب میں تجرباتی طور پر ثابت کیا گیا، جبکہ OAI-M1-01 غلط ثابت ہوئی. ان نتائج کا تجزیہ جاری ہے.

یہ کام ظاہر کرتا ہے کہ ایک ماڈل نامیاتی کیمیا میں مفید کردار ادا کر سکتا ہے. اس نے موجودہ علمی لٹریچر کا خلاصہ پیش کرنے یا ایک بار کا تجربہ تجویز کرنے سے کہیں زیادہ کام کیا: اس نے ایک مخصوص اور حیران کن مفروضہ پیش کیا اور اسے انسانی جائزے کے لیے سامنے رکھا، تجربات ڈیزائن کیے، تجرباتی ڈیٹا کی تشریح کی اور فالو اَپ تجربات ڈیزائن کیے.

اس سے یہ ظاہر نہیں ہوتا کہ AI کیمسٹری کے تحقیقی پروگرام کو خود مختار طور پر شروع سے آخر تک چلا سکتی ہے. انسانی فیصلہ بدستور ضروری رہا اور ورک فلو کا انحصار خصوصی ہائی-تھروپٹ انفراسٹرکچر پر تھا. یہ اس بات کو بھی ثابت نہیں کرتا کہ یہ طریقہ دیگر کپلنگ ری ایکشنز، سبسٹریٹ کی دیگر اقسام، یا مینوفیکچرنگ کے حالات پر بھی لاگو ہو سکے گا.

پیداوار کے تخمینے ایک ہائی-تھروپٹ پلیٹ فارم سے حاصل ہوئے اور بینچ ویلیڈیشن میں 14 نمائندہ سبسٹریٹ جوڑوں کا احاطہ کیا گیا.. تعاملی میکانزم کی خصوصیت متعین کرنے، سبسٹریٹ کے دائرۂ کار کی وضاحت کرنے، مختلف تجربہ گاہی حالات میں کارکردگی کی پیمائش کرنے اور نتیجے کو آزادانہ طور پر دہرانے کے لیے مزید کام کی ضرورت ہے.

کیمسٹری کی صلاحیتوں کے ساتھ احتیاط سے پیش آنا ضروری ہے کیونکہ وہی اوزار جو طب اور مٹیریلز سائنس کی مدد کرتے ہیں، غلط استعمال بھی ہو سکتے ہیں. ہم نے دانستہ طور پر اس کام کو ایک جائز ادویاتی کیمیا کے مسئلے تک محدود کیا: ایک معروف کپلنگ ری ایکشن کو بہتر بنانا جو دوا نما سالمات بنانے کے لیے استعمال ہوتا ہے. تجربات میں زہریلے مادّے، کیمیائی ہتھیار، یا نقصان دہ مرکبات ڈیزائن کرنے کی درخواستیں شامل نہیں تھیں. ان نتائج کو اس بات کے ثبوت کے طور پر نہیں لیا جانا چاہیے کہ یہ نظام ان نقصان دہ استعمالات میں مدد کر سکتا ہے. پروجیکٹ نے نہ تو اس بات کی جانچ کی اور نہ ہی اسے ثابت کیا.

ہم اپنے تیاری کا فریم ورک⁠ کے ذریعے جدید ماڈل کی صلاحیتوں سے پیدا ہونے والے ابھرتے ہوئے خطرات کا جائزہ لیتے ہیں اور انہیں کم کرتے ہیں، جس میں کیمیائی اور حیاتیاتی شعبوں سے متعلق خطرات بھی شامل ہیں. اس کام میں استعمال کیا گیا ماڈل پہلے ہی یوکے AI سیکیورٹی انسٹی ٹیوٹ کے ساتھ متعلقہ جائزوں سے گزر چکا تھا اور نظام کو نقصان دہ استعمالات پر مرکوز درخواستوں کو مسترد کرنے کے لیے ڈیزائن کیا گیا تھا. تجرباتی ورک فلو نے کنٹرول کی ایک اور سطح شامل کی: انسانی کیمیا دانوں نے منتخب کیا کہ کون سی تجاویز لیب میں داخل ہوں، تجرباتی منصوبوں کا جائزہ لیا اور جسمانی بنیادی ڈھانچے پر کنٹرول برقرار رکھا.

ہمارا خیال ہے کہ تجرباتی کیمیا میں AI کی صلاحیت کا مطالعہ کرنے کا یہ ذمہ دارانہ طریقہ ہے: واضح سائنسی قدر رکھنے والے مسئلے کے دائرے کا انتخاب کریں، ماڈل کی سطح کے حفاظتی اقدامات کو ماہرین کی نگرانی کے ساتھ جوڑیں اور محدود طبعی تجربات کے ذریعے نظام کا جائزہ لیں. جیسے جیسے یہ صلاحیتیں بہتر ہوں گی، ہم ابھرتے ہوئے خطرات کا جائزہ لیتے رہیں گے، حفاظتی اقدامات کو مضبوط کریں گے اور اس بارے میں واضح رہیں گے کہ کوئی نتیجہ کس بات کی طرف اشارہ کرتا ہے اور کس بات کی طرف نہیں.

فوری اگلے اقدامات سائنسی نوعیت کے ہیں: ابتدائی مواد کی زیادہ وسیع رینج کو جانچنا، یہ تحقیق کرنا کہ اضافی مادّے ردِ عمل کو کیوں بہتر بناتے ہیں، یہ تعین کرنا کہ یہ اثر کہاں کارگر ہوتا ہے اور کہاں ناکام رہتا ہے اور آزادانہ تکرار میں مدد دینا. مجموعی طور پر، یہ مطالعے اس بات کا تعین کریں گے کہ اس طریقۂ کار کا اطلاق کتنے وسیع پیمانے پر کیا جا سکتا ہے اور عملی ادویاتی کیمسٹری کے ورک فلوز میں یہ کتنا مفید ہے.

ہمارا طویل مدتی مقصد AI نظاموں کو ایسے قابلِ اعتماد سائنسی شراکت دار بنانا ہے جو محققین کو مفروضات قائم کرنے، تجربات ڈیزائن کرنے، نتائج کی تشریح کرنے اور آگے کیا جانچنا ہے اس کا فیصلہ کرنے میں مدد دیں، جبکہ وہ ماہرانہ فیصلے، قابلِ اعتماد پیمائش اور مضبوط حفاظتی اقدامات پر مبنی رہیں. نامیاتی کیمیا ایک خاص طور پر زیادہ اثر انگیز شعبہ ہے، کیونکہ چھوٹے سالمات کی دریافت اور تیاری میں پیش رفت کا انحصار اس بات پر ہے کہ سالمات کو قابلِ اعتماد طریقے سے بنایا جا سکے. سائنس دان صرف انہی مالیکیولز کی جانچ کر سکتے ہیں جنہیں وہ تیار کر سکتے ہیں اور بہتر ترکیب سازی طب، زراعت، الیکٹرانکس، توانائی اور مٹیریل سائنس کے شعبوں میں اُن خیالات کا دائرہ وسیع کر سکتی ہے جن پر وہ تحقیق کر سکتے ہیں. یہ نتیجہ اس وسیع تر سمت کی ایک ابتدائی مثال ہے: ایک جدید ترین ماڈل، تخصیص شدہ ایجنٹس، ایک خودکار لیبارٹری اور انسانی کیمیا دان مل کر کام کر رہے ہیں تاکہ تحقیقی چکر میں زیادہ تیزی سے آگے بڑھا جا سکے اور ایسے نتائج پیدا کیے جا سکیں جنہیں سائنسی برادری جانچ سکے، دوبارہ پیش کر سکے اور جن پر مزید کام کر سکے.

ہم Molecule.one کی ٹیم اور اُن آزاد کیمیا دانوں کے شکر گزار ہیں جنہوں نے اس کام کا جائزہ لیا.