Koniec chemicznej intuicji? Synthegy oddaje planowanie molekuł w ręce dużych modeli językowych

Projektowanie cząsteczki od zera to nie tylko chemia, to logistyka w skali atomowej. Nie wystarczy wiedzieć, co połączyć – trzeba wiedzieć, kiedy, w jakiej kolejności i jak uniknąć ślepych zaułków, które potrafią zmarnować miesiące pracy laboratoryjnej.

Synthegy: Gdy GPT-4 zakłada biały fartuch

Zespół pod kierownictwem Philippe’a Schwallera z EPFL zaprezentował właśnie Synthegy – framework, który zmienia zasady gry w retrosyntezie. Zamiast budować kolejne, wąsko wyspecjalizowane modele AI, naukowcy wykorzystali potęgę rozumowania ogólnych modeli językowych (LLM) do oceny ścieżek syntezy przygotowanych przez klasyczne oprogramowanie.

To podejście asymetryczne: tradycyjny algorytm generuje setki potencjalnych opcji, a AI pełni rolę surowego recenzenta, który odsiewa ziarno od plew.

W praktyce wygląda to tak: chemik wpisuje cel prostym angielskim (np. „sformuj pierścień pirymidynowy na wczesnym etapie”), a Synthegy zamienia każdą trasę chemiczną na tekst i prosi model o punktację. Wynik? Najlepsze rozwiązania wypływają na wierzch wraz z logicznym uzasadnieniem.

Skuteczność mierzona profesurą

Walidacja systemu była bezlitosna. W badaniu typu double-blind 36 niezależnych chemików oceniło 368 par tras syntezy. Werdykt?

• Zgodność Synthegy z ludzkimi ekspertami wyniosła 71,2%.
• Co kluczowe, modele częściej zgadzały się z profesorami niż ze studentami studiów doktoranckich.
• Sugeruje to, że AI skutecznie replikuje strategiczną intuicję nabywaną latami w laboratorium.

Bitwa modeli w laboratorium

Naukowcy nie ograniczyli się do jednego silnika. Przetestowano GPT-4o, Claude oraz DeepSeek-r1. Choć najwyższe noty w rankingach zebrał Gemini-1.5-pro, to DeepSeek udowodnił, że otwarte modele mogą być potężną, lokalną alternatywą dla gigantów.

Synthegy rozwiązuje jeszcze jeden krytyczny problem: elucydację mechanizmów reakcji. System rozbija proces na elementarne kroki i ocenia ich fizykochemiczne prawdopodobieństwo. W przypadku prostych reakcji podstawienia nukleofilowego, precyzja była bliska ideałowi.

Dla branży farmaceutycznej to czysty zysk. Przeanalizowanie 60 tras syntezy przy użyciu Synthegy trwa około 12 minut i kosztuje zaledwie 2-3 dolary w opłatach API.

Cienie cyfrowej probówki

Mimo entuzjazmu, tech-redakcyjna czujność nakazuje wskazać ograniczenia. LLM wciąż potrafią „pomylić kierunki” w tekstowej reprezentacji reakcji, co prowadzi do błędnych wniosków o ich wykonalności. Mniejsze modele w ogóle nie radzą sobie z chemiczną logiką, działając na poziomie błądzenia losowego, a ścieżki przekraczające 20 etapów stają się dla AI zbyt mętne.

To nie jest jeszcze pełna autonomia. To raczej niezwykle bystry asystent, który przeczytał wszystkie podręczniki świata i podpowiada, której fiolki nie otwierać.