【OPENAI】近自主管理的AI化学家提升关键反应

OpenAI 与 Molecule.one 联合，将 GPT‑5.4 与高通量代理实验室 Maria 连接，提出并验证了通过温和氧化剂（如 TEMPO）显著提高 Chan–Lam 偶联中伯磺酰胺与硼酸酯反应产率的方案；在微量筛选与台式复验中均表现出普遍的增益，显示出 AI 在药物化学合成环节的辅助潜力。该流程为期三个月、以人工审批为主导的近自主研究，覆盖从文献检索、方案生成到实验设计与数据分析的闭环工作流。

项目背景
– Chan–Lam 偶联可构建 C–N 键，但伯磺酰胺与硼酸类底物历史上产率偏低，限制了药物化学中的合成可及性。

系统与方法
– 系统组成：GPT‑5.4（方案生成与分析）+ Maria（代理式化学 AI 与高通量实验室）+ 人类化学家（审查、校正与复验）。
– 流程：GPT‑5.4 在工程化提示下生成并排序研究方案；人类挑选候选；Maria 将高层方案转为实验指令并执行大规模网格实验；结果回传模型进行分析与迭代。整个项目从 3 月 4 日到 6 月 4 日完成。

关键发现（OAI‑M1‑03）
– 主要建议：在伯磺酰胺 Chan–Lam 偶联中加入温和氧化剂（如 TEMPO）。
– 实验规模：Maria 在两轮中共运行 10,080 次反应。
– 量化结果：平均产率从 16.6% 提升到 25.2%；产率超过 30% 的反应比例从 15.6% 上升到 37.5%；对测试的硼酸和磺酰胺底物分别有 88% 和 83% 出现改进。
– 台式复验：人类化学家在放大规模的复现实验中对 14 对底物进行验证，11 个显示更高产率，多数情况产率提升超过两倍。

局限与谨慎
– 仍属早期研究：为“近自主”而非完全自主，关键决策与实验校正由人类主导（例如避免使用 DMSO 等溶剂）。
– 范围限制：结果基于所测试的底物集合与实验条件，未宣称对所有底物普适。

意义与展望
– 实用价值：提高伯磺酰胺 Chan–Lam 偶联的可行性，可扩展药物化学家可合成并筛选的分子集合，缓解发现中的合成瓶颈。
– 方法论价值：展示了大模型与高通量代理实验室的闭环协作能够提出出人意料且可验证的化学改良策略，未来可扩展到更多反应类群。

参考流程要点
– 人工介入点：方案筛选、实验细节修正、常规实验准备与最终手工复验。
– 时间成本：三个月完成从想法到独立专家共享结果的全流程。

结论
– 本项工作提供了一个示例，说明用 GPT‑5.4 驱动的近自主实验平台可以在实际合成问题上提出并验证有价值的化学改良建议，为药物化学的实验效率与合成可达性带来潜在提升。

这是将大模型与高通量实验紧密结合的有力示例，但仍需大量人类判断与更广泛的复现验证。

原文链接