近乎自主AI化学家改进药物化学关键反应

背景

有机化学支撑着所有小分子药物，以及农业、电子和材料科学领域的产品。当一种反应能够在多种不同的起始原料上可靠地形成同一种化学键时，它特别有用。如果反应产率低或产生过多副产物，化学家可能不得不放弃原本有前景的分子，或者花费大量时间开发不同的合成路线。这使得合成成为药物发现中的一个主要瓶颈：科学家通常只能测试他们能够合成或以其他方式获得的分子。

在药物化学中，Chan-Lam 偶联反应很有用，因为它能形成碳-氮键，而碳-氮键常见于药物分子中。然而，该反应并非对所有类型的分子都同样有效。特别是，将伯磺酰胺与硼酸进行偶联，历史上产率一直很低。磺酰胺是一类重要的分子，存在于肿瘤学和感染性疾病治疗药物中。使这种反应更可靠，可以为药物化学家提供更广泛、更实用的方法来生产和探索潜在有用的分子。

OpenAI 在科学方面的工作源于一个简单的信念：先进的 AI 可以成为科学家的强大合作伙伴，帮助探索更多想法、连接不同概念、设计更好的实验，并加速造福人类的发现。此前，OpenAI 已经分享了模型在数学（单位距离问题）、理论物理学（胶子振幅的新结果）和生物学（GPT-5 帮助降低自动化实验室中无细胞蛋白质合成的成本）等领域带来新颖成果的早期例子。他们还推出了 GPT-Rosalind，一个专门用于支持生命科学研究和药物发现流程的模型。

本项目将这一轨迹延伸至药物化学领域——在该领域，进展不能仅靠推理来衡量。一个假设必须在实验室中用真实的分子、仪器和实验噪声来验证。通过与 Molecule.one 合作，OpenAI 将 GPT-5.4 连接到 Maria——一个与高通量实验室集成的自主研究化学 AI 代理——并赋予它一个开放式的目标：改进几类重要反应中的某一类。该系统生成研究提案、设计并运行实验、分析实验数据，并提出后续实验方案。人类则通过设计引导和评分提示、选择要测试的提案来保持参与。他们还对实验计划进行有限的修正，协助基本的实验室操作，并独立验证最终结果。

核心内容

最有前景的提案 OAI-M1-03 聚焦于 Chan-Lam 偶联中一个困难但有用的变体——该反应是化学家用来形成碳-氮键的。从改进工艺化学中 Chan-Lam 偶联这一开放式目标出发，GPT-5.4 独立识别出伯磺酰胺是一个具有挑战性且高价值的底物类别，并建议使用温和氧化剂（包括 TEMPO）来改善反应。

在 Maria Lab 两轮实验中，这个想法产生了显著的改进。在优化条件下，测试的硼酸中有 88% 的产率得到提升，磺酰胺中有 83% 的产率得到提升。平均产率从 16.6% 上升到 25.2%，产率超过 30% 的反应比例从 15.6% 增加到 37.5%。随后，人类化学家在实验室规模下重复了代表性反应。这些实验证实了微升规模的结果：14 对底物中有 11 对显示出更高的产率，大多数情况下产率提升超过两倍。这一点很重要，因为药物化学家需要的反应不仅要在微升筛选实验中有效，还要在药物发现过程中实际使用的实验室工作流程中有效。

该组合系统将互补的能力配对起来。科学家与 Maria AI 合作编写的提示词，与 GPT-5.4 一起在一个框架内使用，以生成并排序数千个可能的研究提案。人类化学家审查了系统排名最高的少数提案，并选择了四个进行实验室测试。然后，Maria AI 将选定的高级计划转化为详细的实验室指令，运行数千次高通量实验，分析原始数据，并将结构化结果返回给 GPT-5.4。

四个选定的提案之一 OAI-M1-03 建议使用诸如 TEMPO 之类的温和氧化剂来改善磺酰胺合成中 Chan-Lam 反应的性能。化学家们发现这个建议既令人惊讶又有趣。最终的研发提案随后被 Maria 用于生成实验网格，人类进行了轻微修正。最大的修正来自避免使用二甲亚砜（DMSO）作为溶剂，因为化学家担心它会与用作对比的更强氧化剂反应。

整个过程历时三个月，从 3 月 4 日第一次提示词到 6 月 4 日将 OAI-M1-03 的结果分享给独立专家。我们将这个工作流程描述为“近自主”而非“完全自主”，因为人类化学家在整个过程中仍然做出了重要决策。模型提出了关键的研究思路，而人类化学家提供了高级的引导和判断，纠正了实验细节，帮助准备了实验室消耗品和试剂，并手动重复了关键实验。

OAI-M1-03 确定 TEMPO 是一种有用的添加剂，用于本研究中的伯磺酰胺 Chan-Lam 偶联。在优化条件下，反应在两个方面得到改善：平均产率上升，并且更多的底物组合达到了实用的产率水平。

在两轮实验中，Maria 总共运行了 10,080 次反应——这比一个化学家每天运行三个反应、持续十年所运行的数量还要多。这种规模很重要，因为如果仅在少数几个例子中测试，化学结果可能会产生误导。一个反应在一对起始原料上可能看起来很有希望，但在更广泛的分子集合中却可能失败。数千次反应使得在十种测试的氧化剂中识别出 TEMPO、观察效应在多种组合中的重复性以及发现其局限性成为可能。

分析第一轮数据后，系统提出了一组更聚焦的第二轮实验来测试后续假设。一个有用的后续发现是，TEMPO 可以被一种更便宜的类似物 4-羟基-TEMPO 替代，而性能几乎没有损失。

结果也在 Maria Lab 的微升规模筛选之外得到了验证。人类化学家在实验室规模下重复了代表性反应，这些实验证实了微升规模的结果：在 14 对底物中，有 11 对显示出更高的产率，大多数情况下产率提升超过两倍。

关键要点

• OpenAI 与 Molecule.one 合作，将 GPT-5.4 连接到自主化学 AI 代理 Maria，赋予其改进药物化学中关键反应的开放式目标。
• 系统自主生成研究提案、设计并运行实验、分析数据并提出后续实验，人类提供引导、纠正和独立验证。
• 最有前景的提案 OAI-M1-03 聚焦于伯磺酰胺与硼酸的 Chan-Lam 偶联，这是一个历史上产率低但极具价值的反应。
• GPT-5.4 独立建议使用温和氧化剂（如 TEMPO）来改善反应，该建议被化学家认为既出人意料又有趣。
• 在两轮实验中，Maria 运行了 10,080 次反应，优化条件下：88% 的硼酸和 83% 的磺酰胺产率提升；平均产率从 16.6% 升至 25.2%；产率 >30% 的反应比例从 15.6% 增至 37.5%。
• 人类化学家在实验室规模下的重复实验证实了微升规模结果：14 对底物中有 11 对产率提高，大部分超过两倍。
• 后续发现：TEMPO 可被更便宜的 4-羟基-TEMPO 替代，性能损失很小。
• 整个过程从 3 月 4 日到 6 月 4 日，耗时三个月，被称为“近自主”工作流程，因为人类仍参与关键决策。

意义与影响

药物化学领域的这一改进尤其令人兴奋，因为合成往往是药物发现的主要瓶颈：科学家只能测试他们能够合成或以其他方式获得的分子。磺酰胺基团出现在广泛治疗领域的药物中，包括抗癌药、抗菌药和利尿剂，但伯磺酰胺与硼酸的 Chan-Lam 偶联历史上