Почти автономный ИИ-химик улучшает сложную реакцию в медицинской химии17.06.2026 10:00

Работа OpenAI в области науки мотивирована простым убеждением: передовой ИИ может стать мощным партнером для ученых, помогая им исследовать больше идей, связывать удаленные друг от друга концепции, проектировать более качественные эксперименты и ускорять открытия на благо человечества. Мы уже делились первыми примерами моделей, внесших свой вклад в новые результаты в математике, включая работы по задаче единичного расстояния⁠, в теоретической физике — благодаря новому результату по глюонным амплитудам⁠, а также в биологии, где GPT‑5 помогла снизить стоимость бесклеточного синтеза белков⁠ в автоматизированной лаборатории. Мы также представили GPT‑Rosalind⁠ — специализированную модель для поддержки исследований в области наук о жизни и рабочих процессов поиска лекарств. 

Этот проект переносит такую траекторию в область медицинской химии, где прогресс нельзя измерить одними лишь рассуждениями. Гипотеза должна работать в лаборатории с реальными молекулами, приборами и экспериментальными шумами. Сотрудничая с Molecule.one⁠, мы подключили GPT‑5.4 к Maria — агентному ИИ для проведения химических исследований, интегрированному с высокопроизводительной лабораторией для автономных изысканий, — и поставили перед ним открытую задачу: улучшить один из нескольких важных классов реакций. Система генерировала исследовательские предложения, проектировала и проводила эксперименты, анализировала экспериментальные данные и предлагала последующие эксперименты. Люди оставались участниками процесса, разрабатывая подсказки для управления и оценки (steering and grading prompts), а также выбирая предложения для тестирования. Они также вносили ограниченные исправления в экспериментальные планы, помогали в базовых лабораторных операциях и независимо проверяли окончательный результат.

Наиболее перспективное предложение, OAI-M1–03, было сосредоточено на сложной, но полезной версии реакции кросс-сочетания Чана — Лама, которую химики используют для формирования углерод-азотных связей. Исходя из открытой цели улучшить реакцию Чана — Лама для технологической химии, GPT‑5.4 самостоятельно определила первичные сульфонамиды как сложный класс субстратов высокой ценности и предположила, что мягкие окислители, включая TEMPO, могут улучшить протекание реакции. 

За два цикла экспериментов в лаборатории Maria эта идея привела к значительному улучшению. В оптимизированных условиях измеренные выходы увеличились для 88% протестированных бороновых кислот и 83% сульфонамидов. Средний выход вырос с 16,6% до 25,2%, а доля реакций с выходом выше 30% увеличилась с 15,6% до 37,5%. Затем химики-исследователи повторили репрезентативные реакции в настольном масштабе (bench scale). Эти эксперименты подтвердили результаты, полученные на микролитровом уровне, показав более высокие выходы для 11 из 14 пар субстратов, причем в большинстве случаев рост составил более чем два раза. Это имеет значение, поскольку химикам-медикам нужны реакции, которые работают не только в микролитровых скрининговых экспериментах, но и в практических лабораторных процессах, используемых при разработке лекарств.

Усовершенствования в этой области медицинской химии вызывают особый энтузиазм, поскольку синтез часто является главным узким местом в разработке лекарств: ученые могут тестировать только те молекулы, которые они способны синтезировать или получить иным способом. Сульфонамидная группа встречается в лекарственных препаратах из самых разных терапевтических областей, включая противораковые препараты, противомикробные средства и диуретики, однако реакция Чана — Лама для первичных сульфонамидов с бороновыми кислотами исторически давала низкие выходы. Повышение надежности этой формы реакции может предоставить химикам-медикам более широкий и практичный способ получения и изучения потенциально полезных молекул.

Хотя это пока ранний результат, он представляет собой еще один конкретный пример того общего направления, к которому мы стремимся: ИИ-системы, способные стать ценными партнерами для ученых на большей части исследовательского цикла. Модель изучила литературу, предложила неожиданную идею, помогла спроектировать и проанализировать эксперименты, а также пришла к научному открытию, которое смогли оценить ученые-химики.

Органическая химия лежит в основе всех низкомолекулярных лекарственных средств, а также продуктов в сельском хозяйстве, электронике и материаловедении. Реакция особенно полезна, когда она позволяет надежно создавать один и тот же тип химической связи для самых разных исходных материалов. Когда реакции дают низкий выход или слишком много нежелательных побочных продуктов, химикам приходится отказываться от перспективных в остальном молекул или тратить много времени на разработку другого маршрута. Это делает синтез главным узким местом в разработке лекарств: как правило, ученые могут тестировать только те молекулы, которые они способны синтезировать или получить иным путем.

Реакция кросс-сочетания Чана — Лама полезна в медицинской химии, поскольку она формирует углерод-азотные связи, которые часто встречаются в лекарствах. Тем не менее, реакция протекает одинаково успешно далеко не для каждого класса молекул. В частности, сочетание первичных сульфонамидов с бороновыми кислотами исторически давало низкие выходы. Сульфонамиды — это важное семейство молекул, входящих в состав лекарств, применяемых в онкологии и при инфекционных заболеваниях. Повышение надежности этой реакции могло бы предоставить химикам-медикам более широкий и практичный способ получения и изучения потенциально полезных молекул.

Комбинированная система объединила взаимодополняющие возможности. Промпты, написанные учеными, работающими с Maria AI, использовались с GPT‑5.4 в рамках программной оболочки для генерации и ранжирования тысяч возможных исследовательских предложений. Химики-исследователи изучили небольшое подмножество предложений, получивших наивысший рейтинг в системе, и выбрали четыре для лабораторного тестирования. Затем Maria AI перевела выбранные планы высокого уровня в подробные инструкции для лаборатории, провела тысячи высокопроизводительных экспериментов, проанализировала исходные данные и вернула структурированные результаты в GPT‑5.4. 

Одно из четырех выбранных предложений, OAI-M1–03, предлагало использовать мягкие окислители, такие как TEMPO, для улучшения эффективности реакции Чана — Лама при синтезе сульфонамидов. Химики сочли это предложение одновременно неожиданным и интересным. Мы публикуем подробные результаты проекта OAI-M1–03 в этом блоге и в документе⁠. Мы также делимся переписанной цепочкой рассуждений модели (chain-of-thought)⁠ для OAI-M1–03.

Затем итоговое исследовательское предложение было использовано системой Maria для генерации экспериментальных матриц с небольшими корректировками со стороны человека. Основной корректировкой людей стал отказ от диметилсульфоксида (ДМСО) в качестве растворителя, поскольку химики опасались, что он может прореагировать с более сильными окислителями, используемыми для сравнения.

Весь процесс занял три месяца: от первого запроса 4 марта до передачи результатов OAI-M1–03 независимым экспертам 4 июня.

Мы описываем этот рабочий процесс как полуавтономный, а не полностью автономный, поскольку ученые-химики по-прежнему принимали важные решения на протяжении всего процесса. Модель предложила ключевые исследовательские идеи, в то время как химики обеспечивали общее руководство и экспертную оценку, корректировали детали экспериментов, помогали подготавливать лабораторные расходные материалы и реагенты, а также вручную повторяли ключевые эксперименты.

В рамках OAI-M1–03 было определено, что TEMPO является полезной добавкой для изучаемой реакции кросс-сочетания Чана — Лама первичных сульфонамидов. В оптимизированных условиях реакция улучшилась по двум параметрам: возрос средний выход, а большее количество комбинаций субстратов достигло практически полезных значений выхода.

За два цикла лаборатория Maria провела в общей сложности 10 080 реакций — больше, чем химик, выполняющий три реакции в день, провел бы за десятилетие. Этот масштаб имел решающее значение, поскольку результаты химических исследований могут быть обманчивыми, если они проверяются всего на нескольких примерах. Реакция может выглядеть перспективной на одной паре исходных материалов, но потерпеть неудачу на более широком наборе молекул. Тысячи реакций позволили выявить TEMPO среди десяти протестированных окислителей, убедиться в воспроизводимости эффекта на различных комбинациях и обнаружить его ограничения.

Проанализировав данные первого раунда, система предложила более целенаправленный второй раунд экспериментов для проверки последующих гипотез. Одним из полезных результатов стало открытие того, что TEMPO можно заменить гораздо более дешевым аналогом — 4-гидрокси-TEMPO — практически без потери эффективности.

Результат также подтвердился за пределами микролитрового скринингового формата лаборатории Maria Lab. Ученые-химики вручную воспроизвели репрезентативные реакции в настольном масштабе и зафиксировали увеличение выхода для 11 из 14 пар субстратов; для восьми пар увеличение превысило два раза. Такое воспроизведение имеет решающее значение, поскольку эксперименты очень маленького масштаба иногда могут привносить артефакты, которые исчезают при большем масштабе. Проверка в настольном масштабе также является стандартной процедурой перед публикацией исследования в научном журнале.

Четыре независимых эксперта в области химии ознакомились с препринтом, описывающим OAI-M1–03. Их отзывы подтвердили наше мнение о том, что результат является инновационным и заслуживает внимания научного сообщества. Следующее, более серьезное испытание покажет, смогут ли независимые лаборатории воспроизвести этот результат и найдут ли химики его полезным для более широкого спектра молекул.

Из трех других предложений, сгенерированных GPT‑5.4 и протестированных лабораторией Maria в течение трех месяцев, OAI-M1–02 и OAI-M1–04 получили экспериментальное подтверждение, в то время как OAI-M1–01 была опровергнута. Анализ этих результатов продолжается.

Данная работа показывает, что модель способна вносить значимый вклад в органическую химию. Она сделала больше, чем просто обобщила литературу или предложила единичный эксперимент: она выдвинула конкретную неожиданную гипотезу и вынесла ее на рассмотрение человека, спроектировала эксперименты, интерпретировала экспериментальные данные и разработала последующие эксперименты.

Это не доказывает, что ИИ может самостоятельно управлять химическим исследовательским проектом от начала до конца. Человеческий фактор по-прежнему играет важнейшую роль, а рабочий процесс зависел от специализированной инфраструктуры высокой пропускной способности. Кроме того, это не доказывает, что данный метод применим к другим реакциям сопряжения, другим классам субстратов или условиям производства.

Оценки выхода были получены с помощью высокопроизводительной платформы, а валидация на лабораторном столе охватила 14 репрезентативных пар субстратов. Требуется дополнительная работа для описания механизма реакции, определения круга субстратов, измерения производительности в различных лабораторных условиях и независимого воспроизведения результата.

Возможности в области химии требуют особого внимания, поскольку те же инструменты, которые поддерживают медицину и материаловедение, потенциально могут быть использованы во вред. Мы намеренно ограничили эту работу легитимной задачей медицинской химии: усовершенствованием известной реакции сопряжения, используемой для создания лекарственно-подобных молекул. Эксперименты не включали работу с токсинами, химическим оружием или запросы на разработку вредных соединений. Данные результаты не следует воспринимать как свидетельство того, что система может помочь в подобных деструктивных целях. Проект не тестировал и не демонстрировал этого.

Мы оцениваем и снижаем возникающие риски, связанные с расширенными возможностями моделей, с помощью нашей методологии оценки готовности (Preparedness Framework)⁠, включая риски в химической и биологической областях. Модель, использованная в этой работе, уже прошла соответствующие оценки с Институтом безопасности ИИ Великобритании (UK AI Security Institute), а система была спроектирована так, чтобы отклонять запросы, ориентированные на вредоносное применение. Экспериментальный рабочий процесс добавил еще один уровень контроля: химики-люди выбирали предложения для лаборатории, проверяли планы экспериментов и сохраняли контроль над физической инфраструктурой.

Мы считаем это ответственным подходом к изучению потенциала ИИ в экспериментальной химии: выбор проблемной области с четкой научной ценностью, сочетание средств защиты уровня модели с экспертным надзором и оценка системы с помощью ограниченных физических экспериментов. По мере совершенствования этих возможностей мы продолжим оценивать возникающие риски, укреплять меры безопасности и четко формулировать то, что результаты означают, а чего не означают.

Ближайшие шаги носят научный характер: протестировать более широкий спектр исходных материалов, выяснить, почему добавки улучшают реакцию, составить карту условий, где этот эффект работает, а где нет, и поддержать независимое воспроизведение. В совокупности эти исследования определят, насколько широко может применяться метод и насколько он полезен в практических рабочих процессах медицинской химии.

Наша долгосрочная цель — сделать системы ИИ надежными научными партнерами, которые помогают исследователям выдвигать гипотезы, проектировать эксперименты, интерпретировать результаты и принимать решения о том, что тестировать дальше, опираясь при этом на экспертное суждение, надежные измерения и строгие меры безопасности. Органическая химия является особенно перспективной областью, поскольку прогресс в открытии и производстве низкомолекулярных соединений зависит от возможности надежного создания молекул. Ученые могут тестировать только те молекулы, которые они способны синтезировать, а лучший синтез расширяет диапазон идей, которые можно исследовать в медицине, сельском хозяйстве, электронике, энергетике и материаловедении. Данный результат — один из первых примеров этого более широкого направления: передовая модель, специализированные агенты, автоматизированная лаборатория и химики-люди работают вместе, чтобы быстрее проходить цикл исследований и получать выводы, которые научное сообщество может оценивать, воспроизводить и развивать.

Мы выражаем признательность команде Molecule.one и независимым химикам, рецензировавшим эту работу.

Автор