GPT-5.4 et Maria : l'IA redéfinit la chimie médicinale

Une avancée prometteuse en chimie médicinale grâce à l'IA

Dans une collaboration innovante, GPT-5.4 d'OpenAI, associé à Maria de Molecule.one, a réussi à améliorer une réaction chimique complexe, la Chan-Lam Coupling, utilisée dans la chimie médicinale. Ce partenariat a permis de découvrir un additif inattendu qui a significativement augmenté les rendements pour plus de 80% des substrats testés.

L'objectif d'OpenAI est clair : utiliser l'intelligence artificielle pour devenir un allié puissant des scientifiques, leur permettant d'explorer de nouvelles idées, de connecter des concepts éloignés et d'accélérer les découvertes scientifiques. Ce projet s'inscrit dans cette vision, en appliquant l'IA à la chimie médicinale, un domaine où les hypothèses doivent être validées par des expériences en laboratoire avec des molécules réelles.

Ce projet s'inscrit dans cette dynamique en chimie médicinale, où le progrès ne peut être mesuré par le raisonnement seul. Une hypothèse doit fonctionner en laboratoire avec de vraies molécules, des instruments et du bruit expérimental. En collaboration avec Molecule.one, nous avons connecté GPT-5.4 à Maria—une IA chimique intégrée à un laboratoire à haut débit pour la recherche autonome—et lui avons donné un objectif ouvert : améliorer l'une des plusieurs classes de réactions importantes.

Le système a généré des propositions de recherche, conçu et exécuté des expériences, analysé des données expérimentales et proposé des expériences de suivi. Les humains ont joué un rôle en concevant des prompts de direction et d'évaluation, en sélectionnant des propositions à tester, et en apportant des corrections limitées aux plans expérimentaux.

La proposition la plus prometteuse, OAI-M1-03, s'est concentrée sur une version difficile mais utile de la Chan–Lam coupling, une réaction utilisée par les chimistes pour former des liaisons carbone-nitrogène. Partant de l'objectif d'améliorer la Chan–Lam coupling pour la chimie de processus, GPT-5.4 a identifié de manière indépendante les sulfonamides primaires comme une classe de substrats difficile mais de grande valeur et a suggéré que des oxydants doux, y compris TEMPO, pourraient améliorer la réaction.

Au cours de deux cycles d'expérimentation dans le laboratoire Maria, cette idée a produit une amélioration significative. Dans des conditions optimisées, les rendements mesurés ont augmenté pour 88% des acides boroniques et 83% des sulfonamides testés. Le rendement moyen est passé de 16,6% à 25,2%, et la part des réactions dépassant 30% de rendement est passée de 15,6% à 37,5%. Les chimistes humains ont ensuite répété des réactions représentatives à l'échelle du banc. Ces expériences ont confirmé les résultats à l'échelle des microlitres, montrant des rendements plus élevés pour 11 des 14 paires de substrats, avec un doublement dans la plupart des cas.

Les améliorations dans ce domaine de la chimie médicinale sont particulièrement enthousiasmantes car la synthèse est souvent un goulot d'étranglement majeur dans la découverte de médicaments : les scientifiques ne peuvent tester que les molécules qu'ils peuvent fabriquer ou obtenir. Le groupe des sulfonamides apparaît dans des médicaments couvrant un large éventail de domaines thérapeutiques, y compris les médicaments anticancéreux, antimicrobiens et diurétiques, mais la Chan–Lam coupling des sulfonamides primaires avec des acides boroniques a historiquement donné de faibles rendements. Rendre cette forme de réaction plus fiable pourrait offrir aux chimistes médicaux un moyen plus large et plus pratique de produire et d'explorer des molécules potentiellement utiles.

Bien que ce soit encore un résultat précoce, il fournit un exemple concret de la direction plus large vers laquelle nous travaillons : des systèmes d'IA qui peuvent devenir des partenaires précieux pour les scientifiques tout au long du processus de recherche. Le modèle a examiné la littérature, proposé une idée inattendue, aidé à concevoir et à analyser des expériences, et a abouti à une découverte scientifique que les chimistes humains pouvaient évaluer.

Pourquoi le problème de chimie est important

La chimie organique sous-tend tous les médicaments à petites molécules, ainsi que les produits en agriculture, électronique et science des matériaux. Une réaction est particulièrement utile lorsqu'elle peut créer le même type de liaison chimique de manière fiable à partir de nombreux matériaux de départ différents. Lorsque les réactions produisent de faibles rendements ou trop de sous-produits indésirables, les chimistes peuvent être contraints d'abandonner des molécules prometteuses ou de passer beaucoup de temps à développer une autre voie.

La Chan–Lam coupling est utile en chimie médicinale car elle forme des liaisons carbone-nitrogène, courantes dans les médicaments. Cependant, la réaction ne fonctionne pas également bien pour chaque classe de molécules. En particulier, le couplage des sulfonamides primaires avec des acides boroniques a historiquement produit de faibles rendements. Les sulfonamides sont une famille importante de molécules présentes dans des médicaments utilisés en oncologie et en maladies infectieuses. Rendre cette réaction plus fiable pourrait offrir aux chimistes médicaux un moyen plus large et plus pratique de produire et d'explorer des molécules potentiellement utiles.

Connexion de GPT‑5.4 à Maria IA et Lab

Le système combiné a associé des capacités complémentaires. Des prompts rédigés par des scientifiques travaillant avec Maria AI ont été utilisés avec GPT‑5.4 pour générer et classer des milliers de propositions de recherche possibles. Les chimistes humains ont examiné le petit sous-ensemble de propositions qui ont obtenu les meilleures notes selon le système et en ont sélectionné quatre pour des tests en laboratoire. Maria AI a ensuite traduit les plans de haut niveau sélectionnés en instructions détaillées pour le laboratoire, exécuté des milliers d'expériences à haut débit, analysé les données brutes et renvoyé des résultats structurés à GPT‑5.4.

L'une des quatre propositions sélectionnées, OAI-M1-03, a suggéré d'utiliser des oxydants doux tels que TEMPO pour améliorer la performance de la réaction Chan-Lam pour la synthèse des sulfonamides. Les chimistes ont trouvé la suggestion à la fois surprenante et intéressante. Nous partageons les résultats détaillés de OAI-M1-03 dans cet article et dans le document associé.

La proposition de recherche finale a ensuite été utilisée par Maria pour générer des grilles expérimentales, avec de légères corrections apportées par des humains. La plus grande correction humaine a été d'éviter le diméthylsulfoxyde (DMSO) comme solvant, car les chimistes craignaient qu'il puisse réagir avec les oxydants plus forts utilisés en comparaison.

Le processus complet a duré trois mois, du premier prompt le 4 mars au partage des résultats de OAI-M1-03 avec des experts indépendants le 4 juin.

Nous décrivons ce flux de travail comme quasi-autonome, et non entièrement autonome, car les chimistes humains ont toujours pris des décisions importantes tout au long du processus. Le modèle a proposé les idées de recherche clés, tandis que les chimistes humains ont fourni une direction et un jugement de haut niveau, corrigé les détails expérimentaux, aidé à préparer les consommables et réactifs de laboratoire, et répété des expériences clés manuellement.

Ce que nous avons trouvé

OAI-M1-03 a identifié TEMPO comme un additif utile pour le couplage Chan-Lam des sulfonamides primaires étudiés ici. Dans des conditions optimisées, la réaction s'est améliorée de deux manières : le rendement moyen a augmenté et davantage de combinaisons de substrats ont atteint des rendements pratiquement utiles.

Au cours de deux cycles, Maria a exécuté un total de 10 080 réactions – plus qu'un chimiste ne pourrait en exécuter en trois réactions par jour pendant une décennie. Cette échelle est importante car les résultats en chimie peuvent être trompeurs lorsqu'ils sont testés sur seulement quelques exemples. Une réaction peut sembler prometteuse sur une paire de matériaux de départ, mais échouer sur un ensemble plus large de molécules. Des milliers de réactions ont permis d'identifier TEMPO parmi dix oxydants testés, de voir l'effet se répéter à travers diverses combinaisons, et de trouver ses limitations.

Après avoir analysé le premier tour de données, le système a proposé un second tour d'expériences plus ciblées pour tester des hypothèses de suivi. Une découverte utile de suivi a été que TEMPO pouvait être remplacé par un analogue beaucoup moins cher, le 4-hydroxy-TEMPO, avec peu de perte de performance.

Le résultat a également été confirmé au-delà du format de dépistage à l'échelle des microlitres du laboratoire Maria. Les chimistes humains ont reproduit manuellement des réactions représentatives à l'échelle du banc et ont observé une augmentation des rendements pour 11 des 14 paires de substrats ; pour huit paires, l'augmentation était supérieure à deux fois. Cette réplication est importante car les expériences à très petite échelle peuvent parfois introduire des artefacts qui disparaissent à une échelle plus grande. La validation à l'échelle du banc est également courante avant que la recherche ne soit publiée dans une revue scientifique.

Limitations

Ce travail montre qu'un modèle peut apporter une contribution utile en chimie organique. Il a fait plus que résumer la littérature ou suggérer une expérience unique : il a proposé une hypothèse spécifique surprenante et l'a présentée pour examen humain, conçu des expériences, interprété des données expérimentales et conçu des expériences de suivi.

Cependant, cela ne montre pas que l'IA peut agir de manière totalement autonome dans ce domaine. Les chimistes humains ont joué un rôle essentiel en fournissant des orientations, en corrigeant les détails expérimentaux et en validant les résultats.

L'avenir de la recherche en chimie pourrait être transformé par des systèmes d'IA qui, tout en nécessitant une supervision humaine, peuvent accélérer les découvertes et ouvrir de nouvelles voies pour l'innovation scientifique.