Criar novas moléculas é uma das tarefas mais difíceis da química. Quer o objetivo seja um medicamento que salva vidas ou um ingrediente de última geração, cada composto deve ser produzido através de uma série de reações cuidadosamente planejadas. Mapear essas etapas requer habilidade profunda e pensamento estratégico, e é por isso que os químicos muitas vezes passam anos dominando o processo.
Um grande obstáculo é a retrossíntese. Neste método, os químicos começam com a molécula final de sua escolha e trabalham de trás para frente para encontrar materiais iniciais mais simples e possíveis vias de reação. Isto envolve muitas decisões, como escolher os blocos de construção corretos, decidir quando formar anéis e determinar se partes sensíveis da molécula precisam de proteção. Embora os computadores possam varrer vastos “espaços químicos”, eles só podem corresponder ao julgamento tático de químicos experientes.
Outro desafio envolve mecanismos de reação, que descrevem como as reações ocorrem passo a passo através do movimento dos elétrons. A compreensão desses processos permite aos cientistas prever novas reações, melhorar a eficiência e evitar tentativas e erros dispendiosos. Embora as ferramentas computacionais atuais possam sugerir muitos caminhos possíveis, muitas vezes faltam-lhes os conhecimentos necessários para identificar os caminhos mais realistas.
Uma nova abordagem de IA para o raciocínio químico
Pesquisadores liderados por Philipp Schwaler da EPFL desenvolveram uma nova abordagem que usa grandes modelos de linguagem (LLMs) como ferramentas de raciocínio químico. Em vez de gerar estruturas químicas diretamente, esses modelos servem como avaliadores que orientam os sistemas computacionais existentes.
A nova estrutura, chamada Synthesis, combina algoritmos de busca tradicionais com IA que podem interpretar fórmulas químicas escritas em linguagem natural.
“Ao construir ferramentas para químicos, a interface do usuário é muito importante, e as ferramentas anteriores dependiam de filtros e regras complicados”, diz Andres M. Braun, primeiro autor do artigo Synthesis publicado na Matter. “Com o Synthesis, estamos capacitando os químicos a apenas falar, permitindo-lhes iterar mais rapidamente e navegar em conceitos sintéticos mais complexos.”
Como a síntese melhora os esquemas de retrossíntese
A síntese começa com uma molécula alvo e uma instrução simples escrita em linguagem cotidiana. Por exemplo, um químico pode solicitar que um determinado anel seja feito antecipadamente ou que sejam evitados grupos protetores desnecessários. O software de retrossíntese padrão gera muitos caminhos possíveis.
Cada um desses caminhos é convertido em texto e revisado por um modelo de linguagem. A síntese avalia o quão bem cada alternativa corresponde às instruções do químico e explica seu raciocínio. Isso facilita a classificação e a filtragem das melhores rotas. Ao realizar pesquisas com linguagem natural, os químicos podem rapidamente se concentrar em técnicas que se alinhem com seus objetivos.
Compreender os processos de feedback com IA
A síntese aplica uma abordagem semelhante aos processos de reação. Ele divide as reações em movimentos básicos de elétrons e explora diferentes possibilidades. O modelo de linguagem avalia cada etapa e procura caminhos que façam sentido químico.
O sistema pode incluir detalhes adicionais, como condições de feedback ou suposições de especialistas, fornecidos como texto. Esta flexibilidade permite aos investigadores refinar as suas análises e explorar cenários mais realistas.
Desempenho e validação com químicos
No planeamento de síntese, a Synthgey conseguiu identificar caminhos que correspondiam a directivas estratégicas complexas. Num estudo duplo-cego, 36 químicos forneceram 368 avaliações válidas e concordaram com os resultados do seu sistema de avaliação em média 71,2% das vezes.
A estrutura pode sinalizar medidas de proteção desnecessárias, avaliar a probabilidade de respostas e priorizar soluções eficientes. Também mostra que os LLMs podem trabalhar em vários níveis, desde a análise de grupos funcionais até a avaliação de rotas sintéticas completas. Os modelos maiores tiveram melhor desempenho, enquanto os menores apresentaram capacidades mais limitadas.
Um novo papel para a IA na química
Esta pesquisa destaca uma maneira diferente pela qual a IA pode apoiar a química. Em vez de substituir a tomada de decisão humana, os modelos de linguagem de síntese são posicionados como guias que ajudam a interpretar e refinar os resultados computacionais. Os químicos podem definir os seus objectivos em termos simples e obter soluções que reflectem a sua estratégia.
A abordagem pode acelerar a descoberta de medicamentos, melhorar o desenho das reações e tornar ferramentas avançadas mais acessíveis aos cientistas.
“A conexão entre planos e processos de síntese é muito interessante: normalmente usamos processos para descobrir novas reações que nos permitem sintetizar novas moléculas”, diz Andres M. Braun. “Nosso trabalho é preencher essa lacuna computacionalmente por meio de uma interface unificada de linguagem natural.”
Outros contribuidores
- Centro Nacional de Competência em Catálise de Pesquisa (NCCR Catalysis)
- laboratório b12
