Criar novas moléculas é uma das tarefas mais difíceis da química. Quer o objectivo seja um medicamento que salva vidas ou um material avançado, cada composto deve ser criado através de uma série de reacções cuidadosamente planeadas. O planejamento dessas etapas requer profundo conhecimento e pensamento estratégico, por isso os químicos muitas vezes passam anos dominando o processo.
O principal obstáculo é a retrossíntese. Nessa abordagem, os químicos começam com a molécula final que desejam e trabalham de trás para frente para descobrir materiais de partida 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 ainda lutam para corresponder aos julgamentos estratégicos de químicos experientes.
Outro desafio está relacionado aos mecanismos de reação, que descrevem como as reações ocorrem passo a passo através do movimento dos elétrons. A compreensão desses mecanismos permite aos cientistas prever novas reações, melhorar a eficiência e evitar tentativas e erros dispendiosos. Embora as ferramentas computacionais modernas possam sugerir muitos caminhos possíveis, muitas vezes falta-lhes a intuição necessária para determinar os mais realistas.
Uma nova abordagem de IA para o raciocínio químico
Pesquisadores liderados por Philipp Schwaller da EPFL desenvolveram um novo método que usa grandes modelos de linguagem (LLMs) como ferramentas de raciocínio em química. Em vez de gerar estruturas químicas diretamente, esses modelos atuam como estimadores que orientam os sistemas computacionais existentes.
A nova estrutura, chamada Synthegy, combina algoritmos de busca tradicionais com inteligência artificial que podem interpretar estratégias 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 Synthegy publicado na Matter. “Com o Synthegy, estamos capacitando os químicos a apenas falar, permitindo-lhes iterar com muito mais rapidez e navegar em ideias sintéticas mais complexas.”
Como a Synthegy melhora o planeamento da retrossíntese
Synthegy começa com uma molécula alvo e instruções simples escritas em linguagem simples. Por exemplo, um químico pode exigir que um determinado anel seja formado mais cedo 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 tratado pelo modelo de linguagem. A Synthegy avalia até que ponto cada opção atende às instruções do químico e explica seu raciocínio. Isso facilita a classificação e a filtragem das melhores rotas. Ao realizar pesquisas usando linguagem natural, os químicos podem rapidamente se concentrar em estratégias que correspondam aos seus objetivos.
Compreender os mecanismos de reação com IA
Synthegy aplica um método semelhante aos mecanismos de reação. Ele divide as reações em movimentos básicos de elétrons e explora as várias possibilidades. O modelo de linguagem avalia cada etapa e direciona a busca para caminhos que façam sentido químico.
O sistema também pode incluir detalhes adicionais, como condições de reação ou hipóteses de especialistas apresentadas como texto. Esta flexibilidade permite aos investigadores refinar as suas análises e explorar cenários mais realistas.
Desempenho e verificação por químicos
Ao planejar a síntese, a Synthgey conseguiu identificar caminhos que correspondem a instruções estratégicas complexas. Num estudo duplo-cego, 36 químicos forneceram 368 classificações válidas, e suas classificações corresponderam aos resultados do sistema em média 71,2% das vezes.
A estrutura pode sinalizar medidas de proteção desnecessárias, avaliar a probabilidade de respostas e priorizar soluções eficazes. Também demonstra que os LLMs podem funcionar em vários níveis, desde a análise de grupos funcionais até a avaliação de rotas sintéticas inteiras. Modelos maiores apresentaram melhores resultados, enquanto os menores apresentaram capacidades mais limitadas.
O novo papel da inteligência artificial na química
Esta pesquisa mostra que a IA pode apoiar a química de uma maneira diferente. Em vez de substituir a tomada de decisão humana, a Synthegy posiciona os modelos de linguagem como um guia para ajudar a interpretar e refinar os resultados computacionais. Os químicos podem descrever seus objetivos em linguagem simples e obter soluções que reflitam sua estratégia.
Esta abordagem pode acelerar a descoberta de medicamentos, melhorar o desenho das reações e tornar as ferramentas avançadas mais acessíveis aos cientistas.
“A ligação entre o planejamento da síntese e os mecanismos é muito interessante: costumamos usar mecanismos para descobrir novas reações que nos permitem sintetizar novas moléculas”, diz Andrés M. Braun. “Nosso trabalho preenche essa lacuna na computação por meio de uma interface unificada de linguagem natural.”
Outros participantes
- Centro Nacional de Competência em Pesquisa em Catálise (NCCR Catalysis)
- Laboratórios b12
