在人工智能时代加速药物发现可能源于一个令人安心的老式概念：查阅化学食谱书。
这完全合理。设计一种新的合成分子始终是一项令人生畏且耗时的挑战——由于全球科学家产生的海量新研究而变得更加困难。几乎每周都会出现创新性发现、实验方案、最佳实践和捷径，这些都可以应用于新化学合成的任何步骤，前提是研究人员能够及时掌握这些信息。
耶鲁大学化学家与康涅狄格州勃林格殷格翰制药公司（Boehringer Ingelheim Pharmaceuticals）美国分部的研究人员合作，开发了一个由人工智能驱动的数字“专家”平台来提供此类指南。该平台名为MOSAIC，是一个能生成化学合成实验方案的AI框架，甚至包括尚不存在的化合物。
“化学领域已积累数百万条反应方案，但将这些知识转化为实用操作仍是瓶颈，”耶鲁大学的维克多·巴蒂斯塔（Victor Batista）表示，他领导了这项研究并是《自然》期刊新研究的共同通讯作者，“MOSAIC旨在将信息过载转化为可操作的实验室方案。”
巴蒂斯塔是耶鲁大学文理学院约翰·甘布尔·柯克伍德化学教授，同时任职于能源科学研究所和耶鲁量子研究所，并担任模块化量子设备量子动力学中心主任。
巴蒂斯塔及其同事指出，MOSAIC之所以优于其他AI辅助化学资源，是因为它由2498个独立AI“专家”驱动——每个专家代表特定化学相关领域的顶尖实践者知识。
这类似于烹饪时同时咨询世界顶级厨师：有人专精制作面糊，有人擅长选择香料，还有人掌握精确温度控制。
“化学家遵循‘配方’合成分子，就像厨师依据食谱烹饪，”耶鲁大学化学教授、该研究共同通讯作者蒂莫西·纽豪斯（Timothy Newhouse）表示，“通过MOSAIC快速查询分子合成方案，使合成化学变得更容易，正如ChatGPT简化了寻找新食谱的过程。”
该研究的第一作者是哈奥特·李（Haote Li）和苏蒙·萨卡尔（Sumon Sarkar）。哈奥特·李是巴蒂斯塔实验室成员，2025年在耶鲁大学获得化学博士学位；苏蒙·萨卡尔是纽豪斯实验室的博士后研究员。
研究人员指出，现有AI化学系统依赖单一大型模型辅助用户，而MOSAIC框架允许用户从数千个化学反应细分领域汇集专业知识。
“我们在本研究中证明，该方法在类似任务中优于商业大型语言模型，同时能在药物、催化剂、先进材料、农用化学品甚至化妆品等真正多样化的化学领域实现大量化合物合成，”哈奥特·李表示。
事实上，耶鲁团队已利用MOSAIC成功合成了35种此前未报道的化合物。
MOSAIC框架还设计为向用户提供可测量的不确定性估计——反映请求与MOSAIC“专家”经验领域的匹配程度——这将帮助用户优化实验优先级。
研究人员表示，新系统完全开源且兼容未来可能出现的模型。他们补充道，MOSAIC旨在推动人工智能超越预测功能，更直接地支持现实世界实验。
“化学已从书籍演变为数据库，如今发展为AI引导导航，”萨卡尔表示，“总体而言，MOSAIC如同新配方的智能食谱书，又似化学合成导航的谷歌地图。它帮助化学家将海量知识转化为详细、可重复的合成方案，并指示其成功可能性。”
耶鲁大学的其他研究作者包括陆文欣（Wenxin Lu）、帕特里克·洛夫特斯（Patrick Loftus）、邱天寅（Tianyin Qiu）、佘宇（Yu Shee）、阿比盖尔·库奥莫（Abbigayle Cuomo）、约翰-保罗·韦伯斯特（John-Paul Webster）以及化学荣休教授C·P·怀特黑德（CP Whitehead）罗伯特·克雷布特里（Robert Crabtree）。勃林格殷格翰制药公司里奇菲尔德（Ridgefield）分部的额外作者包括H·雷·凯利（H. Ray Kelly）、维迪亚达尔·马尼（Vidhyadhar Manee）、萨尼尔·斯里库马尔（Sanil Sreekumar）和弗雷德里克·布奥诺（Frederic Buono）。
本研究部分资金来自勃林格殷格翰制药公司和国家科学基金会引擎开发奖。
【全文结束】
