AI 化学者 GPT-5.4、創薬の難反応を TEMPO で攻略！

やっほー、しぃちゃんだよ！今日はね、AI がフラスコの中の化学反応をほんとに良くしちゃったっていう、わくわくのニュースを紹介するよ。

OpenAI News openai.com

なにが発表されたの？

OpenAI の News からの発表なの。OpenAI が創薬向け化学の会社 Molecule.one と組んで、AI モデル GPT-5.4 に「大事な化学反応のどれかを、もっと良くしてね」っていう、すごくざっくりした宿題を渡したんだって。すると GPT-5.4 は、Molecule.one の Maria っていう自律型の化学 AI と、その高速実験ラボ(Maria Lab)と一緒に、研究の提案を作って、実験を設計して、データを分析して、次の実験まで考えたの。

ターゲットになったのは Chan-Lam カップリングっていう反応。炭素と窒素をつなぐ反応で、お薬の分子作りによく使われるやつなんだよ。GPT-5.4 は自分で「一級スルホンアミドっていう、難しくて価値の高い基質を狙おう」って決めて、「TEMPO みたいな穏やかな酸化剤を足すといいかも」って提案したの。これがドンピシャだったんだよ。

なぜ重要なの？

お薬になる小さな分子を探すときって、「作れる分子しか試せない」っていう壁があるんだよね。反応の収率が低かったり、余計な副生成物ができたりすると、せっかく良さそうな分子でも諦めたり、別の合成ルートを一から考え直したりしないといけないの。だから合成は創薬の大きなボトルネックなんだ。

スルホンアミドっていう構造は、抗がん剤・抗菌薬・利尿薬とか、いろんな種類のお薬に登場する大事な仲間。でも、一級スルホンアミドと有機ホウ素化合物(ボロン酸)の Chan-Lam カップリングは、昔から収率が低いのが悩みだったの。ここが安定して回せるようになれば、化学者さんが試せる分子の幅がぐっと広がるってわけ。

OpenAI はこれまでも数学(単位距離問題)や理論物理(グルーオン振幅)、生物学(無細胞タンパク質合成のコスト削減)で AI が新しい結果に貢献した例を出してきたけど、今回はそれを医薬化学まで広げた形なんだよ。ライフサイエンス向けの GPT-Rosalind を出したのと同じ流れなの。

これで何が変わるの？

いちばんのポイントは、AI が「文献を読んで、意外な仮説を提案して、実験の設計・分析まで手伝って、人間の化学者さんが評価できる発見にたどり着いた」ってこと。しかも机上の空論じゃなくて、本物の分子と装置でちゃんと動いたんだよ。

最適化した条件だと、テストしたボロン酸の 88%、スルホンアミドの 83% で収率が上がったの。平均収率は 16.6% から 25.2% に上がって、「収率 30% 超え」の反応の割合は 15.6% から 37.5% まで増えたんだって。マイクロリットルの小さいスケールだけじゃなくて、人間の化学者さんが手作業でベンチスケールでも再現したら、14 組の基質ペア中 11 組で収率アップ、そのうち 8 組は 2 倍以上になったの。小さい実験だけだと見かけの結果になっちゃうことがあるから、この裏取りはとっても大事なんだよ。

深く潜ってみよう

仕組みはこんな感じ。Maria AI 向けに書かれたプロンプトを使って、GPT-5.4 がハーネスの中で何千もの研究提案を作ってランク付けするの。上位に来た提案を人間の化学者さんが見て 4 つ選んで、Maria AI がそれを細かいラボ手順に翻訳して、高速実験を回して、生データを分析して、結果を GPT-5.4 に返す…っていうループなんだ。

選ばれた 4 つのうちの 1 つが OAI-M1-03 で、これが「TEMPO みたいな穏やかな酸化剤を使う」っていう例のアイデア。2 サイクルの実験で Maria は合計 10,080 回もの反応を回したの。これって、1 日 3 反応やる化学者さんが 10 年かけてやる量よりも多いんだよ。それだけ数をこなしたから、10 種類試した酸化剤の中から TEMPO を見つけて、いろんな組み合わせで効果が出るのを確かめて、限界まで見えたんだって。2 回目のサイクルでは、TEMPO をもっと安い 4-hydroxy-TEMPO に置き換えてもほぼ性能が落ちない、っていう嬉しいオマケも見つかったの。

人間のいちばん大きな介入は、比較用の強い酸化剤と反応しちゃうかもって心配で、溶媒の DMSO を避けたこと。全体のプロセスは 3 か月で、3 月 4 日の最初のプロンプトから、6 月 4 日に外部の専門家へ OAI-M1-03 の結果を共有するまでかかったの。だから OpenAI はこれを「完全自律じゃなくて、ほぼ自律」って呼んでるんだ。人間の化学者さんが、提案の選定・実験の修正・器具や試薬の準備・手作業での再現をずっと担ってたからね。ちなみに University of Michigan の Tim Cernak 准教授など外部の専門家 4 人がプレプリントをレビューして、新しくて共有する価値がある結果だって評価してくれたんだって。

正直に「できないこと」も書いてあるよ。これは AI が化学の研究プログラムを丸ごと一人で回せることを示したわけじゃないし、他のカップリング反応や他の基質、量産条件に一般化できると保証したわけでもないの。収率は高速プラットフォームの推定値で、ベンチでの検証は 14 組の代表的な基質ペアだけ。反応機構の解明や独立した再現は、これからの宿題なんだ。

安全面(Preparedness)への配慮もしっかりしてるよ。医薬化学の正当な問題にわざとスコープを絞っていて、毒物・化学兵器・有害化合物の設計は一切扱ってないの。使ったモデルは Preparedness Framework に沿った評価や UK AI Security Institute の評価を受けていて、有害な用途のリクエストは拒否するように作られてるんだって。人間が「どの提案をラボに入れるか」を選んで、物理インフラを握ってるのも安全の層になってるの。

もっと詳しく知りたいみんなは、論文 と、書き直したモデルの思考過程(Chain-of-Thought) が公開されてるから覗いてみてね。

まとめ

• OpenAI が Molecule.one と組んで、GPT-5.4 と自律ラボ Maria で、難しい Chan-Lam カップリング(一級スルホンアミド)を改善したよ
• 決め手は「TEMPO を足す」っていう意外な提案。合計 10,080 回の反応を回して見つけたの
• 平均収率 16.6% → 25.2%、収率 30% 超えの割合 15.6% → 37.5%。ベンチ再現でも 14 組中 11 組でアップ
• 「完全自律」じゃなくて「ほぼ自律」。仮説出しは AI、選定・修正・再現・安全管理は人間っていう二人三脚なの
• 有機化学の実験ループを AI と一緒に速く回せるかにワクワクする、創薬や合成化学まわりのエンジニア・研究者さんに刺さる話だよ