OpenAI und das polnische Unternehmen Molecule.one haben einen nahezu autonomen KI-Chemiker entwickelt, der eine der schwierigsten Reaktionen in der medizinischen Chemie signifikant verbessert. Das System kombiniert das Sprachmodell GPT-5.4 mit Maria AI, einem agentischen Laborassistenten für autonome Forschung. In nur drei Monaten erzielte die KI bei der sogenannten Chan-Lam-Kupplung deutlich höhere Ausbeuten und erweiterte damit die praktischen Möglichkeiten für die Entwicklung neuer Wirkstoffe.
Warum die Chan-Lam-Kupplung eine Schlüsselrolle spielt
Die Chan-Lam-Kupplung ist in der medizinischen Chemie unverzichtbar, weil sie stabile Kohlenstoff-Stickstoff-Bindungen bildet. Diese Bindungen finden sich in zahlreichen kleinen Molekül-Arzneimitteln wieder. Besonders vielversprechend ist die Reaktion mit primären Sulfonamiden, die in Medikamenten gegen Krebs, Infektionskrankheiten und als Diuretika enthalten sind.
Bisher lieferte gerade diese Kombination aus Sulfonamiden und Boronsäuren jedoch nur geringe Ausbeuten. Chemiker mussten oft auf vielversprechende Moleküle verzichten oder zeitaufwändige Alternativrouten suchen. Genau hier setzt die neue KI-gestützte Methode an und beseitigt einen der größten Flaschenhälse in der Wirkstoffentwicklung.
Wie der autonome KI-Chemiker im Labor arbeitet
Das Forschungsteam verband GPT-5.4 mit Maria AI, einer spezialisierten Agenten-Software, die direkt an ein Hochdurchsatzlabor angeschlossen ist. Das KI-System generierte Tausende von Forschungsvorschlägen, bewertete diese eigenständig und übergab die vielversprechendsten Ideen menschlichen Chemikern zur Prüfung.
Die Wissenschaftler wählten vier Vorschläge aus, die anschließend in Tausenden von automatisierten Mikroliter-Experimenten getestet wurden. Maria AI übersetzte die konzeptionellen Pläne in detaillierte Laboranweisungen, führte die Experimente durch, analysierte Rohdaten und leitete die Ergebnisse zurück an GPT-5.4. Menschen blieben dabei in der Schleife: Sie korrigierten Details, wählten Lösungsmittel aus und bestätigten die finale Hypothese.
Der entscheidende Vorschlag OAI-M1-03
Der vielversprechendste Ansatz trug die Bezeichnung OAI-M1-03. Das Modell schlug vor, milde Oxidationsmittel wie TEMPO einzusetzen, um die Chan-Lam-Reaktion bei primären Sulfonamiden zu verbessern. Diese Idee entstand nicht aus einer einfachen Literaturrecherche, sondern aus einer überraschenden, selbstständig formulierten Hypothese des Modells.
In zwei Experimentierzyklen führte Maria AI insgesamt 10.080 Reaktionen durch. Das ist mehr, als ein menschlicher Chemiker in einem Jahrzehnt bei drei Reaktionen pro Tag bewältigen würde. Diese immense Skalierung war entscheidend, um TEMPO als optimalen Zusatz unter zehn getesteten Oxidanzien zu identifizieren und das Muster über verschiedene Substratkombinationen hinweg zu validieren.
Signifikante Ergebnisse für die Arzneimittelforschung
Die optimierten Bedingungen mit TEMPO erbrachten beeindruckende Zahlen. Die durchschnittliche Ausbeute stieg von 16,6 % auf 25,2 %. Noch wichtiger ist der Anteil der Reaktionen mit über 30 % Ausbeute: Er kletterte von 15,6 % auf 37,5 %. Für 88 % der getesteten Boronsäuren und 83 % der Sulfonamide konnte eine messbare Verbesserung festgestellt werden.
Ein besonders wichtiger Folgefund war, dass TEMPO durch das deutlich günstigere 4-Hydroxy-TEMPO ersetzt werden kann, ohne dass die Leistung signifikant leidet. Das macht die Methode nicht nur effektiver, sondern auch kostengünstiger für den industriellen Einsatz.
Menschliche Validierung am Labortisch
Ergebnisse aus Hochdurchsatz-Screenings auf Mikroliter-Skala können manchmal Artefakte enthalten, die in der praktischen Anwendung nicht bestehen. Deshalb wiederholten menschliche Chemiker repräsentative Reaktionen manuell im Gramm-Maßstab. In 11 von 14 getesteten Substratpaaren zeigte sich eine höhere Ausbeute, in acht Fällen mehr als verdoppelt.
Diese Bestätigung ist essenziell, weil Medizinalchemiker Verfahren brauchen, die nicht nur in automatisierten Screening-Systemen funktionieren, sondern im alltäglichen Labor. Die erfolgreiche Übertragung vom Mikro- zum Bench-Maßstab unterstreicht den realen Nutzen des autonomen KI-Chemikers.
Ausblick: Was kommt als Nächstes?
Die Forscher betonen, dass dies ein frühes, aber vielversprechendes Beispiel für KI in der Wissenschaft ist. Der Prozess war nahezu autonom, nicht vollständig autonom. Menschliches Urteil, spezialisierte Infrastruktur und sichere Leitplanken bleiben unverzichtbar.
Die nächsten Schritte umfassen die Prüfung weiterer Ausgangsmaterialien, die Aufklärung des Wirkungsmechanismus von TEMPO und die Kartierung der Reaktionsgrenzen. Langfristig soll KI zu einem verlässlichen Partner für Forscher werden, der Hypothesen generiert, Experimente designt und Ergebnisse interpretiert. Bessere Synthesemethoden erweitern den Spielraum für neue Ideen in Medizin, Landwirtschaft, Elektronik und Materialwissenschaften.
Quelle: https://openai.com/index/ai-chemist-improves-reaction
