طور باحثون في المعهد الفدرالي السويسري للتكنولوجيا في لوزان (EPFL) نظام Synthegy، وهو إطار عمل للذكاء الاصطناعي يتيح للكيميائيين توجيه عملية تخليق الجزيئات المعقدة باستخدام تعليمات لغوية بسيطة. يجمع النظام بين الخوارزميات التقليدية ونماذج اللغة الكبيرة لتقييم وتصنيف مسارات التفاعل، كما يساعد في فهم آليات التفاعل، مما قد يسرع من عملية اكتشاف الأدوية.
يتطلب ابتكار جزيئات معقدة للأدوية أو المواد تقليدياً سنوات من الخبرة في التخليق التراجعي، حيث يعمل الكيميائيون بشكل عكسي من مركب مستهدف لتحديد المواد الأولية ومسارات التفاعل. يغير نظام Synthegy، الذي طوره فريق بقيادة فيليب شوالر في EPFL، هذا الواقع من خلال السماح للكيميائيين بإدخال تعليمات باللغة الطبيعية، مثل تكوين حلقة في مرحلة مبكرة أو تجنب مجموعات الحماية. وتنتج البرمجيات القياسية مسارات يقوم الذكاء الاصطناعي بعد ذلك بتقييمها وشرح مدى توافقها مع تلك الأهداف، كما ورد في ورقة بحثية نُشرت في دورية Matter. وقال أندريس إم. بران، المؤلف الرئيسي للدراسة: "مع نظام Synthegy، نحن نمنح الكيميائيين القدرة على التحدث ببساطة، مما يسمح لهم بالتكرار بشكل أسرع واستكشاف أفكار تخليقية أكثر تعقيداً". يطبق إطار العمل منطقاً مشابهاً على آليات التفاعل، حيث يفككها إلى حركات إلكترونية ويقيم مدى جدواها في ظل ظروف محددة. وفي دراسة مزدوجة التعمية شملت 36 كيميائياً قدموا 368 تقييماً، تطابقت تقديرات النظام مع أحكام البشر بنسبة 71.2%. وقد تفوقت نماذج اللغة الأكبر في تحليل المجموعات الوظيفية والمسارات الكاملة. وأضاف بران: "إن الربط بين تخطيط التخليق والآليات أمر مثير للغاية؛ فنحن نستخدم الآليات عادة لاكتشاف تفاعلات جديدة تمكننا من تخليق جزيئات جديدة". ومن بين المساهمين في هذا العمل المركز الوطني للكفاءة البحثية في الحفز الكيميائي وشركة b12 Labs. مرجع الدورية هو Andres M. Bran et al., Matter, 2026; DOI: 10.1016/j.matt.2026.102812.
